《表2 不同变量选择方法建模结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《手机联用的苹果糖度便携式检测装置设计与试验》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

本文采用全波长方法和SPA、GA、CARS变量选择方法进行PLS模型的建立，建模结果如表2所示。从表中可看出，4种变量选择方法所建模型的相关系数均在0.93以上，表明所建立的模型均具有良好的预测效果。其中，比较模型的预测集相关系数得出，从大到小依次为GA-PLS、PLS、SPA-PLS、CARS-PLS，效果最好的GA-PLS模型的相关系数可达0.944 7；比较3种变量选择方法所选出的特征波段数量得出，从小到大依次为SPA-PLS、CARS-PLS、GA-PLS，效果最优的GA-PLS模型的变量数为156个，占全部波长的20.97%。其次，SPA-PLS模型选取的变量数为41个，与GA-PLS模型相比，变量数减少约73.72%，因此，若从变量数目角度上考虑，则SPA-PLS模型更占有一些优势。综上所述，基于3种变量选择方法所筛选的特征波段建立的PLS模型结果相当或优于使用全波长进行建模的结果，而变量数却有了很大幅度的减少，表明了变量筛选的重要性。其次，总结3组变量选择方法所得到特征变量的高度重合项，共得到8个波长，依次为680、705、730、760、810、860、900、940 nm，结果表明这8个波长与检测苹果糖度的响应波段最为相关。