《表3 不同建模类型的定标结果Table 3 Calibration results of different models》

  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

《寒富苹果可溶性固形物可见/近红外光谱无损检测模型的优化》

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

注:同一列中不同小写字母表示差异显著（P<0.05）。以下各表同。Note:In the same column，different lowercase letters indicate significant difference（P<0.05）.The same below.

为了比较不同数学建模算法对寒富苹果可溶性固形物定标模型建立的影响，表3显示了PCR、PLS和MPLS的模型定标结果，SECV越小，说明预测值越接近真实值；R2cv越接近于1，其相关性越好。通过比较，MPLS的定标结果交互验证决定系数（R2cv）为0.921，显著高于PCR（0.637）和PLS（0.892）（P<0.05） ，PLS与PCR间也达显著性差异（P<0.05）；而MPLS、PLS和PCR的交互验证误差（SECV）分别为0.424、0.497、0.910，其中MPLS与其他两个建模方法均达显著性差异（P<0.05），可能是MPLS建模类型减少了变量之间的多重关系[17]，使定标模型得到优化。可见MPLS的R2cv最高，SECV最低，因此最优建模方法为MPLS，其次是PLS、PCR。采用MPLS建模类型，误差降低了14.688%~53.407%。