《表2 掺假样品特征波长建立的偏最小二乘模型预测结果》

  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

《高光谱成像技术结合线性回归算法快速预测鸡肉掺假牛肉》

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

最优波长选取后，因其波长变量的数量少于建模样品的数量，采用MLR建模方式重新建模，以取得最优的预测效果[31]，通过三种不同的波长选择方法选出的特征波长，构建三种多元线性回归方程，结果如表3。由表3可以看出，通过SPA特征波长提取方法结合MLR建模方法，所建立的模型性能最优，与其他模型相比，SPA-MLR模型校正集和交叉验证集RMSE最小，说明在新建立的MLR模型中SPA-MLR模型的预测精度最高，且RMSEP（5.31%）>RMSECV（4.42%）>RMSEC（3.23%），说明建立模型所选的校正集与预测集具有代表性，模型的拟合度较高，与表2中PLSR模型的最优结果比较可以看出，运用SPA筛选的最优波长建立的MLR模型（SPA-MLR），RP2和RMSEP分别为0.97和5.31%，预测效果好于PLS-β-PLSR模型（RP2=0.96，RMSEP=6.07%）。此外，SPA-MLR模型的RPD值大于PLS-β-PLSR模型（6.82>5.65），进一步说明SPA-MLR的模型预测性能较好。具体预测效果如图6所示。