遗传算法在DDGS 蛋白含量预测中的应用
DDGS 是一种优质蛋白质饲料原料，受加工工艺、原料配比等影响，DDGS 蛋白含量具有一定的变异性，这对于其市场定价与日常日粮配制十分不利，有必要研究建立其蛋白含量快速测定方法。本试验从全国收集了212 个DDGS 代表性样品，应用遗传算法（GA）结合偏最小二乘（PLS）算法（GA-PLS）建立了基于不同预处理的近红外反射光谱的DDGS 蛋白含量预测模型。经多元散射校正（MSC）预处理后的GA-PLS 模型预测精度最高，其定标相关系数（Rc）为0.93，定标相对标准差（SEC）为0.95，全交互验证相关系数为0.92，全交互验证相对标准差（SECV）为1.05，预测相关系数为（Rv）为0.95，预测相对标准差（SEP）为0.83，相对分析误差（RPD）为3.3。结果表明，运用GA-PLS 算法建立DDGS 蛋白含量预测模型是可行的，通过此算法选择近红外光谱特征波长，既可以简化DDGS 蛋白预测模型，同时能够提高模型预测精度。
近红外反射光谱 遗传算法 偏最小二乘 DDGS饲料 蛋白含量 预测模型
周兴藩 杨增玲 黄光群 刘贤 韩鲁佳
中国农业大学工学院,北京 100083
国内会议
重庆
中文
1-5
2011-10-22（万方平台首次上网日期，不代表论文的发表时间）