为解决光谱数据差异导致模型不稳定的问题,研究了不同批次中式菜肴营养素含量预测模型的传递方法。以间隔3个月制作的番茄炒蛋样本为例,采集光谱数据并利用理化方法测定蛋白质含量(每批次120个样本);选择预测效果较好的第二批次模型作...为解决光谱数据差异导致模型不稳定的问题,研究了不同批次中式菜肴营养素含量预测模型的传递方法。以间隔3个月制作的番茄炒蛋样本为例,采集光谱数据并利用理化方法测定蛋白质含量(每批次120个样本);选择预测效果较好的第二批次模型作为主模型,将分段直接标准化(Piecewise Direct Standardization,PDS)算法、模型更新(Model Updating,MP)和斜率/截距(Slope/Bias,S/B)修正法联合(PDS-MP-S/B)用于菜肴类模型传递,分析不同PDS窗口数和标准集数对预测结果的影响。当PDS窗口数为11且标准集数为100时,PDS-MP-S/B算法对蛋白质含量的预测结果明显优于无模型传递和单独使用3种算法时,预测模型的预测集决定系数R^(2)(Pred)为0.9628,相对预测偏差(Relative Prediction Deviation,RPD)为5.6731,预测均方根误差(Root Mean Square Errorof Prediction,RMSEP)为0.3157。从光谱、模型、结果三个方面实现了模型传递,提高了模型的通用性,减少了建模成本,为中式菜肴的快检提供了理论支持。展开更多
文摘为解决光谱数据差异导致模型不稳定的问题,研究了不同批次中式菜肴营养素含量预测模型的传递方法。以间隔3个月制作的番茄炒蛋样本为例,采集光谱数据并利用理化方法测定蛋白质含量(每批次120个样本);选择预测效果较好的第二批次模型作为主模型,将分段直接标准化(Piecewise Direct Standardization,PDS)算法、模型更新(Model Updating,MP)和斜率/截距(Slope/Bias,S/B)修正法联合(PDS-MP-S/B)用于菜肴类模型传递,分析不同PDS窗口数和标准集数对预测结果的影响。当PDS窗口数为11且标准集数为100时,PDS-MP-S/B算法对蛋白质含量的预测结果明显优于无模型传递和单独使用3种算法时,预测模型的预测集决定系数R^(2)(Pred)为0.9628,相对预测偏差(Relative Prediction Deviation,RPD)为5.6731,预测均方根误差(Root Mean Square Errorof Prediction,RMSEP)为0.3157。从光谱、模型、结果三个方面实现了模型传递,提高了模型的通用性,减少了建模成本,为中式菜肴的快检提供了理论支持。
