《表4 几种方法所建模型性能比较》
为进一步确定优化LS-SVM模型的效果,还分别用CARS-PLS和未优化的SVM(Support Vector Machine,支持向量机)、LS-SVM方法对相同的样本集建模并验证,与优化LS-SVM模型及表1的PLS模型进行性能比较,结果如表4所示。CARS-PLS模型选取的特征波长数最少,各项性能指标明显优于PLS模型,其RPD值达到了ICC(International association for cereal science and technology,国际谷物科技协会)标准等级“好”;未经优化的SVM模型则表现不理想,这也正好印证了参数优化对于建立非线性模型的重要性。相比之下,LS-SVM模型的性能优于前三种模型,充分体现其用于小麦蛋白质近红外光谱分析的方法优势;但未经优化的LS-SVM模型稳健性尚有欠缺,故其预测表现较建模指标有明显下降。采用此次试验建立的方法获得最优建模参数和特征波长之后,LS-SVM模型的稳健性和预测精度显著提高,尤以方案B对应的模型性能最佳,其Rc2和Rp2分别达到0.995 8和0.984 2,RMSEC和RMSEP分别为0.145 3和0.192 4,两对指标值都相差很小,且RPD值为8.02,已达到ICC标准等级“非常好”。
图表编号 | XD00123373400 严禁用于非法目的 |
---|---|
绘制时间 | 2019.12.20 |
作者 | 陈素彬、胡振 |
绘制单位 | 南充职业技术学院、南充职业技术学院 |
更多格式 | 高清、无水印(增值服务) |