Partial Least-Squares Regression An

Partial Least-Squares Regression Analysis. A PLSR model was used to predict the added starch concentration in onion powder. The samples were categorized on the basis of the adulterant concentration, and a PLSR model was developed using the preprocessed spectra of samples from both FT-NIR and FT-IR spectroscopy. The highest correlation coefficient value, Rp 2 , of 0.98 with a standard error of prediction (SEP) of 1.18% was observed by using the SNV-preprocessed FT-NIR

ผลลัพธ์ (ไทย) 1:

วิเคราะห์การถดถอยกำลังสองน้อยสุดบางส่วน แบบจำลอง PLSR ถูกใช้เพื่อทำนายความเข้มข้นเพิ่มแป้งในผงหัวหอม ตัวอย่างถูกแบ่งตามความเข้มข้น adulterant และรุ่น PLSR ถูกพัฒนาโดยใช้สเปกตรัมประมวลผลล่วงหน้าของตัวอย่างจาก FT NIR และสเปกโทรสโก IR ฟุต พบว่า ค่าสัมประสิทธิ์สหสัมพันธ์สูงสุด Rp 2, 0.98 มาตรฐานมีข้อผิดพลาดของการคาดการณ์ (SEP) ร้อยละ 1.18 โดย FT NIR preprocessed เข็ม

ผลลัพธ์ (ไทย) 2:

บางส่วนอย่างน้อยสี่เหลี่ยมการวิเคราะห์การถดถอย รูปแบบ PLSR ถูกใช้ในการคาดการณ์ความเข้มข้นของแป้งเพิ่มเข้ามาในผงหัวหอม ตัวอย่างถูกแบ่งบนพื้นฐานของความเข้มข้นเจือปนและรุ่น PLSR ได้รับการพัฒนาโดยใช้สเปกตรัม preprocessed ตัวอย่างจากทั้ง FT-NIR และ FT-IR สเปกโทรสโก ค่าสูงสุดค่าสัมประสิทธิ์สหสัมพันธ์, รูเปียห์ที่ 2, 0.98 มีข้อผิดพลาดมาตรฐานของการทำนาย (SEP) 1.18% เป็นที่สังเกตโดยใช้ SNV-preprocessed FT-NIR

ผลลัพธ์ (ไทย) 3:

การวิเคราะห์การถดถอยกำลังสองน้อยที่สุดบางส่วน . เป็น plsr แบบจำลองที่ใช้ทำนายเพิ่มความเข้มข้นในผงแป้งหอม ตัวอย่างเปรียบเทียบบนพื้นฐานของสิ่งเจือปน ความเข้มข้น และ plsr รูปแบบถูกพัฒนาขึ้นโดยใช้ preprocessed สเปกตรัม FT-IR spectroscopy และตัวอย่างจากทั้ง ft-nir . ค่าสัมประสิทธิ์สหสัมพันธ์สูงสุดที่ดี 2 , 0.98 มีความคลาดเคลื่อนมาตรฐานของการพยากรณ์ ( ก.ย. ) พบว่า ร้อยละ 1.18 โดย snv preprocessed ft-nir