基于样本选择与PSO-ANN的葡萄酒酒精浓度预测

来源期刊：东北大学学报(自然科学版)2018年第7期

论文作者：王巧云 郑念祖

文章页码：970 - 975

关键词：样本选择算法;群体智能算法;BP神经网络;拉曼光谱;葡萄酒;粒子群优化;

摘    要：为了提高拉曼光谱定量分析模型的准确性以及稳健性,提出了一种新的样本选择算法——KM法.实验中以40组葡萄酒光谱为分析对象,将KM法与传统的RS,KS,SPXY样本选择算法相比较.实验结果表明:KM法获得的|RMSEP-RMSEC|要优于其他三种方法,剩余预测偏差（RPD）存在显著性差异,说明KM法具有很好的预测准确度.同时,针对BP神经网络易陷入局部极值的问题,将粒子群优化算法用于优化人工神经网络的参数（PSO-ANN）,通过与遗传算法、人工鱼群算法及混合蛙跳算法比较,发现PSO-ANN较之于其他三种方法,能够提高BP神经网络泛化性能,具有收敛速度快、稳健性强及预测精度高等优势.