A Novel Genetic Algorithm-Based Optimization Framework for the Improvement of Near-Infrared Quantitative Calibration Models
CONTENIDO PARA USUARIOS REGISTRADOS
Inicia sesión para disfrutar este recurso. Si aún no estás afiliado a BibloRed, haz clic en el botón.
Acceder- Autor
- Año de publicación 2020
- Idioma Inglés
- Publicado por Revista VirtualPRO,
- Descripción
- La producción mundial de harina de pescado se utiliza para la alimentación animal, y la proteína es el principal componente que proporciona nutrición a los animales. Con el fin de supervisar y controlar el suministro de nutrición a la ganadería, se utilizó la tecnología del infrarrojo cercano (NIR) para la detección rápida del contenido de proteínas en las muestras de harina de pescado. El objetivo de la calibración cuantitativa NIR es mejorar la capacidad de predicción del modelo, donde el estudio de los algoritmos quimiométricos es inevitablemente a la demanda. En este trabajo, se construyó un novedoso marco de optimización de GSMW-LPC-GA para la calibración NIR. En el marco, se seleccionaron algunas bandas de onda NIR informativas mediante la estrategia de ventana móvil de búsqueda en cuadrícula (GSMW), y luego las variables/longitudes de onda en la banda de onda se transformaron en componentes principales latentes (LPCs) como las entradas para la optimización del algoritmo genético (GA). El AG opera en iteraciones como implementación para la optimización secundaria de las bandas de onda NIR. En los pasos de la evolución de la población de la variable, se investigó el modo de escalamiento paramétrico para la determinación óptima de la probabilidad de cruce y el operador de mutación. Con el marco GSMW-LPC-GA, el efecto de predicción NIR sobre la proteína de la harina de pescado fue experimentalmente mejor que el efecto adoptando simplemente el modelo de calibración de ventana móvil. Los resultados demuestran que el marco propuesto es adecuado para la determinación cuantitativa NIR de la proteína de la harina de pescado. Finalmente, se consideró que el AG es un método implementable que proporciona una estrategia eficiente para mejorar el rendimiento de los modelos de calibración NIR. Se espera que el marco proporcione una estrategia eficiente para analizar algunos cambios desconocidos y la influencia de varios fertilizantes.
-
Citación recomendada (normas APA)
- Hindawi, "A Novel Genetic Algorithm-Based Optimization Framework for the Improvement of Near-Infrared Quantitative Calibration Models", -:Revista VirtualPRO,, 2020. Consultado en línea en la Biblioteca Digital de Bogotá (https://www.bibliotecadigitaldebogota.gov.co/resources/3436738/), el día 2024-05-18.