换一批蜻蜓算法优选小麦粉蛋白质近红外建模校正集
Calibration Set Optimization by Dragonfly Algorithm for Near-Infrared Modeling of Wheat Flour Protein Content
摘要为优选小麦粉蛋白质近红外建模校正集,在传统K/S(Kennard/Stone)方法划分的初始校正集基础上采用二进制蜻蜓算法(binary dragonfly algorithm,BDA)挑选代表性样品,建立小麦粉蛋白质含量偏最小二乘回归(partial least square regression,PLSR)模型,并用预测集检验评估模型的稳定性及预测性能.结果表明:BDA挑选出的最佳校正集样品数量为30个,所建模型的预测决定系数(R2p)为0.956 4,预测标准偏差(root mean square errors of prediction,RMSEP)为0.278 1,与传统K/S划分的100个初始校正集的建模效果(R2p:0.938 8,RMSEP:0.329 4)相比,R2p提高了 1.87％,RMSEP降低了 15.57％.10次BDA实验优选出校正集的平均数量为30.2个,且所建10个模型蛋白质含量预测效果均优于初始校正集建模.综上,BDA算法可以优选出数量少、具有代表性的校正集样品,建立的小麦粉蛋白质PLSR模型稳定性好、预测精度高,可为小麦粉品质近红外检测分析提供一种高效的校正集优选方法.
更多相关知识
关键词
蜻蜓算法近红外光谱校正集优选小麦粉蛋白质含量dragonfly algorithmnear-infrared spectroscopyoptimization of calibration setprotein content of wheat flour
分类号
TS207.3
栏目名称
DOI
10.7506/spkx1002-6630-20230317-170
发布时间
2024-05-16（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家重点研发计划（2019YFD1002300）
- 浏览8
- 被引4
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
