《表2 各建模方法所建模型的性能比较》

  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

《基于近红外的红茶发酵中TFs/TRs评价模型研究》

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

对线性模型（PLS，Si-PLS，Si-CARS-PLS）和非线性模型（Si-CARS-ELM，Si-CARS-ELM-ADABOOST）性能进行对比（如表2所示）。结果表明，非线性模型预测集的Rp和RMSEP均优于线性模型，其中Si-CARS-ELM-ADABOOST模型的预测性能最佳，其Rp为0.934，RMSEP为0.004 4，并且随着隐含层节点数与迭代次数的增加还有提升空间。ADABOOST算法有效提升了ELM模型的预测精度，能更好地逼近非线性连续函数，因此用ELM-Adaboost集成算法对红茶发酵中TFs/TRs指标进行预测具有较大的优势。同时，Si和CARS均为有效的变量筛选手段，通过Si-CARS联合筛选出11个特征变量（1 140 nm、1 149 nm、1 150 nm、1 153 nm、1 154 nm、1 503 nm、1 547 nm、1 625 nm、1 631 nm、1 649 nm和1 657 nm），变量压缩率达到98.6%，有效剔除了无关信息或不相关变量，提高了模型的预测能力与泛化能力。