基于近紅外光和BP神經(jīng)網(wǎng)絡(luò)的農(nóng)藥溶液定量分析方法研究

1、基于近紅外光和bp神經(jīng)網(wǎng)絡(luò)的農(nóng)藥溶液定量分析方法研究 對光譜數(shù)據(jù)分離舉行最佳優(yōu)化后，用法bp人工神經(jīng)網(wǎng)絡(luò)分離為炔螨特和毒死蜱建立校正模型，并利用此模型對預(yù)測樣本舉行預(yù)測，按照校正模型參數(shù)和預(yù)測結(jié)果，討論bp神經(jīng)網(wǎng)絡(luò)在近紅外光譜法檢測農(nóng)藥溶液含量中應(yīng)用的可行性，同時，研究bp神經(jīng)網(wǎng)絡(luò)的用法辦法。 本節(jié)建立bp模型用法m atl ab 7.7神經(jīng)網(wǎng)絡(luò)工具箱中量化共軛梯度(sealed conjugate gra-dient, scg)反向傳揚算法訓(xùn)練函數(shù)(trainscg訓(xùn)練函數(shù))，采納以校正集為訓(xùn)練樣本對網(wǎng)絡(luò)舉行訓(xùn)練練，以方均誤差(mean squared error,mse)為性能函數(shù)，建模時

2、對bp神經(jīng)網(wǎng)絡(luò)以0.01的目標(biāo)誤差和最大訓(xùn)練次數(shù)3000次舉行模型的訓(xùn)練。 1. 毒死蜱微量溶液的bp神經(jīng)網(wǎng)絡(luò)訓(xùn)練 按照4.2.2節(jié)的討論結(jié)果，在pls模型建立巾，貢獻(xiàn)最大的最優(yōu)預(yù)處理辦法為snv法，因此，首先對毒死蜱樣本的近紅外光譜數(shù)據(jù)舉行snv預(yù)處理，觀看此優(yōu)化辦法對bp神經(jīng)網(wǎng)絡(luò)建模應(yīng)用的優(yōu)化貢獻(xiàn)價值，并找出可應(yīng)用于近紅外光譜法結(jié)合bp神經(jīng)網(wǎng)絡(luò)法檢測微量農(nóng)藥溶液的最佳優(yōu)化辦法。 (1)基于snv法的bp神經(jīng)網(wǎng)絡(luò)訓(xùn)練 當(dāng)隱含層選為15個神經(jīng)元時，所建立模型的各個評價參數(shù)為r=0.9986, rmsec=0.1000, rmsep=1.5800。內(nèi)部交又驗證的擬合結(jié)果4-4所示。bp神經(jīng)網(wǎng)絡(luò)模

3、型對預(yù)測樣本集的預(yù)測結(jié)果見表4-5。 圖4-4毒死蜱溶液的snv bp神經(jīng)網(wǎng)絡(luò)內(nèi)部交錯驗證擬合結(jié)果 表4-5毒死蜱溶液的snv bp神經(jīng)網(wǎng)絡(luò)模型預(yù)測結(jié)果(一) 從校正模型的校正結(jié)果和對預(yù)測樣本集的預(yù)測結(jié)果不難看出，當(dāng)隱含層神經(jīng)元挑選為15個時，所建立的bp神經(jīng)網(wǎng)絡(luò)模型浮現(xiàn)了過擬合，相關(guān)系數(shù)r=0.9986十分臨近于1，內(nèi)部交錯驗證標(biāo)準(zhǔn)差rmsec=0.1000很小，但是對預(yù)測集的預(yù)測表示，預(yù)測標(biāo)準(zhǔn)差rmsep1.5800誤差嚴(yán)峻。 因此，當(dāng)隱含層神經(jīng)元數(shù)量為15時的模型不行取，按照試驗所得數(shù)據(jù)結(jié)果，基于snv優(yōu)化原始光譜數(shù)據(jù)的bp神經(jīng)網(wǎng)絡(luò)的最優(yōu)模型如下。 在snv預(yù)處理辦法結(jié)合bp神經(jīng)網(wǎng)絡(luò)所建

4、立的最優(yōu)數(shù)學(xué)模型為隱含層神經(jīng)元數(shù)目為9的3層神經(jīng)網(wǎng)絡(luò)。其模型評價參數(shù)為r=0.8962,rmsec0.8466、rmsep0.8104。內(nèi)部交錯驗證的擬合結(jié)果4-5所示。模型對預(yù)測樣本集的預(yù)測結(jié)果見表4-6。 圖4-5毒死蜱溶液的snv辦法下最優(yōu)bp神經(jīng)網(wǎng)絡(luò)內(nèi)部交錯驗證擬合結(jié)果 表4-6毒死蜱溶液的snv bp神經(jīng)網(wǎng)絡(luò)模型預(yù)測結(jié)果(二) 按照snv處理后的數(shù)據(jù)的bp神經(jīng)網(wǎng)絡(luò)模型結(jié)果來看，即使是此條件下最優(yōu)的模型，其模型的內(nèi)部交錯驗證標(biāo)準(zhǔn)差和預(yù)測標(biāo)準(zhǔn)差rmsec=0.8466, rmsep=0.8104誤差都較大，囚此，有須要利用其他優(yōu)化辦法舉行最優(yōu)模型尋覓的試驗討論。 (2)基于一階導(dǎo)數(shù)的bp

5、神經(jīng)網(wǎng)絡(luò)訓(xùn)練 按照以上所討論的bp神經(jīng)網(wǎng)絡(luò)模型中隱含層神經(jīng)元數(shù)目確實定思路和光譜數(shù)據(jù)最優(yōu)的預(yù)處理辦法討論，建立了以一階導(dǎo)數(shù)優(yōu)化后的近紅外光譜數(shù)據(jù)最優(yōu)bp神經(jīng)網(wǎng)絡(luò)模型，其模型為隱含層神經(jīng)元數(shù)目為15的3層神經(jīng)網(wǎng)絡(luò)模型。模型的各評價參數(shù)為r=0.9504, rmsec=0.5960,rmsep=0.6424。內(nèi)部交錯驗證的擬合結(jié)果4-6所示。模型對預(yù)測樣本集的預(yù)測結(jié)果見表4-7。 圖4-6毒死蜱溶液的一階導(dǎo)數(shù)辦法下最優(yōu)bp神經(jīng)網(wǎng)絡(luò)內(nèi)部交又驗證擬合結(jié)果 表4-7毒死蜱溶液的snv bp神經(jīng)網(wǎng)絡(luò)模型預(yù)測結(jié)果(三) 從以上建模結(jié)果可以看到，不同的光譜數(shù)據(jù)預(yù)處理辦法對bp神經(jīng)網(wǎng)絡(luò)模型的建立貢獻(xiàn)不同，隱含層

6、神經(jīng)元數(shù)目的挑選也對模型的優(yōu)劣有很大影響。不同的預(yù)處理辦法對不同建模辦法(例如pls法和bp神經(jīng)網(wǎng)絡(luò)法)的模型貢獻(xiàn)度也不同，在后續(xù)的討論中，需要按照實際狀況采納不同的預(yù)處理辦法和模型參數(shù)設(shè)置。 2炔螨特微量溶液的bp神經(jīng)網(wǎng)絡(luò)模型討論 基于本節(jié)前面部分的討論結(jié)果，針對炔螨特微量農(nóng)藥溶液的bp神經(jīng)網(wǎng)絡(luò)建模過程，以本節(jié)前面部分為基礎(chǔ)舉行連續(xù)討論，確認(rèn)上面的討論結(jié)果在炔瞞特農(nóng)藥微量溶液建模中是否有效。 首先對20個炔螨特微量溶液樣本舉行近紅外光譜數(shù)據(jù)采集，得到原始光譜數(shù)據(jù)后，對數(shù)據(jù)舉行優(yōu)化，選取最佳的預(yù)處理辦法，即最小-最大歸一化法，作為終于的優(yōu)化辦法。建立模型之前，首先剔除14號異樣樣本。建立炔螨特

7、微量農(nóng)藥溶液的近紅外光譜法結(jié)合bp神經(jīng)網(wǎng)絡(luò)法的數(shù)學(xué)模型，模型的校正結(jié)果和對預(yù)測集的預(yù)測結(jié)果為r=0.9949、rmsec=0.5361, rmsep=0.6143內(nèi)部交又驗證的擬合結(jié)果4-7所示，模型對預(yù)測樣本集的預(yù)測結(jié)果見表4-8。 基干近紅外光譜技術(shù)結(jié)合bp人工神經(jīng)網(wǎng)絡(luò)分析討論了其在微量農(nóng)藥溶液含量檢測中應(yīng)用的可行性前半部分以微量毒死蜱溶液為討論對象，以試驗結(jié)果數(shù)據(jù)研究了不同預(yù)處理辦法和隱含層神經(jīng)元數(shù)目對模型的影響，按照討論結(jié)果又在后半部分為微量炔螨特溶液建立了最優(yōu)的bp人工神經(jīng)網(wǎng)絡(luò)校正模型。從結(jié)果來看，微量毒死蟬溶液的bp神經(jīng)網(wǎng)絡(luò)模型的評價參數(shù)r0.9504、rmsec0.5960、rmsep=0.6424，遠(yuǎn)不及之前pls模型的校正和預(yù)測結(jié)果：r0.9957、rmsec0.182、rm-sep=0.0802。微量炔蝸特溶液的bp神經(jīng)網(wǎng)絡(luò)模型的評價參數(shù)r=0.9949, rmsec=0.5361、rmsep=0.6143優(yōu)于用法pls法所建立的模型：8=0.9925, rmsec=0.649,rmsep=0.646。對照結(jié)果可知，在近紅外光譜法檢測微量農(nóng)藥含量的建模辦法中并沒有固定的最優(yōu)建模辦法和數(shù)據(jù)預(yù)處理辦法，按照不同的農(nóng)藥物質(zhì)性質(zhì)和不同的實驗辦法，要酌情挑選最優(yōu)的光譜數(shù)據(jù)預(yù)處理辦法和建模所用的算