領(lǐng)學(xué)術(shù)科研之先，創(chuàng)食品科技之新
—— 中國食品雜志社
為優(yōu)選小麥粉蛋白質(zhì)近紅外建模校正集，在傳統(tǒng)K/S（Kennard/Stone）方法劃分的初始校正集基礎(chǔ)上采用二進(jìn)制蜻蜓算法（binary dragonfly algorithm，BDA）挑選代表性樣品，建立小麥粉蛋白質(zhì)含量偏最小二乘回歸（partial least square regression，PLSR）模型，并用預(yù)測集檢驗評估模型的穩(wěn)定性及預(yù)測性能。結(jié)果表明：BDA挑選出的最佳校正集樣品數(shù)量為30 個，所建模型的預(yù)測決定系數(shù)（Rp2）為0.956 4，預(yù)測標(biāo)準(zhǔn)偏差（root mean square errors of prediction，RMSEP）為0.278 1，與傳統(tǒng)K/S劃分的100 個初始校正集的建模效果（Rp2：0.938 8，RMSEP：0.329 4）相比，Rp2提高了1.87%，RMSEP降低了15.57%。10 次BDA實驗優(yōu)選出校正集的平均數(shù)量為30.2 個，且所建10 個模型蛋白質(zhì)含量預(yù)測效果均優(yōu)于初始校正集建模。綜上，BDA算法可以優(yōu)選出數(shù)量少、具有代表性的校正集樣品，建立的小麥粉蛋白質(zhì)PLSR模型穩(wěn)定性好、預(yù)測精度高，可為小麥粉品質(zhì)近紅外檢測分析提供一種高效的校正集優(yōu)選方法。
2023年第44卷 2022年第43卷 2021年第42卷 2020年第41卷 2019年第40卷 2018年第39卷 2017年第38卷 2016年第37卷 2015年第36卷 2014年第35卷 2013年第34卷 2012年第33卷 2011年第32卷 2010年第31卷 2009年第30卷 2008年第29卷 2007年第28卷 2006年第27卷 2005年第26卷 2004年第25卷 2003年第24卷 2002年第23卷 2001年第22卷 2000年第21卷 1999年第20卷 1998年第19卷 1997年第18卷 1996年第17卷 1995年第16卷 1994年第15卷 1993年第14卷 1992年第13卷 1991年第12卷 1990年第11卷 1989年第10卷 1988年第09卷 1987年第08卷 1986年第07卷 1985年第06卷 1984年第05卷 1983年第04卷 1982年第03卷 1981年第02卷 1980年第01卷
電話: 010-87293157
地址: 北京市豐臺區(qū)洋橋70號
版權(quán)所有 @ 2023 中國食品雜志社 京公網(wǎng)安備11010602060050號 京ICP備14033398號-2
