湖北农业科学
湖北農業科學
호북농업과학
2013年
22期
5599-5602
,共4页
农产品%多模型共识%近红外光谱%定量分析
農產品%多模型共識%近紅外光譜%定量分析
농산품%다모형공식%근홍외광보%정량분석
agricultural products%consensus modeling%near infrared spectroscopy%quantitative analysis
基于多模型共识的基本思路结合近红外光谱,建立了多模型共识偏最小二乘回归方法(cPLS),从训练集随机取样建立一系列偏最小二乘回归模型(PLS),选取其中性能较好的部分模型作为成员模型,并用这些成员模型预测未知样品.将cPLS用于玉米中湿度、淀粉、蛋白质及油分含量的近红外光谱定量预测.结果PLS对独立测试集中4种组分进行50次重复预测的平均预测误差均方根分别为0.020 7、0.268 6、0.1220和0.070 6,预测误差均方根的标准偏差分别为4.753 0×10-3、0.054 8、0.023 0和0.014 9;而cPLS重复50次预测的平均预测误差均方根分别为0.016 0、0.167 8、0.1166和0.044 1,预测误差均方根的标准偏差分别为2.735 0×10-4、0.002 5、0.003 0和7.683 0×10-4.可见,cPLS所建立的模型更加稳健可靠,预测的准确性也明显提高.
基于多模型共識的基本思路結閤近紅外光譜,建立瞭多模型共識偏最小二乘迴歸方法(cPLS),從訓練集隨機取樣建立一繫列偏最小二乘迴歸模型(PLS),選取其中性能較好的部分模型作為成員模型,併用這些成員模型預測未知樣品.將cPLS用于玉米中濕度、澱粉、蛋白質及油分含量的近紅外光譜定量預測.結果PLS對獨立測試集中4種組分進行50次重複預測的平均預測誤差均方根分彆為0.020 7、0.268 6、0.1220和0.070 6,預測誤差均方根的標準偏差分彆為4.753 0×10-3、0.054 8、0.023 0和0.014 9;而cPLS重複50次預測的平均預測誤差均方根分彆為0.016 0、0.167 8、0.1166和0.044 1,預測誤差均方根的標準偏差分彆為2.735 0×10-4、0.002 5、0.003 0和7.683 0×10-4.可見,cPLS所建立的模型更加穩健可靠,預測的準確性也明顯提高.
기우다모형공식적기본사로결합근홍외광보,건립료다모형공식편최소이승회귀방법(cPLS),종훈련집수궤취양건립일계렬편최소이승회귀모형(PLS),선취기중성능교호적부분모형작위성원모형,병용저사성원모형예측미지양품.장cPLS용우옥미중습도、정분、단백질급유분함량적근홍외광보정량예측.결과PLS대독립측시집중4충조분진행50차중복예측적평균예측오차균방근분별위0.020 7、0.268 6、0.1220화0.070 6,예측오차균방근적표준편차분별위4.753 0×10-3、0.054 8、0.023 0화0.014 9;이cPLS중복50차예측적평균예측오차균방근분별위0.016 0、0.167 8、0.1166화0.044 1,예측오차균방근적표준편차분별위2.735 0×10-4、0.002 5、0.003 0화7.683 0×10-4.가견,cPLS소건립적모형경가은건가고,예측적준학성야명현제고.
