Statistics for the calibration mode

Statistics for the calibration models developed for alcohol
strength and titratable acidity in apple wines using FT-NIR spectra
are shown in Table 2. Outliers in the calibration set were identified
and excluded based on extreme leverages (Lillhonga & Geladi,
2005). The lowest RMSECV and the highest R2c
in the calibration
set were obtained for alcohol strength (4.63 mL/L and 0.923) with
removal of 5 outliers, and titratable acidity (0.264 mg/L and 0.930)
with removal of 6 outliers. Generally, values of R2 greater than 0.9
indicate excellent quantitative information for calibration model
(Shenk &Westerhaus,1996). To improve the stability of the models,
the rank must be appropriately chosen to avoid overfit during
calibration. Fig. 4 shows the correlation between RMSECV and Rank
in calibration by PLS regression with leave-one-out validation,

ผลลัพธ์ (ไทย) 2:

สถิติสำหรับรุ่นการสอบเทียบการพัฒนาสำหรับเครื่องดื่มแอลกอฮอล์ที่มีความแข็งแรงและปริมาณกรดในไวน์แอปเปิ้ลใช้สเปกตรัม FT-NIR จะแสดงในตารางที่ 2 ค่าผิดปกติในการสอบเทียบที่กำหนดมีการระบุและการยกเว้นขึ้นอยู่กับยกระดับมาก(Lillhonga และ Geladi, 2005) RMSECV ต่ำสุดและสูงสุด R2C ในการสอบเทียบชุดที่ได้รับความแข็งแรงเครื่องดื่มแอลกอฮอล์ (4.63 มิลลิลิตร / ลิตรและ 0.923) โดยมีการกำจัดของ5 ค่าผิดปกติและปริมาณกรด (0.264 มิลลิกรัม / ลิตรและ 0.930) กับการกำจัดของ 6 ค่าผิดปกติ โดยทั่วไปค่า R2 มากกว่า 0.9 แสดงให้เห็นข้อมูลเชิงปริมาณที่ดีเยี่ยมสำหรับรูปแบบการสอบเทียบ(เหตุเกิดและ Westerhaus, 1996) เพื่อปรับปรุงเสถียรภาพของรุ่นที่ตำแหน่งจะต้องเลือกที่เหมาะสมเพื่อหลีกเลี่ยงการ overfit ในระหว่างการสอบเทียบ รูป 4 แสดงให้เห็นความสัมพันธ์ระหว่าง RMSECV และยศในการสอบเทียบโดยการถดถอยPLS กับลาหนึ่งออกตรวจสอบ

ผลลัพธ์ (ไทย) 3:

สถิติสําหรับการสอบเทียบแบบจำลองสำหรับการพัฒนาความแข็งแรงและปริมาณแอลกอฮอล์
กรดในแอปเปิ้ลไวน์ใช้ ft-nir Spectra
แสดงในตารางที่ 2 ผิดปกติในการตั้งค่าที่ถูกระบุและแยกตามงานมาก
( lillhonga & geladi
, 2005 ) การ rmsecv ต่ำสุดและสูงสุดในการ r2c

ชุดได้เพื่อความแข็งแรงแอลกอฮอล์ ( / L และ 0.923 4.63 กรัม ) กับ
การกำจัด 5 ระดับและปริมาณกรด ( 0.264 มก. / ล. และ 0.930 )
กับการกำจัด 6 ระดับ . โดยทั่วไปแล้ว ค่า R2 มากกว่า 0.9
แสดงข้อมูลเชิงปริมาณที่ยอดเยี่ยมสำหรับการสอบเทียบแบบจำลอง
( เชง& westerhaus , 1996 ) เพื่อปรับปรุงเสถียรภาพของแบบจำลอง
อันดับต้องเหมาะสมเลือกที่จะหลีกเลี่ยง overfit ในระหว่าง
สอบเทียบ รูปที่ 4 แสดงให้เห็นถึงความสัมพันธ์ระหว่าง rmsecv และอันดับ
ในการสอบเทียบโดยการปล่อยออกมาด้วยกรุณาตรวจสอบ