《表1 高糖溶液浓度为30 mM环境下的预测结果》
注:RMSEP为预测均方根误差(root-mean-squared error of pre-diction);RM SECV为交叉验证均方根误差(root-mean-square error of cross validation);Rp2为预测相关系数平方(squared correlation coef-ficient of prediction);Rc2为标准相关系数平方 (squared correlation
从图中可以明显看出,当高糖浓度高于30 mM时,测量信号变化明显,因此,后续实验中选用高糖溶液浓度分别为30 mM,40 mM和50 mM的环境进行预测建模与分析。经过数据预处理后测得有效的实验数据分别为1 264组、1 208组和1 221组,通过训练集生成基于模糊语言规则(FLR)的预测模型规则库,并使用验证集预测不同浓度下高糖溶液对心脏的作用时间,进而检验预测结果。同时,对于相同的验证集,使用三种经典的预测模型进行预测,并与文中使用的方法进行比较,三种经典的预测模型分别为偏最小二乘法(PLS)、最小二乘支持向量机(LSSVM)和反向传播神经网络(BPNN)[14-16]。表1~3分别给出了三种高糖浓度下的实验结果。
图表编号 | XD0058766100 严禁用于非法目的 |
---|---|
绘制时间 | 2019.02.10 |
作者 | 冯宇 |
绘制单位 | 长安大学电子与控制工程学院 |
更多格式 | 高清、无水印(增值服务) |