基于粒子群算法的波长选择方法——用于苹果酸度的近红外光谱分析

2014/07/30   下载量： 21 次

方案摘要

方案下载
应用领域 食品/农产品
检测样本 其他水果制品
检测项目 理化分析>酸值
参考标准 韩东海等近红外光谱分析基础与应用北京

PSOPLS方法与W-PLS 相比, 获得的苹果酸度的预测值与化学值之间具有更好的相关性。从表2 中可见, PSO-PLS 方法与W-PLS 相比, 波长变量数由500个减少到53个, 可以较大地减少计算量; 校正均方根误差( RMSEC )明显变小以及校正相关系数( R c)变大, 说明模型优化明显; 预测均方根误差( RMSEP)降低明显以及预测相关系数( Rp)变大, 表明预测准确度有较大的提高。结果显示, PSO-PLS 法所建立的苹果酸度近红外光谱模型比全光谱模型更简洁、更稳健, 该模型具有较强的预测能力。

方案下载
配置单
上一篇 植物油中9种抗氧化剂的测定GB5009.32-2016
下一篇 班菲尔脐橙可溶性固形物近红外光谱特征谱区选择

文献贡献者

聚光科技（杭州）股份有限公司
白金会员 丨 第19年
查看全部资料
相关仪器 更多
相关方案
更多

相关产品

当前位置： 聚光科技 方案 基于粒子群算法的波长选择方法——用于苹果酸度的近红外光谱分析

关注

拨打电话

留言咨询