换一批基于2种算法的混合青贮牧草常规营养成分近红外光谱预测模型的构建与评估
Construction and Evaluation of Near-Infrared Spectroscopy Prediction Models for Conventional Nutritional Components in Mixed Silage Forage Based on Two Algorithms
摘要本试验旨在构建与评估基于 2 种算法的重庆地区混合青贮牧草常规营养成分的近红外光谱(NIRS)预测模型.利用NIRS技术,以重庆地区栽培利用的杂交狼尾草与田菁按比例混合青贮后取 120 份样品为试验材料,选取其中 100 份样品作为校正集、20 份样品作为预测集,基于支持向量机(SVM)算法与偏最小二乘(PLS)算法分别建立混合青贮牧草水分(M)、粗蛋白质(CP)、粗纤维(CF)、中性洗涤纤维(NDF)、酸性洗涤纤维(ADF)、酸性洗涤木质素(ADL)、粗灰分(Ash)含量的预测模型,并以相对预测误差(RPD)为评价标准对 2 种模型的预测效果进行比较.结果表明:基于SVM算法构建的常规营养成分的NIRS预测模型的整体性能优于基于PLS算法构建的预测模型.SVM模型对混合青贮牧草中 7 种常规营养成分含量的预测精度均达到可接受及以上水平,尤其对非线性关系较强的指标(如ADL、Ash含量)表现出更优的拟合效果.综上可知,在基于RPD评价标准下,SVM模型对混合青贮牧草品质的综合预测能力优于PLS模型.
更多相关知识
关键词
近红外光谱营养成分混合青贮牧草支持向量机偏最小二乘near-infrared spectroscopynutritional componentsmixed silage foragesupport vector machinepartial least square
分类号
S816
栏目名称
DOI
10.12418/CJAN2026.109
发布时间
2026-03-26（万方平台首次上网日期，不代表论文的发表时间）
基金项目
重庆市财政专项资金项目（24526C）
- 浏览3
- 被引0
- 下载3
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
