• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    蜻蜓算法優(yōu)選小麥粉蛋白質(zhì)近紅外建模校正集

    2024-05-20 07:17:00胡云超劉智健黃浩冉王紅鴻吳彩娥熊智新
    食品科學(xué) 2024年9期
    關(guān)鍵詞:小麥粉蜻蜓校正

    胡云超,劉智健,汪 瑩,黃浩冉,王紅鴻,吳彩娥,熊智新

    (南京林業(yè)大學(xué)輕工與食品學(xué)院,江蘇 南京 210037)

    小麥?zhǔn)鞘澜缟戏N植面積最廣、總產(chǎn)量和營(yíng)養(yǎng)價(jià)值最高的糧食作物,提供了人類20%的能量[1]。小麥行業(yè)的發(fā)展對(duì)國(guó)家的糧食安全和社會(huì)穩(wěn)定具有重要意義,2022年,國(guó)內(nèi)糧食市場(chǎng)“麥強(qiáng)面弱”格局明顯,產(chǎn)品品質(zhì)、品牌成為企業(yè)贏得小麥粉市場(chǎng)的關(guān)鍵[2]。小麥粉中有三大營(yíng)養(yǎng)素,分別是蛋白質(zhì)、淀粉和脂類,其中蛋白質(zhì)(含量約為7%~15%)決定著小麥粉的加工品質(zhì)和營(yíng)養(yǎng)品質(zhì)[3]。小麥粉可根據(jù)其蛋白質(zhì)含量分為高筋粉(大于10.5%)、中筋粉(8.0%~10.5%)和低筋粉(小于8.0%)[4]。小麥粉中蛋白質(zhì)含量的不同使得小麥粉具有不同的用途,例如高筋粉一般用于制作面包,而點(diǎn)心和菜肴一般使用低筋粉進(jìn)行制作加工,所以在生產(chǎn)過(guò)程中對(duì)小麥粉蛋白質(zhì)含量的快速精確檢測(cè)就顯得尤為重要。

    近紅外光譜分析技術(shù)是21世紀(jì)發(fā)展起來(lái)的一種快速、無(wú)損、綠色、可用于在線監(jiān)測(cè)的分析技術(shù),廣泛應(yīng)用于食品[5]、農(nóng)業(yè)[6]、醫(yī)藥[7]、林業(yè)[8]等各個(gè)領(lǐng)域,隨著科學(xué)技術(shù)的發(fā)展,結(jié)合化學(xué)計(jì)量學(xué)的近紅外光譜分析技術(shù)在小麥粉蛋白質(zhì)定量分析中的應(yīng)用逐漸廣泛[9-11]。近紅外光譜所分析的對(duì)象大多是復(fù)雜的、未預(yù)處理的樣品體系,通常會(huì)收集大量的實(shí)驗(yàn)樣本,但這些樣本可能80%以上是重復(fù)樣本或無(wú)效樣本,因此有必要從中挑選出具有一定代表性的校正樣本代替原始數(shù)據(jù)集進(jìn)行建模,提高建模的效率和模型精度,減少數(shù)據(jù)庫(kù)的存儲(chǔ)空間。常用的樣本劃分方法有隨機(jī)采樣法、K/S(Kennard/Stone)法、SPXY(sample set partitioning based on joint X-Y distances)法等。隨機(jī)采樣法是從樣品集中隨機(jī)選擇一定數(shù)量的樣品組成校正集[12]。K/S法是以光譜變量間的歐氏距離為基礎(chǔ),挑選分布范圍廣且代表性強(qiáng)的樣品作為校正集[13-14]。SPXY法是在K/S法的基礎(chǔ)上引入樣品化學(xué)值信息,用光譜間距離以及化學(xué)值濃度之間的距離選擇代表性樣品[15-16]。由于K/S法和SPXY法以樣本間的距離為標(biāo)準(zhǔn)對(duì)樣品集進(jìn)行劃分,可能會(huì)將異?;蛘卟缓线m的樣本挑選入校正集,進(jìn)而影響所建模型性能。群智能優(yōu)化算法是化學(xué)計(jì)量學(xué)方法的重要組成部分,其主要思路是基于對(duì)自然生物群體(例如狼群、蟻群、蜻蜓等)生存現(xiàn)象的觀察,將其生存現(xiàn)象量化并應(yīng)用在數(shù)學(xué)模型優(yōu)化中,特點(diǎn)為群個(gè)體之間相對(duì)獨(dú)立,通過(guò)更新策略在搜索空間中尋找最優(yōu)解。群智能優(yōu)化算法在光譜分析領(lǐng)域中已有許多成功的研究及應(yīng)用案例,主要應(yīng)用在特征波長(zhǎng)優(yōu)選及建模方法參數(shù)優(yōu)化等方面。Guo Zhiming等[17]利用近紅外光譜分析技術(shù)結(jié)合模擬退火、蟻群優(yōu)化、遺傳算法等群智能優(yōu)化算法,選擇信息豐富的光譜變量,建立了準(zhǔn)確、穩(wěn)健的綠茶活性成分和抗氧化能力定量分析模型。王仲雨等[18]提出改進(jìn)鯨魚優(yōu)化算法并用于近紅外建模過(guò)程中的波長(zhǎng)選擇,該算法能有效篩選出波長(zhǎng)變量并建立玉米脂肪、蛋白質(zhì)、淀粉和水的預(yù)測(cè)模型。蜻蜓算法(dragonfly algorithm,DA)作為群智能優(yōu)化算法的一種,將群體行為的所有可能因素都考慮在內(nèi),使其能夠?qū)⒛繕?biāo)函數(shù)快速地收斂在最優(yōu)解附近,具有良好的全局尋優(yōu)能力[19-20]。陳勇等[21]采用衰減消退蜻蜓算法優(yōu)選小麥粉蛋白質(zhì)近紅外特征波長(zhǎng),篩選出的波長(zhǎng)數(shù)量少,所建模型穩(wěn)定性高。Chen Yuanyuan等[22]提出了一種新的基于二進(jìn)制蜻蜓算法(binary dragonfly algorithm,BDA)的波長(zhǎng)選擇方法,針對(duì)汽油近紅外光譜數(shù)據(jù)集選擇有效波長(zhǎng),結(jié)果表明基于多BDA和集成學(xué)習(xí)BDA算法可以提高波長(zhǎng)選擇的穩(wěn)定性。蜻蜓算法在近紅外特征波長(zhǎng)優(yōu)選、建模方法參數(shù)優(yōu)化等方面有著良好的應(yīng)用性能,但在模型建立過(guò)程中優(yōu)選校正集的應(yīng)用鮮見(jiàn)報(bào)道。本研究采用BDA算法挑選具有代表性的校正集樣品,以迭代過(guò)程中BDA選出的校正集建模的交互驗(yàn)證標(biāo)準(zhǔn)偏差(root mean square error of cross validation,RMSECV)與所建模型對(duì)驗(yàn)證集預(yù)測(cè)的預(yù)測(cè)標(biāo)準(zhǔn)偏差(root mean square errors of prediction,RMSEP)之和構(gòu)建適應(yīng)度函數(shù),從而在適應(yīng)度函數(shù)構(gòu)建中引入校正集信息,實(shí)現(xiàn)對(duì)校正集樣品的優(yōu)選,提高模型預(yù)測(cè)的精度,并以NeoSpectra Micro型便攜式近紅外光譜儀所測(cè)的小麥粉近紅外光譜和蛋白質(zhì)數(shù)據(jù)為例,與傳統(tǒng)的校正集優(yōu)選算法(K/S法、SPXY法)的預(yù)測(cè)結(jié)果進(jìn)行對(duì)比和分析,探討B(tài)DA算法優(yōu)選小麥粉蛋白質(zhì)近紅外建模校正集樣品的可行性。

    1 材料與方法

    1.1 材料

    實(shí)驗(yàn)所用樣品為超市購(gòu)買不同品牌、不同批次的小麥粉,共計(jì)160 個(gè)樣品,包含低筋粉23 份、中筋粉82 份和高筋粉55 份,收集到的樣本置于保鮮袋內(nèi)常溫儲(chǔ)存?zhèn)溆?,取出小麥粉后于室溫?0~23 ℃)條件下采集光譜。

    1.2 儀器與設(shè)備

    NeoSpectra Micro型便攜式近紅外光譜儀 埃及Si-ware公司;D200杜馬斯定氮儀 濟(jì)南海能儀器股份有限公司。

    1.3 方法

    1.3.1 光譜采集

    NeoSpectra Micro型便攜式近紅外光譜儀的波長(zhǎng)范圍為1 350~2 550 nm,波數(shù)范圍為7 407~3 922 cm-1,采樣間隔為13.62 cm-1,分辨率為16 cm-1。采集小麥粉樣品的近紅外光譜時(shí),NeoSpectra Micro型便攜式近紅外光譜儀機(jī)身采用金屬試管架夾持固定,探頭向下垂直對(duì)準(zhǔn)深1 cm圓盤樣品池,樣品池頂部與探頭底部相距1 cm,面粉樣品鋪平深1 cm圓盤樣品池,按120°間隔采集得到3 條不同檢測(cè)點(diǎn)的光譜,取它們的平均作為該樣品的最終采集光譜,共得到160 個(gè)小麥粉的光譜數(shù)據(jù)。

    1.3.2 蛋白質(zhì)含量測(cè)定

    小麥粉樣品的蛋白質(zhì)含量參照GB 5009.5—2016《食品中蛋白質(zhì)的測(cè)定》[23]中的燃燒法測(cè)定。

    1.3.3 建模與模型評(píng)估

    采用偏最小二乘回歸(partial least square regression,PLSR)法建立小麥粉蛋白質(zhì)定量校正模型[24],采用留一法交互驗(yàn)證,限定最大主成分?jǐn)?shù)為12,選取最佳主成分?jǐn)?shù),即交叉驗(yàn)證的預(yù)測(cè)殘差平方和(prediction residual error sum of square,PRESS)最小時(shí)對(duì)應(yīng)的主成分?jǐn)?shù)。

    模型建立過(guò)程中采用RMSECV對(duì)模型的性能進(jìn)行評(píng)價(jià),建立最優(yōu)的校正模型。模型建立完成后,通常采用RMSEP、決定系數(shù)(R2)[25]等指標(biāo)對(duì)模型的預(yù)測(cè)性能進(jìn)行綜合評(píng)價(jià),R2越接近1,表示模型的預(yù)測(cè)效果越好;如果R2為負(fù)值,表明模型擬合效果極差。RMSECV和RMSEP值越小,所建模型的穩(wěn)定性與預(yù)測(cè)精確度越高。

    1.3.4 蜻蜓算法優(yōu)選校正集

    蜻蜓算法是Mirjalili[26]在2016年通過(guò)對(duì)自然界蜻蜓行為進(jìn)行觀察、總結(jié)和抽象后,提出的一種新的智能群體優(yōu)化算法,并通過(guò)對(duì)幾類典型函數(shù)優(yōu)化驗(yàn)證了連續(xù)DA算法、BDA算法的有效性。生物學(xué)家觀察到,蜻蜓主要通過(guò)5 種主要策略來(lái)改變其位置:分離(Separation)、對(duì)齊(Alignment)、聚集(Cohesion)、覓食(Attraction to food)、避敵(Distraction from enemy),這5 種策略的數(shù)學(xué)模型表達(dá)式分別如式(1)~(5)所示:

    式中:i表示第i個(gè)蜻蜓;X表示當(dāng)前蜻蜓的位置,Xj表示第j個(gè)鄰近蜻蜓的位置;N表示鄰近蜻蜓的數(shù)量;Vj表示第j個(gè)鄰近蜻蜓的速率;X+表示食物的位置;X-表示危險(xiǎn)或敵人的位置。

    通過(guò)上述5 種策略位置,在搜索范圍空間更新蜻蜓的位置并模擬它們運(yùn)動(dòng),考慮了步長(zhǎng)向量(ΔX)和位置向量(X),并在粒子群算法的框架基礎(chǔ)上開發(fā)了一種基于步長(zhǎng)向量(ΔX)和位置向量(X)的人工蜻蜓搜索算法。步長(zhǎng)向量表明了蜻蜓的運(yùn)動(dòng)方向,如式(6)所示:

    式中:s為分離權(quán)重;a為對(duì)齊權(quán)重;c為聚集權(quán)重;f為覓食權(quán)重;e為避敵權(quán)重;w為慣性權(quán)重;t為當(dāng)前迭代次數(shù)。得出步長(zhǎng)向量后,蜻蜓的位置更新如式(7)所示:

    群智能優(yōu)化算法在連續(xù)空間和離散空間中的優(yōu)化方式不同。在連續(xù)搜索空間中,DA的搜索代理通過(guò)在位置向量上添加步進(jìn)向量更新種群的位置,而在利用蜻蜓算法優(yōu)選近紅外建模校正集時(shí),需將連續(xù)域轉(zhuǎn)換為離散域,在離散域空間中尋找最優(yōu)解。Mirjalili等[27]利用傳遞函數(shù)將蜻蜓算法進(jìn)行改進(jìn),提出BDA,傳遞函數(shù)接收步長(zhǎng)值作為輸入并輸出一個(gè)0或1的數(shù)字,表示位置變化的概率。V型傳遞函數(shù)如式(8)所示:

    式中:Δx為傳遞函數(shù)的輸入,即步長(zhǎng)值。

    用傳遞函數(shù)得出位置變化率后更新蜻蜓在搜索空間中的搜索位置(式(9)):

    式中:r為[0,1]之間的隨機(jī)數(shù);負(fù)號(hào)表示邏輯取反運(yùn)算。

    采用BDA算法優(yōu)選校正集,首先使用K/S法將樣本初步劃分為初始校正集和預(yù)測(cè)集,初始校正集用于建立定量校正模型以及待優(yōu)化,預(yù)測(cè)集在建模結(jié)束后用于評(píng)估優(yōu)選的校正集建模的預(yù)測(cè)效果,接下來(lái)采用BDA算法,在初始校正集中進(jìn)一步挑選出數(shù)量更少、更具有代表性的樣品組成新的校正集,實(shí)現(xiàn)對(duì)校正集樣品的優(yōu)選。采用K/S法將初始校正集劃分為子校正集和驗(yàn)證集,BDA的作用是在子校正集中挑選一定數(shù)量的樣品作為新的校正集,根據(jù)其全局搜索能力強(qiáng)的特性在子校正集樣本空間中大范圍搜索合適的校正集,適應(yīng)度函數(shù)值為優(yōu)選出的校正集建立PLSR模型的RMSECV與該模型預(yù)測(cè)驗(yàn)證集的RMSEP之和(sum),如式(10)所示。每次實(shí)驗(yàn)迭代計(jì)算時(shí),如果本次迭代最優(yōu)解優(yōu)于上次,則記錄該最優(yōu)解對(duì)應(yīng)的sum、RMSECV和RMSEP。經(jīng)過(guò)不斷的迭代更新,最終選取sum最小的樣品集作為最優(yōu)校正集。BDA算法優(yōu)選校正集的流程如圖1所示。

    圖1 BDA算法優(yōu)選校正集的流程圖Fig.1 Flow chart of calibration set optimization by BDA

    1.4 數(shù)據(jù)處理與分析

    采用實(shí)驗(yàn)室自主研發(fā)的NIRSA 5.9.4系統(tǒng)[28](計(jì)算機(jī)軟件著作權(quán)登記號(hào)為2007SR06801)、Matlab 2016a等軟件平臺(tái)進(jìn)行數(shù)據(jù)處理與分析。

    2 結(jié)果與分析

    2.1 樣品劃分

    本研究所選樣品的小麥粉蛋白質(zhì)含量測(cè)定結(jié)果如表1 所示,其含量基本覆蓋小麥粉蛋白質(zhì)量分?jǐn)?shù)(7%~15%),并且分布較為均勻,表明該樣品具有代表性。

    表1 小麥粉蛋白質(zhì)含量統(tǒng)計(jì)Table 1 Statistics of the protein content in wheat flour

    在采集的所有樣品數(shù)據(jù)中,受樣品、采集環(huán)境和儀器的影響,一定程度上會(huì)存在異常樣品數(shù)據(jù),影響所建模型的穩(wěn)定性與預(yù)測(cè)能力,因此在建模之前必須將異常樣品從集合中剔除。采用主成分分析(principal component analysis,PCA)與馬氏距離相結(jié)合的方法檢測(cè)異常樣本,剔除馬氏距離大于3f/m的樣本,其中f為PCA所用主因子數(shù),m為樣本數(shù),共剔除20 個(gè)異常樣本。采用K/S方法將140 個(gè)正常樣品劃分為初始校正集(100 個(gè))和預(yù)測(cè)集(40 個(gè)),其小麥粉蛋白質(zhì)含量分布如表2所示,初始校正集與預(yù)測(cè)集的樣本化學(xué)值分布較寬,具有良好的代表性。

    表2 初始校正集與預(yù)測(cè)集小麥粉蛋白質(zhì)含量統(tǒng)計(jì)Table 2 Statistics of the protein content in wheat flour in initial calibration and prediction sets

    2.2 初始校正集建模

    以100 個(gè)初始校正集樣品的近紅外光譜及其蛋白質(zhì)含量數(shù)據(jù)為研究對(duì)象,建立PLSR模型。為了消除光譜數(shù)據(jù)中無(wú)關(guān)信息和噪聲的干擾,使用移動(dòng)平均平滑(moving average filter,MAF)、Savitaky-Golay卷積平滑(Savitaky-Golay filter,SGF)、標(biāo)準(zhǔn)正態(tài)量變換(standard normal variate transformation,SNV)、一階導(dǎo)數(shù)(1stderivative,1stD)、標(biāo)準(zhǔn)化及組合的預(yù)處理方法對(duì)樣品進(jìn)行預(yù)處理[29],建立PLSR校正模型以評(píng)價(jià)預(yù)處理方法的優(yōu)劣,選定最佳的預(yù)處理方法。不同預(yù)處理方法的校正模型評(píng)價(jià)結(jié)果如表3所示。

    表3 不同預(yù)處理方法的樣品蛋白質(zhì)PLSR校正模型評(píng)價(jià)Table 3 Evaluation of PLSR calibration models developed using different pretreatment methods

    由表3可知,對(duì)比不同預(yù)處理方法的建模效果,其中MAF+標(biāo)準(zhǔn)化(MAF窗口寬度為5)的預(yù)處理方法除RMSEP略高于無(wú)預(yù)處理和SGF+標(biāo)準(zhǔn)化外,各項(xiàng)指標(biāo)均為最優(yōu),此時(shí)PLSR模型的為0.962 3,RMSECV為0.335 7,為0.938 8,RMSEP為0.329 4,模型具有較高的預(yù)測(cè)精度,后續(xù)實(shí)驗(yàn)均采用MAF+標(biāo)準(zhǔn)化(MAF窗口寬度為5)的預(yù)處理方法。

    2.3 蜻蜓算法優(yōu)選校正集

    采用K/S方法將初始校正集劃分為子校正集和驗(yàn)證集,比例為4∶1,子校正集80 個(gè),驗(yàn)證集20 個(gè),結(jié)合BDA算法優(yōu)選校正集,設(shè)置迭代次數(shù)40 次,初始種群數(shù)500,優(yōu)選校正集樣品數(shù)量20~40 個(gè)。進(jìn)行10 次BDA優(yōu)選校正集實(shí)驗(yàn),實(shí)驗(yàn)序號(hào)記為BK1~BK10,sum變化如圖2所示,隨著迭代的進(jìn)行,sum越來(lái)越小,表明所挑選的校正集建模以及所建模型對(duì)驗(yàn)證集的預(yù)測(cè)評(píng)價(jià)參數(shù)越來(lái)越優(yōu)。優(yōu)選校正集的建模及預(yù)測(cè)結(jié)果如表4所示,10 次實(shí)驗(yàn)優(yōu)選的校正集樣品個(gè)數(shù)平均為30.2 個(gè),平均為0.949 5,RMSEP為0.299 0,平均預(yù)測(cè)性能提高了1.14%,RMSEP降低了9.23%,10 次優(yōu)選的校正集建模預(yù)測(cè)性能均優(yōu)于初始校正集,實(shí)驗(yàn)BK1在10 次實(shí)驗(yàn)中優(yōu)選出的30 個(gè)校正集樣本建模預(yù)測(cè)效果最優(yōu)(:0.956 4,RMSEP:0.278 1),與初始校正集相比,提高1.87%,RMSEP降低15.57%,實(shí)驗(yàn)BK3和BK10所優(yōu)選出的校正集樣品數(shù)僅24 個(gè),且具有較好的模型穩(wěn)定性和預(yù)測(cè)能力。

    表4 10 次BDA優(yōu)選校正集實(shí)驗(yàn)的建模及預(yù)測(cè)結(jié)果Table 4 Modeling and prediction results from BDA experiments 1–10 for calibration set optimization

    圖2 10 次BDA優(yōu)選校正集實(shí)驗(yàn)適應(yīng)度值變化Fig.2 Changes in fitness values for BDA experiments 1–10 for calibration set optimization with the number of iterations

    圖3為初始校正集、BK1優(yōu)選校正集和預(yù)測(cè)集的蛋白質(zhì)含量分布圖,BK1所挑選出的校正集樣本含量分布較為均勻,基本涵蓋了預(yù)測(cè)集樣品的含量分布范圍。將BK1優(yōu)選的校正集和預(yù)測(cè)集取前兩個(gè)主成分作主成分分布圖,如圖4所示,30 個(gè)校正集在42 個(gè)預(yù)測(cè)集樣本中均勻分布,盡可能地用較少的樣本包含整個(gè)數(shù)據(jù)集的特征,從而使所建立的預(yù)測(cè)模型可以對(duì)預(yù)測(cè)集進(jìn)行良好預(yù)測(cè)。

    圖3 校正集和預(yù)測(cè)集樣本的蛋白質(zhì)含量分布Fig.3 Protein content distribution of calibration set and prediction set samples

    圖4 BK1優(yōu)選校正集和預(yù)測(cè)集主成分分布Fig.4 Principal component analysis showing the distribution of calibration set and prediction set samples in BK1 for calibration set optimization

    3 討論

    在校正模型建立的過(guò)程中,選取參與校正的樣本對(duì)建立穩(wěn)健的模型是十分必要的,目前最常用的方法是K/S法和SPXY法。潘國(guó)鋒[30]使用K/S算法對(duì)41 個(gè)水體中總氮光譜數(shù)據(jù)進(jìn)行優(yōu)選,用30 個(gè)樣本建立了較為理想的硝酸鹽定量校正模型。王世芳等[31]以小型西瓜為研究對(duì)象,校正集與預(yù)測(cè)集通過(guò)SPXY法進(jìn)行劃分,建立了西瓜瓜梗、瓜臍和赤道3 個(gè)部位的可溶性固形物含量模型,預(yù)測(cè)精度較好。朱榮光等[32]采用濃度梯度法、隨機(jī)法、K/S以及SPXY法共4 種校正集劃分方法對(duì)牛肉嫩度高光譜數(shù)據(jù)進(jìn)行劃分和比較,結(jié)果發(fā)現(xiàn)在偏最小二乘回歸和主成分回歸建模時(shí),SPXY法所挑選出的校正集建模效果均較優(yōu)。本研究將與傳統(tǒng)的K/S法和SPXY法優(yōu)選校正集進(jìn)行對(duì)比,利用傳統(tǒng)方法從初始校正集中分別采用K/S和SPXY法進(jìn)一步挑選出k(k=20,25,…,90,95)個(gè)樣品作為新的校正集建立PLSR模型,并對(duì)預(yù)測(cè)集進(jìn)行預(yù)測(cè),結(jié)果如圖5所示。由圖5a、b可知,K/S法所挑出的校正集隨著樣品數(shù)量的增加模型穩(wěn)定性整體上越來(lái)越好,當(dāng)所選樣品個(gè)數(shù)為80、85以及90時(shí)所建模型穩(wěn)定性最優(yōu),當(dāng)所選樣品個(gè)數(shù)為35時(shí),模型預(yù)測(cè)效果最好(:0.942 8,RMSEP:0.318 4)。由圖5c、d可知,SPXY法所挑選出的校正集隨著樣品數(shù)量的增加模型穩(wěn)定性整體變好;當(dāng)樣品個(gè)數(shù)為20時(shí),所建模型穩(wěn)定性較優(yōu),但預(yù)測(cè)性能差(:0.385 6,RMSEP:1.043 6);當(dāng)樣品個(gè)數(shù)為85時(shí),所建模型穩(wěn)定性最優(yōu),預(yù)測(cè)性能較好(:0.933 4,RMSEP:0.343 5);當(dāng)樣品個(gè)數(shù)為35時(shí),所建模型穩(wěn)定性較優(yōu),且預(yù)測(cè)性能最好(:0.938 1,RMSEP:0.331 3)。

    圖5 K/S、SPXY法優(yōu)選校正集建模及預(yù)測(cè)參數(shù)Fig.5 Modeling and prediction parameters of K/S and SPXY optimal calibration sets

    通過(guò)K/S和SPXY法挑選出的校正集建模和預(yù)測(cè)結(jié)果可以看出,K/S法從初始校正集100 個(gè)樣品中挑選出35 個(gè)樣品作為新校正集,所建模型的預(yù)測(cè)精度相較于初始校正集而言也略有提升,從0.938 8上升到0.942 8,初步達(dá)到了優(yōu)選校正集的效果;SPXY法在挑選出35 個(gè)樣品建模時(shí)預(yù)測(cè)性能最好,但預(yù)測(cè)精度略低于初始校正集建模,為0.938 1,不符合挑選出數(shù)量更少的校正集建立預(yù)測(cè)精度更高的模型的目標(biāo)。而采用BDA算法從初始校正集中優(yōu)選校正集,10 次實(shí)驗(yàn)所選出的新校正集建模預(yù)測(cè)精度均高于初始校正集,挑選出30 個(gè)樣品進(jìn)行建模時(shí),預(yù)測(cè)高達(dá)0.956 4,樣品個(gè)數(shù)為24時(shí),預(yù)測(cè)也可以達(dá)到0.952 5,說(shuō)明采用BDA算法可以優(yōu)選出數(shù)量更少的校正集建立預(yù)測(cè)精度更高的小麥粉蛋白質(zhì)定量模型。

    4 結(jié)論

    本研究在傳統(tǒng)挑選校正集樣品的基礎(chǔ)上引入BDA算法進(jìn)行優(yōu)化,以所選校正集建立的模型RMSECV與其對(duì)驗(yàn)證集的RMSEP之和構(gòu)建適應(yīng)度函數(shù),并與傳統(tǒng)校正集挑選方法K/S和SPXY法進(jìn)行比較。結(jié)果表明,BDA算法優(yōu)選出的校正集有最優(yōu)的預(yù)測(cè)性能,在10 次BDA優(yōu)選實(shí)驗(yàn)中,平均挑選出的校正集個(gè)數(shù)約占原校正集個(gè)數(shù)的30%(從100 個(gè)降低到30.2 個(gè)),平均預(yù)測(cè)性能提高了1.14%(從0.938 8提升至0.949 5),RMSEP降低了9.23%(從0.329 4降低至0.299 0)。采用BDA算法可以優(yōu)選出數(shù)量少、具有代表性的校正集樣品,建立的小麥粉蛋白質(zhì)PLSR模型穩(wěn)定性好、預(yù)測(cè)精度高,可為小麥粉品質(zhì)近紅外檢測(cè)分析提供一種高效、準(zhǔn)確的校正集優(yōu)選方法。

    猜你喜歡
    小麥粉蜻蜓校正
    小麥粉加工及選購(gòu)
    糧食加工(2022年5期)2022-12-28 22:34:59
    白俄羅斯延長(zhǎng)小麥粉和蕎麥出口禁令
    SPE-GC法在小麥粉中典型農(nóng)藥殘留物測(cè)定中的應(yīng)用
    劉光第《南旋記》校正
    一類具有校正隔離率隨機(jī)SIQS模型的絕滅性與分布
    蜻蜓
    機(jī)內(nèi)校正
    蜻蜓點(diǎn)水
    蜻蜓
    一種基于eNode B的主動(dòng)式頻偏校正算法
    午夜精品国产一区二区电影| 欧美精品人与动牲交sv欧美| 婷婷色综合大香蕉| 夫妻午夜视频| 在现免费观看毛片| av黄色大香蕉| 国产在线免费精品| 国产精品无大码| 丰满乱子伦码专区| 欧美 亚洲 国产 日韩一| 精品99又大又爽又粗少妇毛片| 欧美变态另类bdsm刘玥| 国产成人精品无人区| 一级毛片 在线播放| av卡一久久| 欧美日韩亚洲高清精品| 久久亚洲国产成人精品v| 亚洲中文av在线| 亚洲人成网站在线观看播放| 秋霞在线观看毛片| 日本黄色片子视频| 亚洲精品第二区| 一级黄片播放器| 中文字幕制服av| 国产一级毛片在线| 又黄又爽又刺激的免费视频.| 国产精品人妻久久久久久| 少妇的逼水好多| 精品视频人人做人人爽| a级毛片免费高清观看在线播放| 91久久精品国产一区二区成人| 一区二区三区乱码不卡18| 建设人人有责人人尽责人人享有的| 18禁动态无遮挡网站| 80岁老熟妇乱子伦牲交| 精品国产露脸久久av麻豆| 亚洲av日韩在线播放| 欧美日韩精品成人综合77777| 久久久精品94久久精品| 大香蕉97超碰在线| 高清在线视频一区二区三区| a级片在线免费高清观看视频| 日韩熟女老妇一区二区性免费视频| 边亲边吃奶的免费视频| 国产熟女午夜一区二区三区 | 精品熟女少妇av免费看| 在线观看av片永久免费下载| 中文天堂在线官网| 久久久亚洲精品成人影院| 人妻夜夜爽99麻豆av| 久久久久久久久久久久大奶| 汤姆久久久久久久影院中文字幕| 蜜臀久久99精品久久宅男| 欧美bdsm另类| www.色视频.com| 国产成人免费观看mmmm| 亚洲欧洲日产国产| 自拍欧美九色日韩亚洲蝌蚪91 | 亚洲欧美成人精品一区二区| 蜜臀久久99精品久久宅男| 中国国产av一级| 三级国产精品片| 蜜桃在线观看..| 日日啪夜夜撸| √禁漫天堂资源中文www| 国产精品久久久久久av不卡| 美女内射精品一级片tv| 深夜a级毛片| 国产成人91sexporn| 日本猛色少妇xxxxx猛交久久| 国产亚洲91精品色在线| 国产精品一区二区在线不卡| 国产高清有码在线观看视频| 亚洲国产最新在线播放| 国产精品国产三级国产专区5o| 日日啪夜夜爽| 蜜桃在线观看..| 国产女主播在线喷水免费视频网站| 久久久久久久久大av| 黑人高潮一二区| 亚洲,一卡二卡三卡| 国产日韩欧美视频二区| 午夜精品国产一区二区电影| 亚洲三级黄色毛片| 国产成人一区二区在线| 中文字幕人妻熟人妻熟丝袜美| 亚洲国产成人一精品久久久| 观看免费一级毛片| 18+在线观看网站| 国产成人freesex在线| 午夜福利网站1000一区二区三区| 亚洲综合色惰| 午夜久久久在线观看| 久久ye,这里只有精品| 一级毛片我不卡| 蜜桃久久精品国产亚洲av| 欧美+日韩+精品| 日本黄大片高清| 一级毛片 在线播放| av卡一久久| 晚上一个人看的免费电影| 色5月婷婷丁香| 午夜日本视频在线| 国产男女内射视频| 成人无遮挡网站| 内地一区二区视频在线| 亚洲,欧美,日韩| 亚洲精品久久久久久婷婷小说| 97在线视频观看| 久久国内精品自在自线图片| av线在线观看网站| 亚洲在久久综合| 精品人妻偷拍中文字幕| 日韩av在线免费看完整版不卡| 桃花免费在线播放| 欧美精品国产亚洲| 精品卡一卡二卡四卡免费| 国产69精品久久久久777片| 在线观看免费视频网站a站| 国产精品.久久久| 免费高清在线观看视频在线观看| 久久午夜综合久久蜜桃| 青春草国产在线视频| 午夜免费观看性视频| 交换朋友夫妻互换小说| 国产亚洲91精品色在线| 精品久久久精品久久久| 香蕉精品网在线| a级一级毛片免费在线观看| 男女边摸边吃奶| 国产男女内射视频| 水蜜桃什么品种好| 精品一品国产午夜福利视频| 久久99一区二区三区| 99久久中文字幕三级久久日本| 大片免费播放器 马上看| 狠狠精品人妻久久久久久综合| 亚洲国产精品999| 亚洲av日韩在线播放| 亚洲自偷自拍三级| av女优亚洲男人天堂| 国产高清三级在线| 在线看a的网站| 国产成人精品婷婷| 色婷婷久久久亚洲欧美| 亚洲人成网站在线播| 99国产精品免费福利视频| 日日啪夜夜撸| 国产亚洲91精品色在线| 女性被躁到高潮视频| 99热这里只有是精品50| 国产精品.久久久| 亚洲av成人精品一二三区| 一级片'在线观看视频| 国产亚洲精品久久久com| 日日啪夜夜爽| 亚洲av二区三区四区| 国产黄色免费在线视频| 国产精品欧美亚洲77777| 在线 av 中文字幕| 国产高清三级在线| 久久人妻熟女aⅴ| 一边亲一边摸免费视频| 老司机亚洲免费影院| 在线观看人妻少妇| 国产男女超爽视频在线观看| 精品国产一区二区久久| 黄色怎么调成土黄色| 国产日韩欧美视频二区| 人人妻人人看人人澡| 亚洲精华国产精华液的使用体验| 亚洲精品自拍成人| 一本—道久久a久久精品蜜桃钙片| 久久国产亚洲av麻豆专区| 国产精品久久久久久av不卡| 色视频www国产| 少妇的逼水好多| 大香蕉久久网| 国产伦精品一区二区三区四那| 免费看日本二区| 国产精品熟女久久久久浪| 狂野欧美激情性xxxx在线观看| 欧美精品一区二区免费开放| 久久久久视频综合| 99久久综合免费| 嘟嘟电影网在线观看| 国产老妇伦熟女老妇高清| 少妇裸体淫交视频免费看高清| 久久久久久伊人网av| 亚洲av中文av极速乱| 欧美最新免费一区二区三区| 欧美变态另类bdsm刘玥| 特大巨黑吊av在线直播| 在线 av 中文字幕| 久久6这里有精品| 国产男女内射视频| 久久精品国产自在天天线| 男的添女的下面高潮视频| 久久久久国产网址| 国产淫语在线视频| 午夜福利,免费看| 成人二区视频| 热99国产精品久久久久久7| 欧美日韩视频高清一区二区三区二| av免费在线看不卡| 国产真实伦视频高清在线观看| 日本免费在线观看一区| 亚洲无线观看免费| 少妇精品久久久久久久| 在线观看www视频免费| 婷婷色综合www| av国产精品久久久久影院| 亚洲精品乱久久久久久| 午夜av观看不卡| 久久热精品热| 大陆偷拍与自拍| 国产精品99久久久久久久久| 国产高清三级在线| 国产一级毛片在线| 51国产日韩欧美| 一本久久精品| 久久韩国三级中文字幕| 青春草亚洲视频在线观看| 大码成人一级视频| 国产精品福利在线免费观看| 欧美精品人与动牲交sv欧美| 亚洲成色77777| 国产伦理片在线播放av一区| 亚洲国产毛片av蜜桃av| 男人狂女人下面高潮的视频| 国产精品99久久99久久久不卡 | 日本av手机在线免费观看| 日本猛色少妇xxxxx猛交久久| 99热网站在线观看| av免费观看日本| 91午夜精品亚洲一区二区三区| 全区人妻精品视频| 国产在线免费精品| 国产成人一区二区在线| 精品视频人人做人人爽| 十八禁高潮呻吟视频 | 日本-黄色视频高清免费观看| av有码第一页| 欧美激情国产日韩精品一区| 国产成人午夜福利电影在线观看| 欧美一级a爱片免费观看看| 97在线人人人人妻| 亚洲精品456在线播放app| 51国产日韩欧美| 人妻少妇偷人精品九色| 国产精品国产av在线观看| 免费看光身美女| 亚洲性久久影院| 蜜桃在线观看..| 国产免费又黄又爽又色| 久久久久久久国产电影| 丰满饥渴人妻一区二区三| 少妇 在线观看| 国产淫片久久久久久久久| 欧美 亚洲 国产 日韩一| 久久综合国产亚洲精品| 免费av中文字幕在线| 亚洲国产欧美在线一区| 日日撸夜夜添| 日韩制服骚丝袜av| 国产欧美日韩综合在线一区二区 | 国产成人免费观看mmmm| 美女福利国产在线| 久久午夜福利片| av卡一久久| 一区二区三区免费毛片| 中文字幕制服av| av天堂中文字幕网| 一本—道久久a久久精品蜜桃钙片| 亚洲,一卡二卡三卡| 国产日韩欧美亚洲二区| 一级,二级,三级黄色视频| 91精品国产国语对白视频| 国产免费又黄又爽又色| 国产女主播在线喷水免费视频网站| www.色视频.com| 国产精品99久久99久久久不卡 | 日日撸夜夜添| 国内精品宾馆在线| 香蕉精品网在线| 免费看不卡的av| 国产成人精品无人区| 国精品久久久久久国模美| videos熟女内射| 一级毛片黄色毛片免费观看视频| 亚洲伊人久久精品综合| 精品人妻熟女av久视频| 久热这里只有精品99| 一区在线观看完整版| 少妇猛男粗大的猛烈进出视频| av线在线观看网站| 日本爱情动作片www.在线观看| 欧美日韩亚洲高清精品| 成人亚洲欧美一区二区av| 大码成人一级视频| 国产中年淑女户外野战色| 精品久久久噜噜| 两个人的视频大全免费| 日韩制服骚丝袜av| 精品久久国产蜜桃| 青春草国产在线视频| 亚洲精品一区蜜桃| 欧美激情极品国产一区二区三区 | 成年女人在线观看亚洲视频| 日韩av在线免费看完整版不卡| a级毛片免费高清观看在线播放| 麻豆乱淫一区二区| 国产一区二区三区综合在线观看 | 亚洲三级黄色毛片| 日韩一本色道免费dvd| 久久精品久久精品一区二区三区| 老女人水多毛片| 亚洲美女黄色视频免费看| 国产免费一区二区三区四区乱码| 国产一级毛片在线| 91成人精品电影| 日韩av不卡免费在线播放| 久久99热这里只频精品6学生| 一个人免费看片子| 91aial.com中文字幕在线观看| av女优亚洲男人天堂| 亚洲国产日韩一区二区| xxx大片免费视频| 久久精品久久久久久久性| 免费观看在线日韩| 午夜免费鲁丝| 午夜影院在线不卡| av播播在线观看一区| 美女cb高潮喷水在线观看| 国产毛片在线视频| av免费在线看不卡| 天堂俺去俺来也www色官网| 99视频精品全部免费 在线| 久久ye,这里只有精品| 精品亚洲成国产av| 日产精品乱码卡一卡2卡三| 国产成人a∨麻豆精品| 日韩精品免费视频一区二区三区 | 久久久久网色| 看免费成人av毛片| 免费不卡的大黄色大毛片视频在线观看| 少妇熟女欧美另类| 国产精品一区二区在线观看99| 免费久久久久久久精品成人欧美视频 | 18禁动态无遮挡网站| 亚洲av欧美aⅴ国产| 一二三四中文在线观看免费高清| 夜夜爽夜夜爽视频| 亚洲熟女精品中文字幕| av国产久精品久网站免费入址| 国产成人午夜福利电影在线观看| 搡女人真爽免费视频火全软件| 狂野欧美激情性bbbbbb| .国产精品久久| 狂野欧美激情性xxxx在线观看| 乱人伦中国视频| 亚洲精品乱码久久久久久按摩| 亚洲高清免费不卡视频| 少妇被粗大的猛进出69影院 | 久久久久久人妻| 日韩欧美 国产精品| 午夜福利视频精品| av视频免费观看在线观看| 一区二区av电影网| 一级黄片播放器| 国产有黄有色有爽视频| 99九九线精品视频在线观看视频| 又黄又爽又刺激的免费视频.| 成人黄色视频免费在线看| 大香蕉97超碰在线| 看免费成人av毛片| 欧美另类一区| 中文字幕人妻熟人妻熟丝袜美| 国产精品无大码| 国产精品99久久99久久久不卡 | 久久久久久久久久久丰满| 最新的欧美精品一区二区| 日本欧美国产在线视频| 大香蕉久久网| 91久久精品国产一区二区三区| 亚洲三级黄色毛片| 各种免费的搞黄视频| 蜜桃久久精品国产亚洲av| 街头女战士在线观看网站| 国产 精品1| 精品国产露脸久久av麻豆| 亚洲av电影在线观看一区二区三区| 在线观看人妻少妇| 美女主播在线视频| 男人爽女人下面视频在线观看| 国产一区二区三区综合在线观看 | 性高湖久久久久久久久免费观看| 亚洲自偷自拍三级| 特大巨黑吊av在线直播| 亚洲av欧美aⅴ国产| 王馨瑶露胸无遮挡在线观看| 中文资源天堂在线| 亚洲一级一片aⅴ在线观看| 如何舔出高潮| 成人毛片a级毛片在线播放| 黄色怎么调成土黄色| 美女中出高潮动态图| 久久久久精品久久久久真实原创| 曰老女人黄片| 国产精品一区二区三区四区免费观看| 国产成人精品婷婷| 99热这里只有精品一区| 男女啪啪激烈高潮av片| 啦啦啦视频在线资源免费观看| 在线观看人妻少妇| 日韩一本色道免费dvd| 久久 成人 亚洲| 精品一品国产午夜福利视频| 中文欧美无线码| 一本久久精品| 欧美+日韩+精品| 五月玫瑰六月丁香| 亚洲国产欧美日韩在线播放 | 日韩亚洲欧美综合| 一个人看视频在线观看www免费| 日日撸夜夜添| 欧美成人精品欧美一级黄| 免费观看av网站的网址| 色视频在线一区二区三区| av在线老鸭窝| 成人国产麻豆网| 一级黄片播放器| 中文天堂在线官网| 2021少妇久久久久久久久久久| av国产久精品久网站免费入址| 亚洲欧美成人精品一区二区| 亚洲av.av天堂| 成人二区视频| 中文天堂在线官网| 日日爽夜夜爽网站| 国产欧美日韩精品一区二区| 国产熟女午夜一区二区三区 | 亚洲国产精品成人久久小说| 岛国毛片在线播放| 成人特级av手机在线观看| 极品少妇高潮喷水抽搐| 只有这里有精品99| 一本久久精品| 欧美激情国产日韩精品一区| 五月玫瑰六月丁香| 国产精品久久久久久久久免| 纵有疾风起免费观看全集完整版| 久久6这里有精品| 午夜福利,免费看| av又黄又爽大尺度在线免费看| 少妇 在线观看| 在线天堂最新版资源| 久久99热这里只频精品6学生| 少妇的逼水好多| 九九久久精品国产亚洲av麻豆| 国产精品一区www在线观看| 免费av不卡在线播放| 黑人猛操日本美女一级片| 欧美一级a爱片免费观看看| av福利片在线| 日韩亚洲欧美综合| 大香蕉久久网| 国产高清国产精品国产三级| 欧美97在线视频| 搡女人真爽免费视频火全软件| 国产69精品久久久久777片| 精品国产露脸久久av麻豆| 国产亚洲91精品色在线| 国产高清有码在线观看视频| 中文字幕久久专区| 精品国产一区二区久久| 青春草国产在线视频| 久久人妻熟女aⅴ| 亚洲,一卡二卡三卡| 久久毛片免费看一区二区三区| 一本色道久久久久久精品综合| 久热久热在线精品观看| 日本免费在线观看一区| 精品卡一卡二卡四卡免费| 亚洲在久久综合| 中文精品一卡2卡3卡4更新| av黄色大香蕉| 婷婷色综合大香蕉| 韩国av在线不卡| 国产女主播在线喷水免费视频网站| 99九九在线精品视频 | 国国产精品蜜臀av免费| 亚洲不卡免费看| 中文欧美无线码| 97精品久久久久久久久久精品| 国产免费福利视频在线观看| 高清不卡的av网站| 美女中出高潮动态图| 亚洲av.av天堂| 亚洲av在线观看美女高潮| 日韩伦理黄色片| 国产日韩欧美视频二区| 午夜福利网站1000一区二区三区| 日韩欧美精品免费久久| 国产精品99久久久久久久久| 多毛熟女@视频| 久久狼人影院| 我的女老师完整版在线观看| 久久久久久久久久久丰满| av在线观看视频网站免费| 丝袜脚勾引网站| 久久99一区二区三区| 一级毛片我不卡| 九草在线视频观看| 亚洲色图综合在线观看| 久久av网站| 久久影院123| 国产av一区二区精品久久| 精品午夜福利在线看| 国产亚洲av片在线观看秒播厂| 国内揄拍国产精品人妻在线| 欧美成人精品欧美一级黄| 黄片无遮挡物在线观看| 麻豆乱淫一区二区| 男女边摸边吃奶| 99久国产av精品国产电影| 日本黄大片高清| 老司机影院成人| 我的老师免费观看完整版| 99久久精品国产国产毛片| av.在线天堂| 亚洲精品国产av成人精品| 三级经典国产精品| 亚洲欧美日韩卡通动漫| 精品酒店卫生间| 一二三四中文在线观看免费高清| 不卡视频在线观看欧美| 天堂8中文在线网| 中文资源天堂在线| 亚洲av电影在线观看一区二区三区| 日韩在线高清观看一区二区三区| 噜噜噜噜噜久久久久久91| 亚洲无线观看免费| 日本爱情动作片www.在线观看| 国产欧美亚洲国产| 91精品伊人久久大香线蕉| 美女脱内裤让男人舔精品视频| 婷婷色综合www| 男女免费视频国产| 在现免费观看毛片| 永久免费av网站大全| 国产精品一区www在线观看| 一级,二级,三级黄色视频| 秋霞在线观看毛片| 国产亚洲5aaaaa淫片| 热re99久久精品国产66热6| 国产 一区精品| 国产欧美日韩一区二区三区在线 | 18禁裸乳无遮挡动漫免费视频| 亚洲国产毛片av蜜桃av| 国产精品人妻久久久影院| 日韩精品免费视频一区二区三区 | 国产一区有黄有色的免费视频| 国产精品人妻久久久影院| 久久婷婷青草| 亚洲欧洲精品一区二区精品久久久 | 亚洲激情五月婷婷啪啪| 一级黄片播放器| 国产午夜精品久久久久久一区二区三区| 日本黄色片子视频| 国产一区二区在线观看日韩| 十八禁高潮呻吟视频 | 亚洲三级黄色毛片| 欧美另类一区| 精品少妇黑人巨大在线播放| 热re99久久国产66热| 久久女婷五月综合色啪小说| 亚洲欧美清纯卡通| 97在线视频观看| 久久久久久久亚洲中文字幕| 自拍欧美九色日韩亚洲蝌蚪91 | 97在线视频观看| 久久av网站| 美女福利国产在线| 国产熟女欧美一区二区| 曰老女人黄片| 国产精品偷伦视频观看了| 久久久久久久国产电影| 我的女老师完整版在线观看| 国产成人精品一,二区| 精品久久国产蜜桃| 人人妻人人爽人人添夜夜欢视频 | 日日啪夜夜爽| 2018国产大陆天天弄谢| 少妇被粗大的猛进出69影院 | 日本欧美视频一区| 亚洲精品国产成人久久av| 国产在线视频一区二区| videossex国产| 边亲边吃奶的免费视频| 久久99热6这里只有精品| 成人国产麻豆网| 日本欧美视频一区| 久久影院123| 伦理电影大哥的女人| 男人和女人高潮做爰伦理| 久久热精品热| 亚洲精品456在线播放app| 亚洲av男天堂| 国产淫语在线视频| 国产综合精华液| 国产欧美亚洲国产| 中文字幕精品免费在线观看视频 | 久久久久久久久久久丰满| 又粗又硬又长又爽又黄的视频|