作　　者： ; ; ; (温江北）;

机构地区： 桂林理工大学理学院

出　　处： 《科学技术与工程》 2014年第36期137-140,共4页

摘　　要： 随机森林(RF)回归应用于汽油辛烷值的近红外定量模型的波长优选。提出的双中心指标多维标度(DC-MDS)方法能够有效地找到定标和预测样品集的合理划分。RF回归建模的过程中选择采用较大的决策树数量(nTree=500),避免建模过程发生拟合,进一步调试并选择最优的分裂变量数(mtry=130);最后在最优参数的RF建模过程中提取具有最大贡献的30个信息波长,为汽油辛烷值的测定建立离散波长的近红外定量分析模型;其预测决定系数为0.971,预测均方根偏差为0.219%。结果表明,RF回归具有应用于汽油辛烷值近红外定量测定的潜力。 Random forest （RF） regression applied to the wavelength selection for the near-infrared （NIR） quantitative analysis of gasoline octane.A sample division method called duel-center multi-dimensional scaling （DC-MDS） was proposed to search a reasonable division of calibration and prediction sample sets.A large number of decision trees （nTree =500） for RF regression is utilized,in order to avoid the occurrence of over-fitting; and further had the number of split valuables tunable,searching for the optimal value （mtry =130）.And 30 informative wavelengths in the process of RF modeling are also obtained,which were expected for the establishment of a NIR model for gasoline octane,based on seldom discrete wavelengths.This optimal model output the predictive determination coefficient of 0.971and a root mean square root of 0.219%.The results showed that,RF regression has the potential to be applied to the NIR analysis of gasoline octane.

关 键 词： 汽油辛烷值 近红外光谱 多维标度法 随机森林

领　　域： [机械工程] [理学] [理学] [机械工程] [交通运输工程] [交通运输工程]