LS-SVM和BP-ANN在草莓糖度NIR检测中的应用

作者：牛晓颖; 赵志磊; 张晓瑜

来源：农机化研究, 2013, (05): 204-207.

DOI：10.13427/j.cnki.njyi.2013.05.001

• 草莓
• 糖度
• 近红外
• 最小二乘支持向量机
• 反向传播人工神经网络
• 潜在变量 strawberry
• soluble solid content
• near infrared spectroscopy
• Least squares-support vector machine
• back propagation-artificial neural networks
• latent variables

为了提高草莓糖度近红外光谱定量模型的性能,采用偏最小二乘法提取的潜在变量作为最小二乘—支持向量机和反向传播人工神经网络的输入变量,建立了草莓糖度的近红外定量模型,并与偏最小二乘模型结果进行了比较,建模所使用的光谱范围为6 000～9 000 cm-1。结果表明,所建立的最小二乘—支持向量机和反向传播人工神经网络定量模型的校正性能、预测性能和稳定性均优于偏最小二乘定量模型,最优模型为前10个潜在变量得分作为输入变量的最小二乘—支持向量机模型,其校正和预测相关系数分别为0.957和0.951,校正和预测均方根误差分别为0.279%和0.272%,剩余预测偏差为3.23,与以往研究文献相比,获得了较...