《表2 PLS和BP-ANN分析豆干水分的结果》

  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

《低场核磁共振结合多元校正对休闲豆干水分含量的快速测定》

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

使用偏最小二乘方法（PLS）对校正集豆干样品进行训练。采用留一交互验证法来确定最佳主成分数并建模。RMSECV与所选主成分的关系如图2所示。由图2可知，主成分数为10时，RMSECV最小，故选择10作为模型最佳主成分数。训练完成后，建立PLS校正模型。运用所建模型对70个预测集样本进行预测，预测值与化学值（参考值）的相关曲线如图3所示。由图3可见，PLS方法获得的水分预测值与化学值之间具有较好的相关性。使用误差反向传播人工神经网络方法（BP-ANN）也对校正集豆干样品进行训练。经过训练优化后，固定权值和偏置值参数，获得BP-ANN校正模型。运用所建模型对预测集豆干样品进行预测，结果发现（图4），预测值与化学值之间也具有较好的相关性。从2种方法模型的分析结果（表2）可看出，对于校正集均方根误差（RMSEC）与校正集相关系数（Rc），相比BP-ANN方法，PLS方法预测结果要稍微好些；对于预测集均方根误差（RMSEP）与预测集相关系数（Rp），相比PLS方法，BP-ANN方法预测结果好一点。由此可见，2种多元校正方法均能较好地快速测定休闲豆干中的水分。