CN119492696A 基于链式集成模型的烤烟水分和色素含量预测方法及系统 （中国农业科学院烟草研究所(中国烟草总公司青州烟草研究所)）_第1页
CN119492696A 基于链式集成模型的烤烟水分和色素含量预测方法及系统 （中国农业科学院烟草研究所(中国烟草总公司青州烟草研究所)）_第2页
CN119492696A 基于链式集成模型的烤烟水分和色素含量预测方法及系统 （中国农业科学院烟草研究所(中国烟草总公司青州烟草研究所)）_第3页
CN119492696A 基于链式集成模型的烤烟水分和色素含量预测方法及系统 （中国农业科学院烟草研究所(中国烟草总公司青州烟草研究所)）_第4页
CN119492696A 基于链式集成模型的烤烟水分和色素含量预测方法及系统 （中国农业科学院烟草研究所(中国烟草总公司青州烟草研究所)）_第5页
已阅读5页，还剩25页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

基于链式集成模型的烤烟水分和色素含量于链式集成模型的烤烟水分和色素含量预测方对烟叶烘烤过程中的水分和色素含量进行多指2S1、采集烟叶在不同烘烤阶段的近红外光谱原始S3、将不同的预处理方法获得的数据与不同的回归方S4、将筛选出的预处理方法与不同的特征波2.根据权利要求1所述的基于链式集成模型的烤烟水分和色素含量预测方法，其特征3.根据权利要求1所述的基于链式集成模型的烤烟水分和色素含量预测方法，其特征;4.根据权利要求1所述的基于链式集成模型的烤烟水分和色素含量预测方法，其特征;3。5.根据权利要求1所述的基于链式集成模型的烤烟水分和色素含量预测方法，其特征;k在总数;6.根据权利要求2所述的基于链式集成模型的烤烟水分和色素含量预测方法，其特征对光谱数据分别基于八种预处理方法进行预处理，再结合三种建7.根据权利要求1所述的基于链式集成模型的烤烟水分和色素含量预测方法，其特征主成分分析法PCA和独立向量相似性谱分确定最优子模型的方法为，各个特征波段预测模型即为候选子8.根据权利要求1所述的基于链式集成模型的烤烟水分和色素含量预测方法，其特征;49.根据权利要求8所述的基于链式集成模型的烤烟水分和色素含量预测方法，其特征型参数空间内达到更高预测准确率的参数组合，参数包括PLSR的主成分数、SVR的惩罚系迭代终止条件还包括达到最大迭代次数，或者链式集成模型的预测结果的5的测定则主要采用烘干称重法，即通过烟叶样本的初始重量与干燥后重量的差值来确定。6;;。7;总数据集D中的比例qk，然后按照该比例从每个类别中随机选取相应数量的样本放入训练;;89;;。;总数据集D中的比例qk，然后按照该比例从每个类别中随机选取相应数量的样本放入训练;;配置好基于链式集成模型的烤烟水分和色素含量预测系统后，打开计算机（PC;;;;型，并与全波段建模效果对比，确定水分和色素含量预测的最优子模型，全谱（全波段，FULL）所建立的水分和色素含量预测模型均获得了更全面和准确的最优模型。对于水分含2最佳，且采用PLSR_GS+D1st模型并选择19个主成分时模型效果最好，其测试集决定系数和[0039]部分全波段预测模型的色素含量预测对比情况如图2所示，部分全波段预测模型素含量预测的最优子模型，使用第二个模型的输出和原始特征结合作为新特征进行预测。的最优参数为n_components=21，RF的最优参数分别为n_estimators=20和max_depth=13。

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论