基于人工蜂群算法优化SVM的NIR杉木弹性模量预测

编号 zgly0001727066

文献类型 期刊论文

文献题名 基于人工蜂群算法优化SVM的NIR杉木弹性模量预测

作者 陈芳  程献宝  黄安民  王学顺 

作者单位 北京林业大学理学院  中国林业科学研究院木材工业研究所 

母体文献 林业科学 

年卷期 2021,57(1)

页码 161-168

年份 2021 

分类号 S781.2 

关键词 近红外光谱  弹性模量  支持向量机  人工蜂群算法 

文摘内容 【目的】利用近红外光谱分析技术,提出一种基于人工蜂群算法优化支持向量机(ABC-SVM)的木材弹性模量预测模型,为木材弹性模量无损预测提供科学参考。【方法】以294个杉木样本为试验材料,采用常规力学方法测量样本弹性模量,采集样本近红外漫反射光谱,选择350~2500 nm光谱段,对原始数据进行15步指数平滑和一阶导数预处理,并利用主成分分析降维处理后的数据,建立偏最小二乘回归(PLS)模型、支持向量机回归(SVR)模型和人工蜂群算法优化支持向量机(ABC-SVM)模型预测杉木弹性模量,采用决定系数(R2)、均方根误差(RMSE)、平均绝对百分比误差(MAPE)和平均绝对误差(MAE)对所建模型进行对比分析。【结果】PLS模型的R2为0.726700、RMSE为6.7449、MAPE为0.0635、MAE为5.0656;SVR模型的R2为0.935305、RMSE为3.5281、MAPE为0.0237、MAE为1.8409;将人工蜂群算法用于SVM参数寻优,获得的最优参数c=5.67051、g=0.03125,ABC-SVM模型的R2为0.935371、RMSE为3.5260、MAPE为0.0237、MAE为1.8400。3种模型均可对杉木弹性模量进行有效预测。【结论】1)根据决定系数(R2),SVR和ABC-SVM模型的预测性能优于PLS模型,ABC-SVM模型的预测性能最佳;2)根据均方根误差(RMSE)、平均绝对百分比误差(MAPE)和平均绝对误差(MAE),3种模型的MAPE均在可接受范围内,ABC-SVM模型关于误差的各项指标均最小,基于ABC-SVM模型预测杉木弹性模量高效、科学。