目的比较不同算法对桂枝茯苓胶囊内容物吸湿性预测模型性能的影响,确定最优建模算法。方法以54个物理性质参数为输入,胶囊内容物吸湿性为输出,对比偏最小二乘算法(partial least squares,PLS)、决策树算法(classification and regressio...目的比较不同算法对桂枝茯苓胶囊内容物吸湿性预测模型性能的影响,确定最优建模算法。方法以54个物理性质参数为输入,胶囊内容物吸湿性为输出,对比偏最小二乘算法(partial least squares,PLS)、决策树算法(classification and regression tree,CART)、多元自适应回归样条算法(multivariate adaptive regression splines,MARS)和广义路径追踪算法(generalized path seeker,GPS)对建立吸湿性预测模型性能的影响。结果MARS算法建立的预测模型性能最佳,预测能力最强,模型的校正集决定系数(R2c)为0.843,预测集决定系数(R2p)为0.808,校正集均方根误差(root mean square error of calibration,RMSEC)为0.391,预测集均方根误差(root mean square error of prediction,RMSEP)为0.472,平均相对预测误差为2.69%,小于5%。结论MARS算法建立的吸湿性预测模型更适合桂枝茯苓胶囊的生产应用,该算法可嵌入在线控制系统,为生产过程的质量控制智能化提供技术支持。展开更多
文摘目的比较不同算法对桂枝茯苓胶囊内容物吸湿性预测模型性能的影响,确定最优建模算法。方法以54个物理性质参数为输入,胶囊内容物吸湿性为输出,对比偏最小二乘算法(partial least squares,PLS)、决策树算法(classification and regression tree,CART)、多元自适应回归样条算法(multivariate adaptive regression splines,MARS)和广义路径追踪算法(generalized path seeker,GPS)对建立吸湿性预测模型性能的影响。结果MARS算法建立的预测模型性能最佳,预测能力最强,模型的校正集决定系数(R2c)为0.843,预测集决定系数(R2p)为0.808,校正集均方根误差(root mean square error of calibration,RMSEC)为0.391,预测集均方根误差(root mean square error of prediction,RMSEP)为0.472,平均相对预测误差为2.69%,小于5%。结论MARS算法建立的吸湿性预测模型更适合桂枝茯苓胶囊的生产应用,该算法可嵌入在线控制系统,为生产过程的质量控制智能化提供技术支持。
