水分是牧草最为重要的品质属性,水分含量的多少直接影响牧草品质的变化.羊草(Leymus chinensis)因富含重要的维生素、蛋白质、中性洗涤纤维、酸性洗涤纤维、脂肪等家畜必需营养成分,在收获和储藏过程中极易受到生长地的水、土、气等的影响而发生营养成分损失或变质,因此为了有效降低冗余无信息变量,提高羊草水分含量近红外模型的预测精度和稳定性,本研究采用4种光谱特征区间选择方法,包括间隔偏二乘法(Interval partial least-squares regression,iPLS)、向后区间偏最小二乘法(Backward interval PLS,BiPLS)、联合区间偏最小二乘法(Synergy interval PLS,SiPLS)、和连续投影算(Successive projections algorithm,SPA)建立羊草水分含量的预测模型.结果表明:SiPLS方法最适合用于羊草水分含量特征波长的筛选,其次为BiPLS方法,最差的方法为iPLS,同时,相对分析误差(Residual predictive deviation,RPD)=2.648>2.50.这表明SiPLS的近红外光谱模型在预测羊草水分含量的应用上完全可行,预测精度在96.13％ 以上.
NETL
NSTL
万方数据
维普
