资源描述：
《基于粒子群算法的最小二乘支持向量机》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。
1、第40卷分析化学(FENXIHUAXUE)研究报告第6期2012年6月ChineseJournalofAnalyticalChemistry925~931DOI:10.3724/SP.J.1096.2012.10898基于粒子群算法的最小二乘支持向量机在红花提取液近红外定量分析中的应用*金叶杨凯吴永江刘雪松陈勇(浙江大学药学院,杭州310058)摘要提出一种基于粒子群算法的最小二乘支持向量机(PSO-LS-SVM)方法,用于建立红花提取过程关键质控指标的定量分析模型。近红外光谱数据经波段选择、预处
2、理和主成分分析(降维)后,利用粒子群优化(PSO)算法对最小二乘支持向量机算法中的参数进行优化,然后使用最优参数建立固含量和羟基红花黄色素A(HSYA)浓度的定量校正模型。将校正结果与偏最小二乘法回归(PLSR)和BP神经网络(BP-ANN)比较,并将所建的3个模型用于红花提取过程未知样本的预测。结果表明,BP-ANN校正结果优于PSO-LS-SVM和PLSR,但是对验证集和未知样品集的预测能力较差,而PSO-LS-SVM和PLSR模型的校正、验证结果相近,相关系数均大于0.987,RMSEC和R
3、MSEP值相近且小于0.074,RPD值均大于6.26,RSEP均小于5.70%。对于未知样品集,PSO-LS-SVM模型的RPD值大于8.06,RMSEP和RSEP值分别小于0.07%和5.84%,较BP-ANN和PLSR模型更低。本研究所建立的PSO-LS-SVM模型表现出较好的模型稳定性和预测精度,具有一定的实践意义和应用价值,可推广用于红花提取过程的近红外光谱定量分析。关键词近红外光谱;粒子群优化;最小二乘支持向量机;红花提取液1引言红花注射液主要成分为红花提取物,具有抗凝、防栓、扩张血管
4、和有效防治心脑血管疾病的作用。[1]羟基红花黄色素A(HydroxysaffloryellowA,HSYA)是红花的主要活性成分,药理实验证明:HSYA能[2,3]明显提高缺氧耐受力,使冠脉扩张,增加冠脉流量,并有明显抑制血小板聚集作用。提取工艺是红花注射液生产过程的起点,直接关系到红花药材的利用率。目前,提取工艺的质量控制主要依靠经验和传统质量分析方法(HPLC等),耗时繁琐。故开发红花提取过程中关键质控指标的快速测定方法,有助于解决红花提取过程中关键的质量控制问题,对于中药工业技术进步和产品质
5、量升级具有重要的意义。近红外(Nearinfrared,NIR)光谱技术作为一种快速无损的绿色分析技术,具有分析快速、样品处理简单、无需消耗试剂等特点。近年来,近红外光谱技术已经越来越多的被应用于中药研究,包括药材产[4~7]地鉴别、有效组分含量测定和制药过程的在线检测和监控。使用近红外进行定量分析时必须建立定量校正模型。目前比较常用的近红外定量分析建模方法有偏最小二乘回归法(Partialleastsquareregression,PLSR)、人工神经网络法(ANN)和支持向量机法(SVM)等。
6、SVM是建立在统计学习理论[8,9](Statisticallearningtheory,SLT)基础上的一种机器学习算法,已在NIR光谱分析中得到广泛应用。最小二乘支持向量机(LS-SVM)是经典SVM的一种改进,以等式约束代替标准SVM算法中的不等式约束,并将误差平方和损失函数作为训练集的经验损失,将求解二次规划问题转化为求解线性方程组问[10]题,提高了求解的速度和收敛精度。针对LS-SVM的参数选取会对结果产生较大影响,参数的选取具有一定的“盲目性”的问题,采用试凑法或遍历优化进行参数选择
7、费时而未必能找到全局最优解,提出[11~13]了利用粒子群优化(PSO)算法优化其模型参数的方法。本研究基于粒子群算法的最小二乘支持向量机(PSO-LS-SVM),建立了红花提取过程中质控指标———固含量和HSYA浓度的定量分析模型,并将预测结果与近红外光谱分析常用的PLSR和ANN模型进行比较,实现红花提取过程未知样品中固含量和HSYA浓度的快速检测。2011-08-16收稿;2011-12-09接受本文系浙江省重大科技计划项目(No.2008C03005)和国家“十一五”科技支撑计划项目(No
8、.2006BAI06A08)资助*E-mail:chenyong1@zju.edu.cn926分析化学第40卷2建模方法与原理LS-SVM是一种新型支持向量机,为标准SVM的一种扩展。LS-SVM能够进行线性和非线性的多[14~16]元建模,降低计算的复杂程度,加快求解速度,已在NIR光谱分析中得到广泛的应用。LS-SVM的算法原理及具体建模过程参见文献[10,17,18]。由于径向基核函数(Radialbasisfunction,RBF)作为非线性函数能够减少训练过程中计算的复杂
