分析测试技术与仪器
分析測試技術與儀器
분석측시기술여의기
ANALYSIS AND TESTING TECHNOLOGY AND INSTRUMENTS
2008年
4期
214-217
,共4页
近红外光谱%偏最小二乘法%玉米%淀粉含量%遗传算法%特征选择
近紅外光譜%偏最小二乘法%玉米%澱粉含量%遺傳算法%特徵選擇
근홍외광보%편최소이승법%옥미%정분함량%유전산법%특정선택
以普通玉米籽粒为试验材料,在应用遗传算法结合偏最小二乘回归法对近红外光谱数据进行特征波长选择的基础上,应用偏最小二乘回归法建立了特征波长测定玉米籽粒中淀粉含量的校正模型.试验结果表明,基于11个特征波长所建立的校正模型,其校正误差(RMSEC)、交叉检验误差(RMSECV)和预测误差(RMSEP)分别为0.30%、0.35%和0.27%,校正数据集和独立的检验数据集的预测值与实际测定值之间的相关系数分别达到0.9279和0.9390,与全光谱数据所建立的预测模型相比,在预测精度上均有所改善,表明应用遗传算法和PLS进行光谱特征选择,能获得更简单和更好的模型,为玉米籽粒中淀粉含量的近红外测定和红外光谱数据的处理提供了新的方法与途径.
以普通玉米籽粒為試驗材料,在應用遺傳算法結閤偏最小二乘迴歸法對近紅外光譜數據進行特徵波長選擇的基礎上,應用偏最小二乘迴歸法建立瞭特徵波長測定玉米籽粒中澱粉含量的校正模型.試驗結果錶明,基于11箇特徵波長所建立的校正模型,其校正誤差(RMSEC)、交扠檢驗誤差(RMSECV)和預測誤差(RMSEP)分彆為0.30%、0.35%和0.27%,校正數據集和獨立的檢驗數據集的預測值與實際測定值之間的相關繫數分彆達到0.9279和0.9390,與全光譜數據所建立的預測模型相比,在預測精度上均有所改善,錶明應用遺傳算法和PLS進行光譜特徵選擇,能穫得更簡單和更好的模型,為玉米籽粒中澱粉含量的近紅外測定和紅外光譜數據的處理提供瞭新的方法與途徑.
이보통옥미자립위시험재료,재응용유전산법결합편최소이승회귀법대근홍외광보수거진행특정파장선택적기출상,응용편최소이승회귀법건립료특정파장측정옥미자립중정분함량적교정모형.시험결과표명,기우11개특정파장소건립적교정모형,기교정오차(RMSEC)、교차검험오차(RMSECV)화예측오차(RMSEP)분별위0.30%、0.35%화0.27%,교정수거집화독립적검험수거집적예측치여실제측정치지간적상관계수분별체도0.9279화0.9390,여전광보수거소건립적예측모형상비,재예측정도상균유소개선,표명응용유전산법화PLS진행광보특정선택,능획득경간단화경호적모형,위옥미자립중정분함량적근홍외측정화홍외광보수거적처리제공료신적방법여도경.
