10.3969/j.issn.1001-4160.2012.07.010
MIV方法在苹果糖度近红外分析中的应用
针对苹果糖度近红外光谱数据的特点,分析了基于BP神经网络和偏最小二乘PLS的苹果糖度定量预测模型建立方法,将平均影响值方法(mean impact value)引入到近红外波长选取的过程中来,并与联合区间偏最小二乘法结合,达到波长优选的目的.首先,利用联合区间偏最小二乘算法,筛选出与苹果的糖度相关度较大的光谱波长数据,再利用PLS-BP方法建立预测模型.在此模型基础上,使用平均影响值方法,对参与建模的每个波长数据进行评价,选取影响值最大的一系列波长点,重新建立模型.模型变量数为124,校正均方根误差(RMSEC)为0.1740,验证均方根误差(RMSEP)为0.4565.结果表明,校正均方根误差,利用平均影响值与联合区间偏最小二乘方法结合,对光谱数据进行波长的筛选,可以降低模型复杂度,同时提高模型预测精度.
苹果近红外光谱、平均影响值(MIV)、BP神经网络、联合区间偏最小二乘(siPLS)
29
O657.3(分析化学)
国家自然科学基金61134007;江苏高等学校优秀科技创新团队、江苏省"333工程"资助
2013-03-13(万方平台首次上网日期,不代表论文的发表时间)
共5页
812-816