《表2 我国造纸纤维原料划分RAGA-PPC模型计算结果》

  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

《投影寻踪分类模型在常见造纸纤维原料综合评价中的应用》

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

该模型拟合曲线（见图1）的复相关系数达0.9781。利用模型y*（i）计算15种造纸纤维原料编号对应的投影值，预测结果列于表2的第3列，实际编号与计算值的平均绝对误差为0.491，平均相对误差为8.3%，说明在遗传算法下建立的RAGA-PPC模型拟合精度较高。对照表1和图1也可以看出，同一类别的造纸纤维原料的投影值相差小，且散点分布位置相距较近而呈聚集状态。其中，1#云杉、2#鱼鳞松、3#毛紫冷杉、4#真杉、5#马尾松、6#落叶松和7#红松的投影值比较相近，散点分布在图1的右下方，它们同属于针叶材。8#桦木和9#杨木的投影值相差较小，同属于阔叶材，但散点分布位置与针叶材相距较远，说明针叶材与阔叶材的成分差异较大。10#慈竹、11#白夹竹和12#毛竹的投影值很接近，同属于竹类，它们位于图1中阔叶材的左上方。13#芦苇、14#麦草和15#稻草之间的投影值相差不大，同属于草类，它们位于图1中竹类的左上方。