يتميز خوارزمية تحسين الذئب الرمادي المعتمدة على الذكاء الجماعي (GWO) بقلة المعلمات وبنية بسيطة وسهولة التنفيذ، لكنها مستخدمة قليلاً في مجال الطيف. هذا البحث يدخل خوارزمية GWO في اختيار المتغيرات في الطيف بالقرب من الأشعة تحت الحمراء، بأخذ بيانات الذرة كمثال، حيث فحص أداء قطيع الذئاب، عدد التكرارات، عدد الذئاب وكفاءة الحساب في خوارزمية GWO، وتم بناء نموذج الانحدار الجزئي الأدنى (PLS) لقياس محتوى البروتين والدهون والرطوبة والنشا في عينات الذرة. أظهرت النتائج أن كفاءة حساب GWO عالية جداً، وبعد ضبط المعلمات، تم بناء نموذج PLS حيث كانت أعداد المتغيرات المحتفظ بها للبروتين والدهون والرطوبة والنشا 19، 19، 14، 34 على التوالي، وانخفض خطأ التنبؤ الجذري المتوسط (RMSEP) من نمذجة PLS بكامل الطيف عند 0.2458، 0.1224، 0.3398، 1.1058 إلى 0.1477، 0.0801، 0.1762، 0.7398 على التوالي، بانخفاض 40%، 35%، 48%، 33%، كما ارتفعت معامل الارتباط تباعاً. لذلك، لا تقتصر خوارزمية GWO على سرعة التحسين العالية وقلة اختيار المتغيرات فحسب، بل يمكنها أيضاً تحسين دقة التنبؤ لنموذج PLS بشكل ملحوظ، مما يجعلها طريقة فعالة لاختيار متغيرات الطيف بالقرب من الأشعة تحت الحمراء.

الطيف القريب من الأشعة تحت الحمراء;اختيار المتغيرات;خوارزمية الذئب الرمادي (GWO);الانحدار الجزئي الأدنى (PLS)