• <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
    国产精品av视频在线免费观看| 久久精品人妻少妇| 亚洲av二区三区四区| 人妻制服诱惑在线中文字幕| 国产黄片美女视频| 色哟哟哟哟哟哟| 国产精品av视频在线免费观看| 长腿黑丝高跟| 一级毛片电影观看 | 91在线观看av| 女同久久另类99精品国产91| 日韩av不卡免费在线播放| 国产精品无大码| 国产男人的电影天堂91| 综合色丁香网| 国产精品爽爽va在线观看网站| 女人十人毛片免费观看3o分钟| 午夜免费激情av| a级毛色黄片| 日本在线视频免费播放| 最近最新中文字幕大全电影3| 成人欧美大片| 色综合色国产| 1000部很黄的大片| 国产精品av视频在线免费观看| 国产一区二区三区在线臀色熟女| 最后的刺客免费高清国语| 久久久国产成人精品二区| 最近最新中文字幕大全电影3| 内射极品少妇av片p| 悠悠久久av| www.色视频.com| 九九热线精品视视频播放| 欧美在线一区亚洲| 欧美色欧美亚洲另类二区| 观看免费一级毛片| 免费看光身美女| 日韩精品青青久久久久久| 亚洲精品色激情综合| 免费搜索国产男女视频| 97超级碰碰碰精品色视频在线观看| 又爽又黄a免费视频| 国产久久久一区二区三区| 乱码一卡2卡4卡精品| 在线国产一区二区在线| 免费观看在线日韩| 国产三级在线视频| www.色视频.com| 听说在线观看完整版免费高清| 毛片女人毛片| 成人亚洲精品av一区二区| 麻豆一二三区av精品| 不卡视频在线观看欧美| 日本黄色视频三级网站网址| 国产精品久久久久久亚洲av鲁大| 一进一出好大好爽视频| 一区二区三区四区激情视频 | 午夜精品在线福利| 欧美3d第一页| 欧美潮喷喷水| .国产精品久久| 亚洲美女黄片视频| 色哟哟·www| 18禁裸乳无遮挡免费网站照片| 久久草成人影院| 青春草视频在线免费观看| 亚洲色图av天堂| 日日啪夜夜撸| 国产精品人妻久久久影院| 国产黄色小视频在线观看| 亚洲av免费高清在线观看| 亚洲av不卡在线观看| 成人精品一区二区免费| 在线天堂最新版资源| 亚洲精品日韩av片在线观看| 国产精品三级大全| 久久国内精品自在自线图片| 欧美高清性xxxxhd video| 熟妇人妻久久中文字幕3abv| 国产三级中文精品| 色哟哟·www| 嫩草影院入口| 国产精品伦人一区二区| 欧美一级a爱片免费观看看| 黄色日韩在线| 免费看a级黄色片| 亚洲熟妇熟女久久| 欧美成人一区二区免费高清观看| 亚洲一区高清亚洲精品| 青春草视频在线免费观看| 在线观看66精品国产| 亚洲精品成人久久久久久| 乱人视频在线观看| 可以在线观看的亚洲视频| 国产精品一区二区免费欧美| 色综合色国产| 国产男靠女视频免费网站| 亚洲熟妇熟女久久| 国产亚洲精品久久久com| 精品久久久久久久久久久久久| 亚洲欧美日韩东京热| 人人妻,人人澡人人爽秒播| 99在线人妻在线中文字幕| 精品久久久久久久末码| 久久久国产成人精品二区| 小蜜桃在线观看免费完整版高清| 欧美日韩综合久久久久久| 亚洲欧美日韩无卡精品| 97在线视频观看| 性色avwww在线观看| 国产v大片淫在线免费观看| 人人妻人人看人人澡| 国产一级毛片七仙女欲春2| 国内揄拍国产精品人妻在线| 免费看美女性在线毛片视频| 日韩亚洲欧美综合| 99久久成人亚洲精品观看| 久久久久免费精品人妻一区二区| 97碰自拍视频| 亚洲熟妇中文字幕五十中出| 日韩欧美精品免费久久| 久久精品国产鲁丝片午夜精品| 免费av不卡在线播放| 日韩欧美精品v在线| 黄色视频,在线免费观看| 最近2019中文字幕mv第一页| 亚洲人成网站高清观看| 欧美区成人在线视频| 国产不卡一卡二| 久久久精品94久久精品| 国产亚洲av嫩草精品影院| 亚洲第一电影网av| 婷婷亚洲欧美| 少妇人妻一区二区三区视频| 露出奶头的视频| 一本一本综合久久| 精品一区二区三区av网在线观看| 少妇熟女aⅴ在线视频| 五月伊人婷婷丁香| 天美传媒精品一区二区| 国产成人aa在线观看| 成人一区二区视频在线观看| 日本-黄色视频高清免费观看| 一本久久中文字幕| 女人被狂操c到高潮| 亚洲av成人精品一区久久| 女同久久另类99精品国产91| 精品一区二区免费观看| 六月丁香七月| 蜜桃久久精品国产亚洲av| 又黄又爽又免费观看的视频| 亚洲精品日韩av片在线观看| 中国国产av一级| 亚洲成人久久爱视频| 国内精品久久久久精免费| 亚洲第一区二区三区不卡| 日本精品一区二区三区蜜桃| 好男人在线观看高清免费视频| 欧美最黄视频在线播放免费| 精品一区二区三区人妻视频| 精品午夜福利在线看| 精品久久久久久久末码| 国产精品伦人一区二区| 在线国产一区二区在线| 日本-黄色视频高清免费观看| 国产精品av视频在线免费观看| a级毛片免费高清观看在线播放| 国产欧美日韩一区二区精品| 蜜桃久久精品国产亚洲av| 91在线观看av| av在线观看视频网站免费| 免费观看人在逋| 成熟少妇高潮喷水视频| 亚洲av五月六月丁香网| 一a级毛片在线观看| 18禁在线无遮挡免费观看视频 | 国产午夜精品久久久久久一区二区三区 | 亚洲精品日韩av片在线观看| 日韩欧美免费精品| 97超级碰碰碰精品色视频在线观看| 欧美日韩国产亚洲二区| 最好的美女福利视频网| 97在线视频观看| 麻豆精品久久久久久蜜桃| 看黄色毛片网站| 国内少妇人妻偷人精品xxx网站| 亚洲精品色激情综合| 午夜精品在线福利| 淫妇啪啪啪对白视频| 精品一区二区三区视频在线观看免费| 99热只有精品国产| 欧美色视频一区免费| 联通29元200g的流量卡| 日韩欧美 国产精品| 久久人人爽人人爽人人片va| 俺也久久电影网| 国产大屁股一区二区在线视频| 小说图片视频综合网站| 日日撸夜夜添| 日韩欧美精品免费久久| 国产在线精品亚洲第一网站| 在线观看免费视频日本深夜| 亚洲综合色惰| 99riav亚洲国产免费| 久久久精品大字幕| 久久精品人妻少妇| 国产黄色小视频在线观看| 亚洲欧美精品综合久久99| 特级一级黄色大片| av天堂在线播放| 亚洲av第一区精品v没综合| 非洲黑人性xxxx精品又粗又长| 成人欧美大片| 中文字幕av成人在线电影| 久久久久久大精品| 热99re8久久精品国产| 欧美高清成人免费视频www| 亚洲精品成人久久久久久| 丝袜美腿在线中文| 99热这里只有精品一区| h日本视频在线播放| 久久久成人免费电影| 美女cb高潮喷水在线观看| 啦啦啦观看免费观看视频高清| 国产午夜福利久久久久久| 国产男人的电影天堂91| 午夜爱爱视频在线播放| 日韩在线高清观看一区二区三区| 久久精品人妻少妇| 黄色视频,在线免费观看| 91精品国产九色| 成年版毛片免费区| 91麻豆精品激情在线观看国产| 最近在线观看免费完整版| 小蜜桃在线观看免费完整版高清| 欧美又色又爽又黄视频| 日本免费a在线| 亚洲av电影不卡..在线观看| 亚洲av二区三区四区| 波多野结衣高清作品| 99热全是精品| 网址你懂的国产日韩在线| 黑人高潮一二区| 精品人妻熟女av久视频| 欧美高清成人免费视频www| 亚洲乱码一区二区免费版| 一夜夜www| 欧美国产日韩亚洲一区| 两个人的视频大全免费| 亚洲av一区综合| 亚洲国产精品国产精品| 亚洲欧美精品自产自拍| 日韩欧美免费精品| 国产又黄又爽又无遮挡在线| 日韩欧美 国产精品| 日韩强制内射视频| 男人狂女人下面高潮的视频| 欧美绝顶高潮抽搐喷水| 男人舔女人下体高潮全视频| 高清毛片免费观看视频网站| 联通29元200g的流量卡| 大型黄色视频在线免费观看| 成人漫画全彩无遮挡| 成年女人毛片免费观看观看9| 看十八女毛片水多多多| 99热只有精品国产| 简卡轻食公司| 日韩国内少妇激情av| 久久精品夜夜夜夜夜久久蜜豆| 久久九九热精品免费| 可以在线观看毛片的网站| 久久欧美精品欧美久久欧美| 日本a在线网址| 亚洲在线观看片| 成人毛片a级毛片在线播放| 黄色视频,在线免费观看| 晚上一个人看的免费电影| 日本黄大片高清| 日韩,欧美,国产一区二区三区 | av在线老鸭窝| 久久精品91蜜桃| 欧美一区二区国产精品久久精品| 午夜精品国产一区二区电影 | 日韩大尺度精品在线看网址| 99国产极品粉嫩在线观看| 精品久久久久久久末码| a级一级毛片免费在线观看| 亚洲精品日韩av片在线观看| 日韩欧美精品免费久久| 人人妻人人看人人澡| 午夜a级毛片| 午夜精品在线福利| 麻豆一二三区av精品| 男女下面进入的视频免费午夜| 美女cb高潮喷水在线观看| 久久亚洲国产成人精品v| 日韩欧美一区二区三区在线观看| 午夜精品在线福利| 午夜精品一区二区三区免费看| 国产高清视频在线播放一区| 免费大片18禁| 天堂网av新在线| 国产一区二区在线观看日韩| 午夜爱爱视频在线播放| 黄色日韩在线| 中国国产av一级| 久久精品国产鲁丝片午夜精品| ponron亚洲| 69人妻影院| 久久久精品大字幕| 日韩欧美精品v在线| 久久久色成人| 伦理电影大哥的女人| 长腿黑丝高跟| 晚上一个人看的免费电影| 成人毛片a级毛片在线播放| av卡一久久| 中文字幕av在线有码专区| 日韩欧美一区二区三区在线观看| 一级黄片播放器| 日本成人三级电影网站| 成人特级av手机在线观看| 亚洲美女搞黄在线观看 | 久久精品夜色国产| 看十八女毛片水多多多| 亚洲精品粉嫩美女一区| 国产单亲对白刺激| 99久久久亚洲精品蜜臀av| 卡戴珊不雅视频在线播放| 亚洲丝袜综合中文字幕| 看非洲黑人一级黄片| 在线免费十八禁| 国产探花极品一区二区| 精品乱码久久久久久99久播| 成年免费大片在线观看| 国内精品美女久久久久久| 嫩草影院新地址| 中文字幕久久专区| 少妇被粗大猛烈的视频| 国产美女午夜福利| av福利片在线观看| 欧美性猛交╳xxx乱大交人| 久久人妻av系列| 一级a爱片免费观看的视频| 国产欧美日韩一区二区精品| h日本视频在线播放| 欧美性猛交黑人性爽| 国产精品永久免费网站| av天堂在线播放| 亚洲四区av| 久久久久国产精品人妻aⅴ院| 九九热线精品视视频播放| 日本在线视频免费播放| 婷婷精品国产亚洲av在线| 久久九九热精品免费| 国产白丝娇喘喷水9色精品| 色综合站精品国产| 尤物成人国产欧美一区二区三区| 日韩av不卡免费在线播放| 在线观看午夜福利视频| 日日摸夜夜添夜夜添av毛片| 亚洲18禁久久av| 精品久久久久久成人av| 日本五十路高清| 1024手机看黄色片| 大香蕉久久网| 亚洲最大成人av| 精品人妻一区二区三区麻豆 | 日韩av在线大香蕉| 国产精品不卡视频一区二区| 99久久中文字幕三级久久日本| 成年女人毛片免费观看观看9| 亚洲成人久久性| 国产成人a∨麻豆精品| 天堂av国产一区二区熟女人妻| 日韩制服骚丝袜av| 干丝袜人妻中文字幕| 身体一侧抽搐| 美女内射精品一级片tv| 日韩在线高清观看一区二区三区| 国产高清视频在线观看网站| 亚洲国产精品国产精品| 国产精品无大码| 午夜激情欧美在线| 不卡一级毛片| 夜夜爽天天搞| 成人永久免费在线观看视频| 亚洲内射少妇av| 国产综合懂色| 国内揄拍国产精品人妻在线| 麻豆乱淫一区二区| 亚洲第一区二区三区不卡| 夜夜爽天天搞| 欧美绝顶高潮抽搐喷水| 国国产精品蜜臀av免费| 一本精品99久久精品77| 91av网一区二区| 一级黄片播放器| 亚洲成人久久性| 久久久久九九精品影院| 久久精品国产亚洲av涩爱 | 我要搜黄色片| 午夜免费男女啪啪视频观看 | 99热这里只有是精品50| 国产不卡一卡二| 欧美3d第一页| 亚洲激情五月婷婷啪啪| 国内精品宾馆在线| 亚洲经典国产精华液单| 日本爱情动作片www.在线观看 | 欧美一区二区亚洲| 亚洲丝袜综合中文字幕| 久久中文看片网| 内地一区二区视频在线| 亚洲真实伦在线观看| 国产片特级美女逼逼视频| 中文亚洲av片在线观看爽| 夜夜爽天天搞| 国产精品亚洲美女久久久| 成年女人永久免费观看视频| 又黄又爽又刺激的免费视频.| avwww免费| 免费看日本二区| 久久人人精品亚洲av| 三级毛片av免费| 国产免费一级a男人的天堂| 国产亚洲精品久久久com| 国产熟女欧美一区二区| 卡戴珊不雅视频在线播放| 久久久久国产精品人妻aⅴ院| 69人妻影院| 久久精品国产亚洲av涩爱 | 国产精品久久视频播放| 欧美人与善性xxx| 国产国拍精品亚洲av在线观看| 亚洲精品亚洲一区二区| 最近手机中文字幕大全| 国产成人一区二区在线| 国产精品久久久久久精品电影| 97超级碰碰碰精品色视频在线观看| 久久精品91蜜桃| 91久久精品国产一区二区成人| a级一级毛片免费在线观看| 丰满的人妻完整版| 啦啦啦啦在线视频资源| 国产免费一级a男人的天堂| 久久久久国内视频| 熟妇人妻久久中文字幕3abv| 99在线人妻在线中文字幕| 国产大屁股一区二区在线视频| 欧美日韩精品成人综合77777| 在线免费观看不下载黄p国产| av.在线天堂| 夜夜爽天天搞| 国产探花极品一区二区| 乱人视频在线观看| 成人精品一区二区免费| 国产欧美日韩精品亚洲av| 国产色爽女视频免费观看| 色综合亚洲欧美另类图片| 精品日产1卡2卡| 午夜福利18| 99热全是精品| 久久久久久九九精品二区国产| 免费搜索国产男女视频| 精品国内亚洲2022精品成人| 日本黄大片高清| 日本 av在线| 亚洲成a人片在线一区二区| 大型黄色视频在线免费观看| 亚洲欧美日韩高清专用| 国产精品亚洲一级av第二区| 夜夜爽天天搞| 人妻制服诱惑在线中文字幕| 舔av片在线| 亚洲av中文字字幕乱码综合| 亚洲av成人av| 乱码一卡2卡4卡精品| 香蕉av资源在线| 精品久久久久久久久久久久久| 亚洲欧美成人综合另类久久久 | 国产男人的电影天堂91| 乱码一卡2卡4卡精品| 热99在线观看视频| 精品99又大又爽又粗少妇毛片| 亚洲国产精品sss在线观看| 日本黄色片子视频| 午夜福利高清视频| 日韩亚洲欧美综合| 三级国产精品欧美在线观看| 毛片女人毛片| 亚洲人成网站在线播放欧美日韩| 精品久久久久久久末码| 亚洲经典国产精华液单| 免费搜索国产男女视频| 国产毛片a区久久久久| 丝袜美腿在线中文| 婷婷亚洲欧美| 天美传媒精品一区二区| 搡老熟女国产l中国老女人| 九九热线精品视视频播放| 午夜视频国产福利| 久久久久久大精品| 午夜免费男女啪啪视频观看 | 可以在线观看毛片的网站| 国产精品一区二区三区四区久久| 一本精品99久久精品77| 97超视频在线观看视频| 十八禁国产超污无遮挡网站| 高清日韩中文字幕在线| 乱码一卡2卡4卡精品| av免费在线看不卡| 国产综合懂色| 丰满人妻一区二区三区视频av| 色尼玛亚洲综合影院| 丰满的人妻完整版| 日韩欧美国产在线观看| 亚洲av免费在线观看| 精品久久久噜噜| 少妇的逼好多水| 真人做人爱边吃奶动态| 亚洲无线在线观看| 97超碰精品成人国产| 最近视频中文字幕2019在线8| 亚洲成av人片在线播放无| 国产精品女同一区二区软件| 久久久久国产网址| 国产精品久久视频播放| 亚洲中文字幕日韩| 男人和女人高潮做爰伦理| 亚洲成人久久性| 国产人妻一区二区三区在| 国产女主播在线喷水免费视频网站 | 久久久久久久午夜电影| 亚洲国产精品国产精品| 免费av毛片视频| 国产高清三级在线| 亚洲熟妇中文字幕五十中出| 亚洲三级黄色毛片| 国产精品日韩av在线免费观看| 久久久精品大字幕| 哪里可以看免费的av片| 国产欧美日韩精品一区二区| 久久久久久大精品| 国产精品亚洲美女久久久| 成人午夜高清在线视频| 欧美最新免费一区二区三区| 亚洲va在线va天堂va国产| 婷婷色综合大香蕉| av福利片在线观看| 老熟妇仑乱视频hdxx| a级毛片a级免费在线| 精品99又大又爽又粗少妇毛片| 少妇高潮的动态图| 精品乱码久久久久久99久播| 91精品国产九色| 国产毛片a区久久久久| 97人妻精品一区二区三区麻豆| 毛片一级片免费看久久久久| 日日摸夜夜添夜夜添小说| 亚洲av.av天堂| 精品无人区乱码1区二区| 不卡一级毛片| 在现免费观看毛片| 国产午夜精品论理片| 亚洲国产精品成人综合色| 国产成人精品久久久久久| 亚洲精品456在线播放app| 精品午夜福利在线看| av在线亚洲专区| 给我免费播放毛片高清在线观看| 最好的美女福利视频网| 真实男女啪啪啪动态图| 日本爱情动作片www.在线观看 | 一a级毛片在线观看| 国产av麻豆久久久久久久| 色播亚洲综合网| 亚洲成人久久性| 色av中文字幕| a级毛片免费高清观看在线播放| 国产高清不卡午夜福利| 99热6这里只有精品| 久久99热这里只有精品18| 久久亚洲国产成人精品v| 禁无遮挡网站| 精品久久久久久久久亚洲| 日韩大尺度精品在线看网址| 亚洲国产精品成人综合色| 亚洲精品亚洲一区二区| 国产在视频线在精品| 偷拍熟女少妇极品色| 亚洲中文字幕一区二区三区有码在线看| 极品教师在线视频| 男女边吃奶边做爰视频| 成人亚洲欧美一区二区av| 久久99热6这里只有精品| 欧美精品国产亚洲| 亚洲av五月六月丁香网| 99热全是精品| 精品午夜福利在线看| 看十八女毛片水多多多| 久久久久性生活片| 久久久久久久久久黄片| 国产精品乱码一区二三区的特点| 亚洲成人久久爱视频| 香蕉av资源在线| 日韩国内少妇激情av| 成人av在线播放网站| www.色视频.com| 欧美+日韩+精品| 国产欧美日韩一区二区精品| 午夜a级毛片| 日韩成人伦理影院| 好男人在线观看高清免费视频| 国产精品福利在线免费观看|