Для оценки закупочной цены молодых побегов чая Эньши Юлу использованы данные спектроскопии ближней ИК области и модель искусственной нейронной сети с обратным распространением ошибок в сочетании с методом частичных наименьших квадратов, использующим алгоритм обратного интервала. Наиболее информативные с точки зрения цены чайных побегов спектральные интервалы в ближней ИК области спектра 5700.5-5935.8, 7613.6-7848.9, 8091.8-8327.1, 8331-8566.2, 9287.5-9522.5 и 9526.6-9761.9 см-1 выбраны с помощью метода частичных наименьших квадратов, использующего алгоритм обратного интервала. Первые пять главных компонент, которые объясня 670-2 ют 99.96% изменчивости в выбранных спектральных интервалах, использованы для калибровки обратного распространения ошибки в искусственной нейронной сети, моделирующей закупочную цену чайных побегов. Характеристики этой модели (коэффициент детерминации для прогноза 0.9724, среднеквадратическая ошибка прогноза 4.727) оказались выше характеристик модели, использующей нейронную сеть с обратным распространением ошибок (коэффициент детерминации для прогнозирования 0.8653, среднеквадратическая ошибка предсказания 5.125), и модели, основанной на методе частичных наименьших квадратов и алгоритме обратного интервала (коэффициент детерминации для прогнозирования 0.5932, среднеквадратическая ошибка предсказания 25.125). Модель закупочной цены, основанная на искусственной нейронной сети с обратным распространением ошибок в комбинации с методом частичных наименьших квадратов, использующим алгоритм обратного интервала, позволяет оценить стоимость побегов чая Эньши Юлу точно, быстро и объективно.
Near infrared spectroscopy and the back propagation artificial neural network model in conjunction with backward interval partial least squares algorithm were used to estimate the purchasing price of Enshi yulu young tea shoots. The near infrared spectra regions most relevant to the tea shoots price model (5700.5-5935.8, 7613.6-7848.9, 8091.8-8327.1, 8331-8566.2, 9287.5-9522.5, and 9526.6-9761.9 cm-1) were selected using backward interval partial least squares algorithm. The first five principal components that explained 99.96% of the variability in those selected spectral data were then used to calibrate the back propagation artificial neural tea shoots purchasing price model. The performance of this model (coefficient of determination for prediction 0.9724; root mean square error of prediction 4.727) was superior to those of the back propagation artificial neural model (coefficient of determination for prediction 0.8653, root mean square error of prediction 5.125) and the backward interval partial least squares model (coefficient of determination for prediction 0.5932, root mean square error of prediction 25.125). The acquisition price model with the combined backward interval partial least squares-back propagation artificial neural network algorithms can evaluate the price of Enshi yulu tea shoots accurately, quickly and objectively.
The authors declare that there are no conflicts of interest present.