基于化学计量学方法的黄水还原糖预测模型研究
目的 利用预处理对近红外光谱原始数据集进行降噪及非相关信息剔除后,采用间隔偏最小二乘法(interval partial least squares,iPLS)与连续投影算法(successive projections algorithm,SPA)联用的特征波段筛选算法降低模型复杂度,建立高精度低冗余度的黄水还原糖预测模型.方法 在最佳的3种预处理方法的基础上,利用竞争性自适应重加权算法、间隔偏最小二乘回归法、连续投影算法对250个样品的光谱数据进行特征波段筛选,采用光谱-理化值共生距离算法进行样品集的划分,划分比例为3:1.结果 黄水还原糖预测模型经iPLS-SPA算法处理后,得到了更高的精度与稳定性,且预测可决系数较原始数据集提升7.28％,为0.962;预测均方根误差下降85.40％,为0.220;光谱变量数下降95.46％,为100.结论 在预处理后加入iPLS-SPA特征波段筛选算法,能够提升黄水还原糖预测模型精度,极大减低冗余度.
黄水、还原糖、傅里叶近红外光谱法、间隔偏最小二乘法、连续投影算法
13
O657.33;TS262.4;TP391.41
四川省科技计划项目;四川省科技成果转移转化示范项目;四川省重大科技专项项目;国家自然科学基金
2022-10-11（万方平台首次上网日期，不代表论文的发表时间）
共6页
6026-6031
