群知能に基づくグレイウルフ最適化（GWO）アルゴリズムは、パラメータが少なく構造が単純で実装が容易という利点がありますが、スペクトル分野での応用例は少ない。本研究では、GWOアルゴリズムを近赤外スペクトルの変数選択に導入し、トウモロコシデータを例に、GWOアルゴリズムにおける群れの性能、反復回数、群れの数および計算効率を検討し、トウモロコシ試料中のタンパク質、脂肪、水分およびデンプン含有量の測定にPLS（部分最小二乗）モデルを構築した。結果は、GWOアルゴリズムの計算効率が非常に高く、パラメータ調整後にPLSモデルを構築し、タンパク質、脂肪、水分およびデンプンの保持変数数はそれぞれ19、19、14、34であり、予測二乗平均平方根誤差（RMSEP）は全波長PLSモデリングの0.2458、0.1224、0.3398、1.1058からそれぞれ0.1477、0.0801、0.1762、0.7398に低減し、それぞれ40％、35％、48％、33％減少し、相関係数も相応に向上した。したがって、GWOアルゴリズムは高速な最適化と少ない変数選択に加え、PLSモデルの予測精度を著しく向上させることができ、近赤外スペクトル変数選択の有効な方法である。

近赤外スペクトル;変数選択;グレイウルフアルゴリズム(GWO);部分最小二乗(PLS)