样本集选择对稻谷千粒重NIR模型预测精度的影响

摘要：

为研究样本集选择方法对稻谷千粒重NIR模型的影响,分别采用不同数量样品,不同定标集、验证集比例以及不同定标集选择方法,选出建模的定标集,在600～1100nm的波长区间,用偏最小二乘法建立稻谷千粒重的近红外光谱预测模型,根据内部交叉验证决定系数(Rv2)、外部验证决定系数(Rp2)、内部交叉验证误差(SECV)和预测误差(SEP)比较模型的预测能力.结果显示,样品数量、定标集和验证集比例以及定标集选择方法均对稻谷千粒重的NIR模型有明显影响.采用合适数量的样品可以得到较佳的NIR模型,以7∶3的比例分割定标集与验证集,得到的稻谷千粒重NIR模型具有相对高的预测能力,而与含量梯度法和随机抽取法相比,采用K-S算法进行定标集选择,可以得到预测精度更高的NIR模型.

关键词：近红外光谱、样本集、定标集、NIR模型、稻谷

所属期刊栏目：23

分类号：S3(农学（农艺学）)

资助基金：江苏省农机局基金项目资助gxz09007

在线出版日期：2011-07-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：22-24