Software and numerical data treatme

Software and numerical data treatment

Nicolet TQ Analyst Version 7 (Thermo Fisher Scientific, Madison, WI, USA) chemometric software was used to construct the PLS models and to perform the quantitative analysis of macronutrients and dry matter in commercial cow milk samples. Principal component analysis (PCA) was performed using PLS Toolbox (ver. 6.2, Eigenvector Research, Wenatchee, WA, USA) in Matlab (ver. 7.0.4, MathWorks, Natwick, MA, USA) environment. Fast Fourier transform (FFT) filter was applied to de-noise Raman spectra recorded with the resolution of 8 cm−1 (an example of the original and smoothed spectrum is shown in Fig. S1 of supplementary material). Spectral data were mean-centred and normalised using the MVN algorithm [26]. To characterise and compare the predictive abilities of calibration models, the relative standard errors of prediction (RSEP) were calculated according to the following formula:

ผลลัพธ์ (ไทย) 1:

ซอฟต์แวร์และรักษาข้อมูลตัวเลขซอฟต์แวร์ chemometric Nicolet TQ นักวิเคราะห์รุ่น 7 (เทอร์โม Fisher วิทยาศาสตร์ เมดิสัน WI สหรัฐอเมริกา) ถูกใช้ เพื่อสร้างรูปแบบกรุณา และเพื่อทำการวิเคราะห์เชิงปริมาณของการรับ และแห้งในตัวอย่างนมวัวค้า วิเคราะห์ส่วนประกอบหลัก (PCA) ที่ดำเนินการโดยใช้เครื่องมือกรุณา (ในไม่ที่ 6.2, Eigenvector วิจัย Wenatchee, WA สหรัฐอเมริกา) ในสภาพแวดล้อมของ Matlab (ไม่ 7.0.4, MathWorks, Natwick, MA สหรัฐอเมริกา) ใช้ตัวกรอง (FFT) การแปลงฟูรีเยได้อย่างรวดเร็วการ de-noise แรมสเป็คตรารามันที่บันทึก ด้วยความละเอียดของ cm−1 8 (ตัวอย่างของคลื่นเดิม และปรับให้โค้งจะแสดงในฟิกการ S1 วัสดุเสริม) ข้อมูลสเปกตรัมได้ค่าเฉลี่ยเป็นศูนย์ และ normalised โดยใช้อัลกอริธึม MVN [26] Characterise และเปรียบเทียบความสามารถคาดการณ์การปรับเทียบแบบจำลอง ข้อผิดพลาดมาตรฐานสัมพัทธ์ของการคาดการณ์ (RSEP) ได้คำนวณตามสูตรต่อไปนี้:

ผลลัพธ์ (ไทย) 2:

ซอฟแวร์และการรักษาข้อมูลตัวเลขเลขอบคุณนักวิเคราะห์รุ่นที่ 7 (เทอร์โมฟิชเชอร์วิทยาศาสตร์แมดิสัน, WI, สหรัฐอเมริกา) ซอฟแวร์ chemometric ถูกใช้ในการสร้างแบบจำลอง PLS และจะดำเนินการวิเคราะห์เชิงปริมาณของธาตุอาหารหลักและแห้งในตัวอย่างนมวัวในเชิงพาณิชย์ การวิเคราะห์องค์ประกอบหลัก (PCA) ได้รับการดำเนินการโดยใช้กล่องเครื่องมือ PLS (Ver. 6.2, วิคเตอร์วิจัย Wenatchee, WA, USA) ใน Matlab (Ver. 7.0.4, MathWorks, Natwick, MA, USA) สภาพแวดล้อม ฟูริเยร์ได้อย่างรวดเร็ว (FFT) ตัวกรองถูกนำมาใช้เพื่อ de รามันสเปกตรัมเสียงที่บันทึกด้วยความละเอียด 8 ซม-1 (ตัวอย่างของคลื่นความถี่เดิมและเรียบแสดงในรูป. S1 ของวัสดุเสริม) ข้อมูลสเปกตรัมคือค่าเฉลี่ยเป็นศูนย์กลางและปกติโดยใช้อัลกอริทึม mvn [26] ลักษณะและเปรียบเทียบความสามารถในการคาดการณ์ของรูปแบบการสอบเทียบข้อผิดพลาดมาตรฐานสัมพัทธ์ของการทำนาย (RSEP) จะถูกคำนวณตามสูตรต่อไปนี้:

ผลลัพธ์ (ไทย) 3:

ซอฟต์แวร์และข้อมูลตัวเลขการรักษา

nicolet TQ นักวิเคราะห์รุ่น 7 ( เทอร์โมฟิชเชอร์ทางวิทยาศาสตร์ , Madison , WI , USA ) คีโมเมตริกซ์ซอฟต์แวร์ที่ใช้ในการสร้างโมเดล และกรุณาแสดงการวิเคราะห์ปริมาณธาตุในตัวอย่างวัวนมแห้งเชิงพาณิชย์ . การวิเคราะห์องค์ประกอบหลัก ( PCA ) คือการใช้กรุณากล่องเครื่องมือ ( Ver . 6.2 , วิจัย , WA Wenatchee เวกเตอร์ลักษณะเฉพาะ , ,ประเทศสหรัฐอเมริกา ) ใน MATLAB ( Ver . 7.0.4 natwick แมธเวิร์คส์ , , , MA , USA ) สภาพแวดล้อม การแปลงฟูรีเยอย่างเร็ว ( FFT ) กรองใช้ de เสียงรามัญสเปกตรัมบันทึกที่มีความละเอียด 8 cm − 1 ( ตัวอย่างของเดิมและเรียบสเปกตรัมแสดงในรูปที่ S1 ของวัสดุเสริม ) ข้อมูลสเปกตรัมคือ กลางหลังและใช้อัลกอริทึม mvn [ 26 ]ให้นักศึกษา และเปรียบเทียบความสามารถของแบบจำลองการทำนายการสอบเทียบมาตรฐานความคลาดเคลื่อนสัมพัทธ์ของการพยากรณ์ ( rsep ) คำนวณตามสูตรต่อไปนี้ :