一种基于蝙蝠算法的光谱变量选择方法与流程

技术特征：

1.一种基于蝙蝠算法的光谱变量选择方法，其特征在于其具体步骤为：

1)采集一定数目样品的光谱，用常规方法测定样品被测成分的含量，采用一定的分组方式，将数据集划分为训练集和预测集；

2)将训练集的整个光谱范围划分为若干个子区间，蝙蝠个体用一串二进制码表示，对应子区间的选择与否用“1”与“0”表示；

3)利用公式(1)和(2)将蝙蝠个体位置进行离散化；

$v\left({\mathrm{\θ}}_i^{\mathrm{\τ}}\right(k+1\left)\right)=\frac{2}{\mathrm{\π}}\arctan \left(\frac{2}{\mathrm{\π}}{\mathrm{\θ}}_i^{\mathrm{\τ}}\right(k\left)\right)---\left(1\right)$

$x_i^{*}(k+1)=\left\{\begin{array}{ccc}{\left(x_i^{\mathrm{\τ}}\right(k+1\left)\right)}^{-1},& if& rand\<\mathrm{\θ}\left({\mathrm{\θ}}_i^{\mathrm{\τ}}\right(k\left)\right)\\ x_i^{\mathrm{\τ}}\left(k+1\right),& if& rand\>\>\mathrm{\θ}\left({\mathrm{\θ}}_i^{\mathrm{\τ}}\right(k\left)\right)\end{array}\right.---\left(2\right)$

4)对蝙蝠算法的初始化参数进行优化，依次优化迭代次数、响度以及脉冲频率、蝙蝠数目；

5)利用优化好的参数，采用蝙蝠算法进行变量区间选择，输出最佳的光谱子区间组合；

6)利用所选择的变量区间，建立PLS模型，将预测集中相应的被选择的变量区间代入PLS模型中，进行预测。

2.根据权利要求1所述的基于蝙蝠算法的光谱变量选择方法，其特征在于：对蝙蝠算法的初始化参数进行优化时，具体步骤为：

首先对迭代次数进行优化：固定蝙蝠数目，响度和频度，迭代次数从1变化到500，间隔为10，计算不同迭代次数下的预测均方根误差，预测均方根最小值对应的迭代次数为最佳迭代次数；

其次对响度和频度进行优化：迭代次数采用最佳值，固定蝙蝠数目，响度和频度分别从0.1变化到0.9，间隔为0.1，采用两个循环，计算不同响度和频度下的预测均方根误差。预测均方根误差最小值对应的响度和频度为最佳响度和频度；

最后对蝙蝠数目进行优化：迭代次数、响度、频度采用最佳值，蝙蝠数目从10变化到40，间隔为5，计算不同蝙蝠数目下的预测均方根误差，预测均方根误差最小值对应的蝙蝠数目为最佳蝙蝠数目。

3.根据权利要求1所述的基于蝙蝠算法的光谱变量选择方法，其特征在于：该变量选择方法主要适用于复杂样品光谱的变量选择。