红外与毫米波学报
紅外與毫米波學報
홍외여호미파학보
JOURNAL OF INFRARED AND MILLIMETER WAVES
2008年
1期
51-55
,共5页
王莉%何勇%刘飞%应霞芳
王莉%何勇%劉飛%應霞芳
왕리%하용%류비%응하방
啤酒%可见/近红外光谱%最小二乘支持向量机%糖度%pH
啤酒%可見/近紅外光譜%最小二乘支持嚮量機%糖度%pH
비주%가견/근홍외광보%최소이승지지향량궤%당도%pH
为实现啤酒糖度和pH值的快速检测,采用可见/近红外光谱仪器得到360个啤酒样本的可见/近红外光谱数据.使用主成分分析(PCA)对数据进行降维处理以消除众多信患共存中相互重叠的部分,得到6个主成分值.将样本数据随机分为定标集和预测集,利用最小二乘支持向量机(LS-SVM)算法在定标集数据基础上建立啤酒糖度和pH值预测模型,并利用此模型对预测集样本进行预测.根据预测相关系数(r)和预测标准偏差(RMSEP)判断预测模型好坏,结果表明该模型对啤酒糖度预测的相关系数r为0.9829,RMSEP为0.1506;对啤酒pH值的预测相关系数r为0.9563,RMSEP为0.0494,预测精度明显高于神经网络和PLS预测,所以利用该模型能够准确的预测啤酒的糖度及pH值.
為實現啤酒糖度和pH值的快速檢測,採用可見/近紅外光譜儀器得到360箇啤酒樣本的可見/近紅外光譜數據.使用主成分分析(PCA)對數據進行降維處理以消除衆多信患共存中相互重疊的部分,得到6箇主成分值.將樣本數據隨機分為定標集和預測集,利用最小二乘支持嚮量機(LS-SVM)算法在定標集數據基礎上建立啤酒糖度和pH值預測模型,併利用此模型對預測集樣本進行預測.根據預測相關繫數(r)和預測標準偏差(RMSEP)判斷預測模型好壞,結果錶明該模型對啤酒糖度預測的相關繫數r為0.9829,RMSEP為0.1506;對啤酒pH值的預測相關繫數r為0.9563,RMSEP為0.0494,預測精度明顯高于神經網絡和PLS預測,所以利用該模型能夠準確的預測啤酒的糖度及pH值.
위실현비주당도화pH치적쾌속검측,채용가견/근홍외광보의기득도360개비주양본적가견/근홍외광보수거.사용주성분분석(PCA)대수거진행강유처리이소제음다신환공존중상호중첩적부분,득도6개주성분치.장양본수거수궤분위정표집화예측집,이용최소이승지지향량궤(LS-SVM)산법재정표집수거기출상건립비주당도화pH치예측모형,병이용차모형대예측집양본진행예측.근거예측상관계수(r)화예측표준편차(RMSEP)판단예측모형호배,결과표명해모형대비주당도예측적상관계수r위0.9829,RMSEP위0.1506;대비주pH치적예측상관계수r위0.9563,RMSEP위0.0494,예측정도명현고우신경망락화PLS예측,소이이용해모형능구준학적예측비주적당도급pH치.
