決定系數(shù)
- 連江黃岐灣三倍體福建牡蠣灣內(nèi)、外養(yǎng)殖群體的形態(tài)差異分析
接通徑系數(shù)和決定系數(shù)[10-11]。2 結(jié)果與分析2.1 形態(tài)性狀經(jīng)過K-S檢驗,6組數(shù)據(jù)均符合正態(tài)分布(P>0.05)。從表1看出,三倍體福建牡蠣灣外養(yǎng)殖群體除了殼高小于灣內(nèi)組外,其余5個指標均大于灣內(nèi)組;灣內(nèi)、外兩組三倍體福建牡蠣在殼長、全重和肥滿度3個指標上存在顯著差異(P表1 三倍體福建牡蠣灣內(nèi)、外兩個群體形態(tài)的方差分析Tab.1 ANOVA analysis of morphological parameters between 2 popula
漁業(yè)研究 2023年5期2023-10-10
- 不同月齡光棘球海膽幼膽殼形態(tài)性狀對體質(zhì)量的影響效果分析
徑分析,計算決定系數(shù),分析殼高、殼徑對體質(zhì)量的直接作用和間接作用,并建立回歸方程。xi通過xj對yn的間接通徑系數(shù)(Pxixj)的計算公式為:式中,rij為變量間相關(guān)系數(shù),Pjy為xj到y(tǒng)n的直接通徑系數(shù)。依據(jù)相關(guān)分析和通徑系數(shù)計算單個性狀對體質(zhì)量的直接決定系數(shù)(di)和兩個性狀對體質(zhì)量的共同決定系數(shù)(dij),計算公式為:2 結(jié)果與分析2.1 6 月齡與18 月齡光棘球海膽的三個數(shù)量性狀間的表型相關(guān)分析兩組不同月齡的光棘球海膽的殼徑、殼高、體質(zhì)量的平均值
水產(chǎn)學(xué)雜志 2023年4期2023-09-06
- 扇貝“渤海紅”形態(tài)性狀對體質(zhì)量性狀的影響效果分析
體質(zhì)量性狀的決定系數(shù)。根據(jù)相關(guān)系數(shù)的組成效應(yīng),可將貝殼各形態(tài)性狀與體質(zhì)量性狀的相關(guān)系數(shù)剖分為各性狀的直接作用Pi和各性狀通過其他性狀的間接作用rijPj兩個部分,即rij=Pi+∑rijPj。表1 扇貝“渤海紅”各性狀的表型統(tǒng)計量(n=90)表2 扇貝“渤海紅”各性狀間的表型相關(guān)系數(shù)單個性狀對體質(zhì)量性狀的決定系數(shù)為di=Pi2。兩個性狀對體質(zhì)量性狀的共同決定系數(shù)dij=2rijPiPj。2 結(jié)果和分析2.1 各性狀的表型參數(shù)統(tǒng)計量扇貝“渤海紅”各性狀的數(shù)據(jù)
水產(chǎn)科技情報 2023年3期2023-05-23
- 麥哲倫扇貝形態(tài)性狀與體質(zhì)量相關(guān)性及通徑分析
)。1.3 決定系數(shù)計算方法利用相關(guān)系數(shù)和通徑系數(shù),計算出各形態(tài)性狀對體質(zhì)量的決定系數(shù),計算公式[21]如下:di=Pi2(1)dij=2rij×Pi×Pj(2)式中,di為形態(tài)性狀對體質(zhì)量的單參數(shù)決定系數(shù),dij為某兩個形態(tài)性狀對體質(zhì)量的共同決定系數(shù),rij為2個形態(tài)性狀之間的相關(guān)系數(shù),Pi為第1個性狀對體質(zhì)量的通徑系數(shù),Pj為第2個性狀對體質(zhì)量的通徑系數(shù)。1.4 數(shù)據(jù)處理測量得到的試驗數(shù)據(jù)用SPSS 22.0軟件統(tǒng)計分析[22]。計算平均值、標準偏差、
水產(chǎn)科學(xué) 2023年3期2023-05-18
- 數(shù)字圖像技術(shù)在草原植被生長狀況監(jiān)測中的應(yīng)用
性回歸分析,決定系數(shù)(R2)反應(yīng)生長狀況指標通過回歸關(guān)系被色彩參數(shù)解釋的比例,即回歸中可解釋離差平方和與總離差平方和之比值,其結(jié)果介于0到1之間,越接近1,回歸擬合效果越好。具體見表2。在統(tǒng)計學(xué)中對變量進行線性回歸分析,采用最小二乘法進行參數(shù)估計,從表2可以看出,植被生長狀況指標與色彩參數(shù)進行線性回歸,決定系數(shù)(R2)均大于0.6。其中,覆蓋率指標與3個色彩參數(shù)的線性回歸的決定系數(shù)最高,均大于0.8,單位面積株樹與3個色彩參數(shù)的線性回歸的決定系數(shù)最低,均未
貴州大學(xué)學(xué)報(自然科學(xué)版) 2023年1期2023-04-06
- 基于人工智能預(yù)測巖體條件對TBM 掘進速度的影響研究
度,本文選擇決定系數(shù)(R2)、平均絕對誤差(MAE)、均方根誤差(RMSE)和相對平方根誤差(RRSE)等統(tǒng)計指標。其計算方程式如下:式中:n 為數(shù)據(jù)總數(shù);Xm、Xp分別為測量值和預(yù)測值;X 為測量值的平均值。3.2 GMDH 模型3.2.1 參數(shù)設(shè)置為得到最優(yōu)模型,根據(jù)試錯策略,本文將隱藏層層數(shù)設(shè)置為1 層,單層神經(jīng)元總數(shù)限制在3 個以內(nèi)。輸入?yún)?shù)為UCS、RQD 和DPW,輸出參數(shù)為TBM 的掘進速度ROP,見圖6。圖6 GMDH 預(yù)測模型網(wǎng)絡(luò)結(jié)構(gòu)3.
陜西水利 2023年2期2023-03-15
- 成對數(shù)據(jù)的統(tǒng)計分析常見題型研究
模型,它們的決定系數(shù)R2如下,其中擬合效果最好的模型是( ).A.模型1的決定系數(shù)R2為0.98B.模型2的決定系數(shù)R2為0.80C.模型3的決定系數(shù)R2為0.50D.模型4的決定系數(shù)R2為0.25(2)因為y=-0.2x+3的斜率小于0,故x與y負相關(guān).因為y與z正相關(guān),可設(shè)z=by+a,b>0,則z=by+a=-0.2bx+3b+a,所以x與z負相關(guān),故選C.(3)在兩個變量y與x的回歸模型中,它們的決定系數(shù)R2越接近1,模型擬合效果越好,在四個選項中
高中數(shù)理化 2023年1期2023-02-24
- 基于草地分類的草產(chǎn)量建模與數(shù)表編制方法研究
根據(jù)模型擬合決定系數(shù)和曲線形式篩選適合的模型,采用80%的觀測數(shù)據(jù)做建模樣本組,20%的觀測數(shù)據(jù)做檢驗樣本。表2 草產(chǎn)量擬合備選模型Table 2 Alternative models for grass yield fitting1.2.2 啞變量設(shè)置 啞變量是虛擬的分類變量,用變量δ(x,i或j)表示成關(guān)于定性因子的(0,1)展開,即關(guān)于δ(x,i或j)=(δ(x,1),δ(x,2),……,δ(x,m)),其中一個定性變量(m個等級)對應(yīng)一個向量,一個
草原與草坪 2022年5期2023-01-29
- 小麥近紅外光譜數(shù)據(jù)預(yù)處理*
方誤差損失和決定系數(shù)作為評價指標。2.3 實驗結(jié)果及分析圖1為小麥近紅外光譜數(shù)據(jù)曲線,縱坐標為樣本中小麥蛋白質(zhì)含量。圖2為小麥近紅外光譜數(shù)據(jù)預(yù)處理后的曲線圖像,縱坐標為光譜曲線數(shù)據(jù)進行預(yù)處理后的相對數(shù)值。圖1 小麥近紅外光譜數(shù)據(jù)曲線圖2 小麥近紅外光譜數(shù)據(jù)預(yù)處理后的曲線圖3為原始數(shù)據(jù)擬合效果,圖4為預(yù)處理后數(shù)據(jù)擬合效果。對比圖3與圖4,顯而易見,數(shù)據(jù)預(yù)處理后的模型擬合效果明顯優(yōu)于原始數(shù)據(jù)擬合效果。圖3 原始數(shù)據(jù)擬合效果圖4 預(yù)處理后數(shù)據(jù)擬合效果從數(shù)據(jù)來看,
科學(xué)與信息化 2022年24期2023-01-05
- 羅氏沼蝦野生和養(yǎng)殖群體形態(tài)性狀對體重的影響
對體重的單獨決定系數(shù)與性狀間的共同決定系數(shù),總決定系數(shù)等于與之和,同時計算所篩選出的形態(tài)性狀對體重的決定系數(shù)。根據(jù)分析結(jié)果,運用逐步回歸法,剔除偏回歸系數(shù)不顯著的自變量,篩選出達到顯著或極顯著水平的自變量,運用多元回歸分析法,得出自變量對因變量的最優(yōu)多元回歸方程。2 結(jié)果2.1 形態(tài)性狀參數(shù)的統(tǒng)計分析羅氏沼蝦野生和養(yǎng)殖群體形態(tài)性狀參數(shù)估計值如表1所示。由表可知,野生和養(yǎng)殖群體內(nèi)形態(tài)性狀變異系數(shù)最大的均是BW性狀,每個群體的BW性狀均具有較大的選育潛力,其中
淡水漁業(yè) 2022年5期2022-10-01
- 地鐵車輪多邊形磨耗對輪軌系統(tǒng)動力特性的影響
線性擬合,用決定系數(shù)R2來評價線性擬合優(yōu)度,即式中:yi為樣本真實值;為樣本的平均值;yi為樣本預(yù)測值;n為樣本數(shù)量。R2越接近1,線性擬合預(yù)測效果越好,并稱為樣本的復(fù)相關(guān)系數(shù),R越大,線性相關(guān)性越強[22]。一般認為當R≥0.8 時,2 個變量之間高度相關(guān);當0.5≤R從圖7可以看出:在3種磨耗情況下,磨耗1,2 和3 的R2a分別為0.09,0.85 和0.76,可見磨耗2和磨耗3不圓時變率與軸箱垂向加速度的決定系數(shù)較高,線性相關(guān)性也較強。磨耗1情況下
中南大學(xué)學(xué)報(自然科學(xué)版) 2022年8期2022-09-21
- 中國圓田螺形態(tài)形狀對體質(zhì)量的影響
狀對體質(zhì)量的決定系數(shù),最后經(jīng)多元回歸分析,構(gòu)建中國圓田螺形態(tài)性狀對體質(zhì)量的多元回歸方程。2 結(jié)果與分析2.1 中國圓田螺形態(tài)性狀的統(tǒng)計分析由表1 可知,不同地點采集的中國圓田螺的各個形態(tài)性狀均存在顯著差異(P表1 廣西4個地點采集的中國圓田螺形態(tài)性狀測定Tab.1 The morphological traits of C.chinensis in four locations of Guangxi2.2 中國圓田螺形態(tài)性狀與體質(zhì)量的相關(guān)性分析由表2 可知
河南農(nóng)業(yè)科學(xué) 2022年7期2022-09-16
- 某流域年均含沙量的非線性回歸分析
數(shù)的估計為:決定系數(shù)R2為:其中SSE成為殘差平方和;SST稱為總離差平方和;yadv代表因變量yi的平均值。R2的值代表了考慮的回歸模型所解釋的Y的可變性[9]。換句話說,R2更大的模型表明對數(shù)據(jù)集的擬合良好程度較高。但是,當給模型增加自變量時,復(fù)決定系數(shù)也隨之逐步增大,因為殘差自由度等于樣本個數(shù)與參數(shù)個數(shù)之差。自由度小意味著估計和預(yù)測的可靠性低。這表明當一個回歸方程設(shè)計的自變量很多時,回歸模型的擬合從表面上看是良好的,而區(qū)間預(yù)測和區(qū)間估計的精確度卻變得
吉林水利 2022年8期2022-09-08
- 疲勞統(tǒng)計學(xué)智能化的進一步研究
時就必須要用決定系數(shù)大小來作為標準。這個標準也可作為衡量各算法結(jié)果“優(yōu)劣”的標準。進一步還需研究各參數(shù)的“置信區(qū)間”問題。但研究表明,同時給出這3個參數(shù)的置信區(qū)間是有困難的。因此,本文不僅給出了解決擬合“優(yōu)劣”的標準問題,同時也給出了威布爾分布在某種可靠度下每一點(即疲勞壽命)的置信區(qū)間的一個智能化解決方案,而這恰恰也是人們在實際工作中最需要的。1 相關(guān)系數(shù)和決定系數(shù)一般情況下此文說到相關(guān)系數(shù)都是指皮爾遜相關(guān)系數(shù)(Pearson Correlation C
航空學(xué)報 2022年8期2022-09-07
- 應(yīng)力波無損檢測技術(shù)定量評價木構(gòu)件材料性能研究
數(shù)學(xué)表達式和決定系數(shù)如圖3所示。由圖3可以得知:花旗松彈性模量與應(yīng)力波測得的動態(tài)彈性模量之間有統(tǒng)計上的線性關(guān)系,其回歸方程為E=0.612 1ρv2+3 526.2,決定系數(shù)為R2=0.525 3,決定系數(shù)R2>0.5,為強相關(guān)。圖3 抗彎彈性模量-動彈性模量(ρv2)關(guān)系由此可見,通過應(yīng)力波測得的動態(tài)彈性模量可以推測材料的彈性模量。通過回歸分析,得到0.001<P-value<0.010,具有非常顯著的意義。研究表明,應(yīng)力波屬低頻率波,傳播距離長,能對大
建筑施工 2022年6期2022-09-06
- 稻谷水分近紅外光譜預(yù)測模型特征波長篩選
能力。以模型決定系數(shù)RCAL2和模型交叉驗證決定系數(shù)RCV2,優(yōu)化稻谷水分預(yù)測模型。RCAL2和RCV2,越接近1越好[15]。1.3 數(shù)據(jù)處理試驗數(shù)據(jù)采用OPUS 7.5、Unscrambler 10.4和Oringin 9.5.0處理分析和作圖。2 結(jié)果與分析2.1 稻谷樣品水分測定結(jié)果不同水分的稻谷樣品分布圖和樣品正態(tài)分布曲線圖,見圖1。稻谷樣品的水分在8.52%~25.76%之間,且稻谷樣品的水分主要分布于10%~16%,水分小于10%和大于19%
食品工業(yè) 2022年7期2022-08-04
- 羅氏沼蝦形態(tài)性狀對體長影響的通徑分析
.387)、決定系數(shù)(0.150)以及在3個回歸方程中的標準偏回歸系數(shù)均為最大值。因此,在大規(guī)模生產(chǎn)實踐中,根據(jù)羅氏沼蝦親本的體長進行選留有一定的理論依據(jù)。筆者在此基礎(chǔ)上,運用相關(guān)分析、多元回歸分析、通徑分析等方法對羅氏沼蝦體長與形態(tài)性狀如全長、頭胸甲寬、第6腹節(jié)寬、第2腹節(jié)高、尾節(jié)長等9個形態(tài)性狀之間的關(guān)系進行進一步探討,以期在羅氏沼蝦快速生長專門化品系建立中提高目標性狀的選擇與利用品系的配套組合,為羅氏沼蝦的定向培育及更深層次研究提供測量指標。1 材料
水產(chǎn)科學(xué) 2022年3期2022-06-08
- 殼寬型毛蚶F1 代表型性狀相關(guān)性研究
、通徑系數(shù)和決定系數(shù)進行通徑分析和決定分析的計算。2 結(jié)果與分析2.1 描述性統(tǒng)計根據(jù)表1 可知,殼寬型毛蚶表型性狀X、X、X、X、Y、Y平均值都大于對照組各性狀平均值,兩組殼寬平均值相差最大,為2.55 mm,容量指數(shù)相差最小,為0.05。殼寬型中,各性狀變異系數(shù)大小依次為Y>Y>X>X>X>X,其中,軟體重的變異系數(shù)最明顯,為19.80%;對照組中,各性狀變異系數(shù)大小依次為Y>Y>X>X>X>X,通過比較發(fā)現(xiàn),軟體重的變異系數(shù)最大,為24.00%。表型
天津農(nóng)業(yè)科學(xué) 2022年5期2022-05-29
- 基于主成分回歸的土壤有機質(zhì)高光譜特性分析
評價:(1)決定系數(shù)R2。包括建模決定系數(shù)、交叉檢驗絕對系數(shù)和預(yù)測絕對系數(shù)。(2)均方根誤差。包括建模均方根誤差Rc、交叉檢驗均方根誤差Rcv和預(yù)測均方根誤差Rp。計算公式如下所示:(1)(2)(3)式中,Ym和Yp分別表示實測值和預(yù)測值;Nc、Ncv、Np分別表示建模、交叉檢驗和預(yù)測樣本數(shù)。(3)預(yù)測相對偏差Rpd。當Rpd>2時,回歸模型具有極好的預(yù)測能力;當1.4模型的決定系數(shù)R2和預(yù)測相對偏差Rpd越大,均方根誤差Rc、Rcv、Rp越小,說明模型的
北京測繪 2022年4期2022-05-18
- G7代二齡泥蚶生長性狀的相關(guān)性和通徑分析
和軟體部重的決定系數(shù)分析決定系數(shù)反映的是各自變量對因變量的決定程度。分別以泥蚶全重和軟體部重為因變量,形態(tài)性狀為自變量,根據(jù)決定系數(shù)公式計算出泥蚶形態(tài)性狀對全重和軟體部重的決定系數(shù),結(jié)果見表4。表4 泥蚶形態(tài)性狀對全重和軟體部重的決定系數(shù)殼長、殼高、殼寬對全重的直接決定程度分別為8.8%、6.1%、22.9%。在間接決定系數(shù)中,殼寬和殼長、殼寬和殼高、殼高和殼長對全重的決定程度分別為24.5%、20.8%、13.6%。此外,殼長、殼高和殼寬3個形態(tài)性狀對全
集美大學(xué)學(xué)報(自然科學(xué)版) 2022年2期2022-05-01
- 基于管道模型理論的長白落葉松葉生物量與徑向生長關(guān)系研究
關(guān)系,兩者的決定系數(shù)均達到了0.90 以上,其中胸高斷面積的決定系數(shù)略高于胸徑的決定系數(shù)。單木枝下高直徑和枝下高斷面積與單木葉生物量同樣均成明顯的線性關(guān)系,兩者的決定系數(shù)均達到了0.89 以上,其中枝下高斷面積的決定系數(shù)略高于枝下高直徑的決定系數(shù)。由圖2 可知,胸高邊材面積與葉生物量也呈現(xiàn)明顯的線性關(guān)系,其決定系數(shù)達到0.863 5,說明胸高邊材與葉生物量存在較好的相關(guān)性,不過略低于胸徑、胸高斷面積、枝下高直徑、枝下高斷面積的決定系數(shù)。本研究中邊材是通過顏
林業(yè)科學(xué)研究 2022年2期2022-03-25
- Python在RLC串聯(lián)諧振實驗數(shù)據(jù)處理中的應(yīng)用
誤差回歸損失決定系數(shù)與階數(shù)的關(guān)系曲線如圖5所示[12,13]。頻率/kHz由上圖5可知,R=330 Ω時均方誤差回歸損失第一組數(shù)據(jù)在階數(shù)為6時最佳,擬合決定系數(shù)為0.59,對應(yīng)的六階擬合曲線如圖6所示。頻率/kHz第二組數(shù)據(jù)均方誤差回歸損失決定系數(shù)與階數(shù)的關(guān)系曲線如圖7所示。由上圖7可知,R=330 Ω時均方誤差回歸損失第二組數(shù)據(jù)在階數(shù)為4時最佳,且決定系數(shù)為0.92,大于第一組數(shù)據(jù)0.59,可見第二組數(shù)據(jù)更精確。利用均分誤差回歸與階數(shù)的對應(yīng),比較擬合曲線
大學(xué)物理實驗 2022年6期2022-03-03
- 基于可見/近紅外光譜技術(shù)的板栗產(chǎn)地識別*
栗產(chǎn)地識別的決定系數(shù)為0.859,驗證集決定系數(shù)為0.839,校正集和驗證集的均方根誤差分別為0.188和0.204。經(jīng)過SNV光譜預(yù)處理后,校正集決定系數(shù)提高了2.8%,均方根誤差減少了9.0%,但驗證集的決定系數(shù)提高不明顯,僅為1.0%左右,而均方根誤差也僅減少了3.4%。相較于SNV,一階導(dǎo)數(shù)光譜預(yù)處理可以進一步提高校正集和驗證集的決定系數(shù),其決定系數(shù)分別為0.884和0.863,比原始光譜建立的PLSDA模型均提高2.9%,同時,校正集和驗證集的均
中國農(nóng)機化學(xué)報 2021年12期2022-01-19
- 皮氏蛾螺形態(tài)性狀對體質(zhì)量與軟體部質(zhì)量的相關(guān)性及通徑分析
量性狀的直接決定系數(shù)和間接決定系數(shù),最后以回歸方程中的形態(tài)性狀為自變量,質(zhì)量性狀為因變量分別進行曲線模型擬合,篩選各關(guān)鍵形態(tài)性狀對質(zhì)量性狀的最優(yōu)擬合模型。單一自變量對因變量的決定系數(shù)(di)計算公式為(2)其中,Pi為該自變量對因變量的通徑系數(shù)。兩個自變量對因變量的共同決定系數(shù)(dij)計算公式為dij=2rijPiPj。(3)其中:rij為兩個自變量間的相關(guān)系數(shù);Pi和Pj分別為兩個自變量對因變量的通徑系數(shù)。2 結(jié)果與分析2.1 皮氏蛾螺各形態(tài)性狀的描述
大連海洋大學(xué)學(xué)報 2021年6期2022-01-10
- 傅里葉中紅外光譜儀檢測車用汽油芳烴和烯烴的應(yīng)用
值法和相關(guān)性決定系數(shù)法進行數(shù)據(jù)分析。1.3 絕對誤差法、誤差平均值法、相關(guān)性決定系數(shù)法的定義絕對誤差法:標準方法及氣相色譜儀檢測方法數(shù)據(jù)與中紅外光譜儀數(shù)據(jù)的絕對誤差。誤差平均值法:絕對誤差的絕對值加和后取平均值,以此來判定隨著數(shù)據(jù)庫樣本數(shù)量的擴充,中紅外光譜儀測得的數(shù)據(jù)與標準數(shù)據(jù)的誤差是否逐漸在縮小。相關(guān)性決定系數(shù)法:通過以標準數(shù)據(jù)為X軸、擴充不同樣本量的數(shù)據(jù)庫測得的中紅外光譜儀數(shù)據(jù)為Y軸分別做散點圖,添加趨勢線,得出相關(guān)性決定系數(shù)R2值。2 實驗結(jié)果與討
石油庫與加油站 2021年5期2021-12-31
- 剔除土壤背景對反演玉米根域土壤含水率的影響研究
測精度。采用決定系數(shù)R2、均方根誤差RMSE和相對誤差RE這3 個指標評價模型預(yù)測值和實測值擬合的結(jié)果,從而評價模型的精度。若R2越趨近于1,RMSE和RE越小,說明模型精度越好。公式如下。2 結(jié)果與分析2.1 土壤含水率與冠層光譜相關(guān)性分析對五天內(nèi)測得的12個小區(qū)的土壤含水率以及同時獲得的6個波段光譜反射率進行相關(guān)性分析,結(jié)果見圖2。圖2 剔除土壤背景前后的6個波段反射率與不同深度含水率的相關(guān)性矩陣圖Fig.2 Correlation matrix of
節(jié)水灌溉 2021年12期2021-12-28
- 五種鯉形態(tài)性狀與體質(zhì)量相關(guān)性及形態(tài)差異分析
用通徑系數(shù)、決定系數(shù)分析確定了影響黑龍江野鯉Cyprinus carpio haematopterus、黃河鯉、松浦鏡鯉Cyprinus carpio Songpu mirror、易捕鯉(Easy caught carp)以及元江鯉Cyprinus carpio yuankiang 體質(zhì)量的主要性狀,分析量化各形態(tài)性狀對體質(zhì)量的直接和間接影響。隨后利用單因素方差分析及聚類分析等方法分析了黑龍江野鯉、黃河鯉、松浦鏡鯉、易捕鯉和元江鯉五個鯉群體的形態(tài)差異,為鯉
水產(chǎn)學(xué)雜志 2021年4期2021-10-18
- 蓮子含水率近紅外光譜檢測模型構(gòu)建
模型,驗證集決定系數(shù)高達0.980 6。Guzmán等[7]發(fā)現(xiàn)近紅外視覺系統(tǒng)可用于橄欖離線檢測和在線分選,可以快速區(qū)分不符合最低質(zhì)量要求的產(chǎn)品。彭云發(fā)等[8]采集了南疆紅棗近紅外光譜數(shù)據(jù)并建立了PLS模型,結(jié)果表明,預(yù)測值平均偏差為0.41%,實現(xiàn)了南疆紅棗水分的快速檢測。陳琳等[9]利用多種方法分別構(gòu)建紅茶含水率預(yù)測模型。結(jié)果表明,利用聯(lián)合區(qū)間偏最小二乘法構(gòu)建的含水率預(yù)測模型效果更優(yōu),其預(yù)測集的相關(guān)系數(shù)和均方根誤差分別為0.959 3和0.039 5,
食品研究與開發(fā) 2021年18期2021-10-13
- 7家醫(yī)院核醫(yī)學(xué)人員操作核素情況的調(diào)查
觀察指標用決定系數(shù)d判定某工作人員是否需要進行內(nèi)照射個人監(jiān)測。當決定系數(shù)d≥1 mSv時,需要進行內(nèi)照射個人監(jiān)測,計算決定系數(shù)d的公式為式中:Aj為1 a內(nèi)工作場所核素j總的活度,單位為Bq;e(g)j,inh為核素j吸入狀況下的劑量系數(shù)(AMAD=5 μm),單位為Sv·Bq-1,吸入狀態(tài)下99Tcm、131I、18F、89Sr劑量系數(shù)(AMAD=5 μm)分別為2.0×10-11、1.1×10-8、8.9×10-11、1.4×10-9Sv·Bq-1[
河南醫(yī)學(xué)研究 2021年16期2021-07-19
- 正則化與ELM結(jié)合用于光伏發(fā)電功率預(yù)測
誤差MSE與決定系數(shù)R2。(5)決定系數(shù),也稱為判定系數(shù)或者是擬合優(yōu)度。當R2趨近于1時,說明相關(guān)方程越值得參考;相反,趨近于0時,說明相關(guān)的方程沒有參考的意義。在多元回歸分析中,決定系數(shù)是通徑系數(shù)的平方,其表達式為:(6)式中:SST為總平方和;SSR為回歸平方和;SSE為殘差平方和。SST=SSR+SSE,擬合優(yōu)度越大,自變量對因變量的解釋程度越高,觀察點在回歸直線附近越密集。決定系數(shù):為0時,表示模型效果跟瞎猜差不多;為1時,表示模型擬合度較好;在0
電氣自動化 2021年3期2021-06-10
- 基于冠層高光譜遙感的雜交水稻植被指數(shù)氮素營養(yǎng)診斷模型
性分析,利用決定系數(shù)(r2)確定每個氮素營養(yǎng)模型(LNC反演模型、LNA反演模型和APNA反演模型)的最優(yōu)波段組合。以最優(yōu)波段組合構(gòu)建的植被指數(shù)為自變量,以氮素營養(yǎng)指標為因變量進行回歸分析構(gòu)建反演模型,包括線性函數(shù)模型、指數(shù)函數(shù)模型、對數(shù)函數(shù)模型、冪函數(shù)模型、拋物線函數(shù)模型。利用含量梯度法[14]將數(shù)據(jù)集按2∶1的比例分為建模集和測試集,每個氮素營養(yǎng)指標獲得構(gòu)建模型和測試模型的數(shù)據(jù)分別為60個和30個。利用相關(guān)指數(shù)(R2)、均方根誤差(RMSE)和相對誤差
中國稻米 2021年3期2021-06-04
- 利用高光譜估算博斯騰湖西岸湖濱綠洲土壤有機質(zhì)含量
最優(yōu),驗證集決定系數(shù)(R2)達0.84。石樸杰等[12]探討農(nóng)田土壤有機質(zhì)含量時發(fā)現(xiàn)光譜數(shù)據(jù)經(jīng)矢量歸一化校正和一階微分變換后,構(gòu)建的PLSR模型預(yù)測效果顯著,決定系數(shù)為0.91。林鵬達等[13]運用多元逐步回歸(MSR)與PLSR方法構(gòu)建黑土土壤有機質(zhì)高光譜估算模型,建模效果均顯著,R2≥0.75,均方根誤差(RMSE)≤0.25。土壤光譜反射率與土壤理化性質(zhì)有著緊密的聯(lián)系。呂雄杰等[14]對自然條件下不同水分含量黃棕壤光譜特征進行了研究,試驗結(jié)果表明在可
中國土壤與肥料 2021年1期2021-03-29
- 日本烏賊(Sepiella japonica)形態(tài)性狀與體質(zhì)量的相關(guān)性及通徑分析
體質(zhì)量的單一決定系數(shù)與共同決定系數(shù)。所有參數(shù)計算公式如下[14]:Pearson 相關(guān)系數(shù)的計算公式:rxy=;間接通徑系數(shù):Piy=Rij×Pjy,Rij為性狀i 與性狀j 的相關(guān)系數(shù),Pjy為性狀j 的通徑系數(shù);通過相關(guān)系數(shù)與通徑系數(shù)計算性狀的決定系數(shù),決定系數(shù)分為單一決定系數(shù)與共同決定系數(shù),單個決定系數(shù)共同決定系數(shù)dij=2rij×Pi×Pj;變異系數(shù)為標準差與平均值的比值。2 結(jié)果與分析2.1 性狀的表型統(tǒng)計量日本烏賊10 個形態(tài)性狀與體質(zhì)量數(shù)據(jù)如
水產(chǎn)養(yǎng)殖 2021年2期2021-02-24
- 基于Python語言路徑分析矩陣算法運演
矩陣算法計算決定系數(shù)和完成F檢驗,以期進一步說明路徑系數(shù)的意義。2 路徑回歸系數(shù)計算2.1 路徑回歸是標準化的偏回歸系數(shù)的推導(dǎo)y=b0+b1x1+…+bn xn+e其中bi是自變量xi對因變量y的偏回歸系數(shù)。由于各自變量本身變異程度和量綱的不同,使得偏回歸系數(shù)絕對值并不能準確反映相應(yīng)自變量對依變量相對貢獻的大小。為此需將各偏回歸系數(shù)標準化,即用相應(yīng)自變量的標準差與因變量的標準差之比去乘以各偏回歸系數(shù),因而路徑系數(shù)為標準的偏回歸系數(shù)pyxi,即為自變量對因變
電腦與電信 2021年10期2021-02-10
- 基于“三邊”參數(shù)的冬小麥冠層SPAD值監(jiān)測模型
型,且模型的決定系數(shù)達到了0.788;姚付啟等[13]指出了傳統(tǒng)紅邊參數(shù)及新紅邊參數(shù)與冬小麥SPAD值在不同生育期均具有良好相關(guān)性.由此可以看出利用“三邊”參數(shù)建立植株葉綠素含量的估算模型是可行的,但是目前采用“三邊”參數(shù)構(gòu)建冬小麥葉綠素含量估算模型的研究成果較少.主成分分析法是一種高維綜合評價方法,通過對原有指標進行線性變換和舍棄部分信息,以消除各指標間相互影響,從而提高模型模擬精度.在采用主成分分析方法構(gòu)建光譜模型方面,朱西存等[14]利用6個光譜指數(shù)
排灌機械工程學(xué)報 2021年1期2021-01-19
- 高光譜估測稻葉SPAD值預(yù)處理方法與模型比較
AD值,依據(jù)決定系數(shù)R2、均方根誤差值(root means quare error,RMSE)及相對分析誤差(residual predictive deviation,RPD)來檢驗?zāi)P偷木扰c可靠性,篩選模型。PLSR、SVR、RFR模型于Python3環(huán)境編譯實現(xiàn),采用train_test_splitt()函數(shù)劃分訓(xùn)練集和驗證集,驗證集數(shù)量為樣本數(shù)的25%,采用ShuffleSplit()函數(shù)進行隨機置換交叉驗證,份數(shù)K=10,采用Grid-Sea
江西農(nóng)業(yè)大學(xué)學(xué)報 2020年6期2021-01-08
- NIRS法定量分析多年生苦蕎葉片蛋白質(zhì)與GABA含量
其預(yù)測模型的決定系數(shù)為0.948 1,交叉驗證均方根為0.68[7]。陳龍等研究使用近紅外技術(shù)在線監(jiān)測γ-氨基丁酸制備過程,所建立模型的決定系數(shù)為86.32%[1]。目前,利用近紅外光譜法研究蕎麥葉片蛋白和GABA含量還未見報道。本文利用傅里葉變換近紅外漫反射光譜技術(shù)測定222份多年生苦蕎葉片的近紅外光譜,采用偏最小二乘回歸法對光譜數(shù)據(jù)進行分析,構(gòu)建蕎麥蛋白質(zhì)和GABA近紅外分析模型,為實現(xiàn)多年生苦蕎葉片蛋白質(zhì)和GABA含量的快速檢測提供參考。1 實驗部分
光譜學(xué)與光譜分析 2020年8期2020-08-08
- 原棉短纖維率標樣驗證試驗分析研究報告
——第二部分:原棉短纖維率標樣的驗證試驗分析
9L線性相關(guān)決定系數(shù)由0.896提高至0.953,回歸標準差由1.66降低至1.09;去除標樣E1后,Y111羅拉法與XJ129L線性相關(guān)決定系數(shù)由0.896提高至0.926,回歸標準差由1.66降低至1.10。圖3 所示為Y111羅拉法與XJ129L線性相關(guān)性分布情況2.2.1.2 Y111羅拉法與aQura表4所示為Y111羅拉法與aQura線性相關(guān)性分析匯總。從表4可知,去除標樣D1后,Y111羅拉法與aQura線性相關(guān)決定系數(shù)由0.766微調(diào)至0.
中國纖檢 2020年7期2020-07-22
- 玉米冠層LAI 反演中UAV 影像鏡面反射去除方法
合。本文選用決定系數(shù)(R2)和均方根誤差(RMSE)2 個指標來反映植被指數(shù)與ln(LAI)的相關(guān)性水平。其中RMSE 可以反映數(shù)據(jù)集的離散程度,其值越小,說明模型的精度越高。而R2表示了相關(guān)的密切程度,當R2越接近1 時,表示相關(guān)的方程式參考價值越高;相反,越接近0 時,表示參考價值越低。3 結(jié)果與分析3.1 小波變換閾值設(shè)置將提取的無人機影像樣本點的反射率與相同樣本點上PROSAIL 模型反演的反射率進行對比,如圖2 所示。從圖2 可以看出,原始影像的
農(nóng)業(yè)機械學(xué)報 2020年5期2020-07-07
- 基于光譜變換的冬小麥冠層SPAD值估算模型研究
型的評價選取決定系數(shù)R2、均方根誤差RMSE及平均絕對誤差MAE進行綜合評定。R2越大,RMSE和MAE越小,模型的精度越高。具體公式如下:(1)(2)(3)2 結(jié)果與分析2.1 不同施氮水平下冬小麥SPAD值的變化特征不同施氮水平下冬小麥冠層SPAD值見表2,隨著冬小麥生育期的推進,SPAD值呈先增加后降低的趨勢,在抽穗-灌漿期小麥冠層SPAD達到最高點為54.80;隨后降低,在灌漿-成熟期小麥冠層SPAD降至48.298,由于在灌漿期之后,冬小麥的營養(yǎng)
中國農(nóng)村水利水電 2020年3期2020-06-15
- 不同規(guī)格香港牡蠣殼形態(tài)性狀對重量性狀的影響
、通徑分析、決定系數(shù)和多元回歸分析等方法分析殼形態(tài)性狀對重量性狀的影響?!窘Y(jié)果】不同規(guī)格香港牡蠣的殼長、殼高和殼寬3個殼形態(tài)性狀與全重均呈極顯著正相關(guān)(P關(guān)鍵詞: 香港牡蠣;規(guī)格;殼形態(tài)性狀;全重;通徑分析;決定系數(shù)Abstract:【Objective】The main factors affecting the weight traits of Crassostrea hongkongensis were screened, and the optim
南方農(nóng)業(yè)學(xué)報 2020年4期2020-06-04
- 鵝掌楸人工林生長最優(yōu)模型選擇研究
合結(jié)果,選擇決定系數(shù)(R2)最高的為最優(yōu)生長模型,若決定系數(shù)相同,則以殘差平方和最小的模型為最優(yōu)[18]。2.3 模型驗證根據(jù)優(yōu)選出的數(shù)學(xué)模型,計算鵝掌楸各齡階胸徑、樹高及材積的理論值。采用F統(tǒng)計檢驗法、偏差統(tǒng)計量法以及預(yù)測精度檢驗法對鵝掌楸的胸徑、樹高和材積生長模型進行檢驗和評價[19]。3 結(jié)果與分析3.1 鵝掌楸胸徑生長模型選擇將鵝掌楸胸徑生長的實測數(shù)據(jù)依次采用Logistic、Webull、二次曲線等數(shù)學(xué)模型進行擬合,各數(shù)學(xué)模型的擬合方程及決定系數(shù)
亞熱帶植物科學(xué) 2020年1期2020-03-25
- 2種貝齡合浦珠母貝數(shù)量性狀的相關(guān)與通徑分析
;通徑分析;決定系數(shù)中圖分類號: S968.316.1? ? ? ? ? ? ? ? ? ? ? ? 文獻標志碼: A 文章編號:2095-1191(2020)10-2557-08Correlation and path analysis of quantitative traits of pearl oyster Pinctada fucata at two different agesCHEN Jian1,2, BAI Li-rong2, LUO Hu
南方農(nóng)業(yè)學(xué)報 2020年10期2020-01-21
- 大鱗鲃形態(tài)性狀與體質(zhì)量的相關(guān)性及通徑分析
通徑系數(shù)計算決定系數(shù),決定系數(shù)包括單個性狀對體質(zhì)量的決定系數(shù)和兩個性狀對體質(zhì)量的共同決定系數(shù)。運用逐步多元線性回歸法,通過偏回歸系數(shù)檢驗剔除不顯著的性狀,取偏回歸系數(shù)顯著的形態(tài)性狀對體質(zhì)量建立多元回歸方程,并對方程進行擬合度檢驗。相關(guān)計算方法參照文獻[24, 25] 的方法,數(shù)據(jù)間的比較以P2 結(jié)果與分析2.1 各性狀的表型參數(shù)所測280個大鱗鲃的表型數(shù)據(jù)資料經(jīng)初步整理后的結(jié)果見表1。單個性狀進行K-S正態(tài)分布檢驗,P值均大于0.05,說明每個性狀的數(shù)據(jù)服
長江大學(xué)學(xué)報(自科版) 2019年11期2019-11-19
- 基于不同光譜變換的土壤鉻含量反演研究
,并采用調(diào)整決定系數(shù)Ad-R2、均方根誤差RMSE、相對分析誤差RPD來評價模型的精度與穩(wěn)定性,通過F檢驗來判定數(shù)據(jù)總體是否符合線性正態(tài)誤差模型,結(jié)果見表1。表1 基于相關(guān)系數(shù)法的光譜變換PLSR模型參數(shù)注:(1)在表1中,出現(xiàn)了調(diào)整決定系數(shù)Ad-R2為負值的情況,是由于在使用多元回歸分析時,當模型中所使用的解釋變量較多,而樣本量不足時,對解釋變量過多帶來的懲罰就會很重,從而調(diào)整決定系數(shù)出現(xiàn)負值。(2)**表示回歸模型的線性關(guān)系達到Ad-R2顯著水平。結(jié)果
福建質(zhì)量管理 2019年17期2019-10-14
- 基于相關(guān)系數(shù)與決定系數(shù)的數(shù)據(jù)去重方法研究
相關(guān)系數(shù)與決定系數(shù)大數(shù)據(jù)時代的到來使統(tǒng)計學(xué)得到了創(chuàng)新與發(fā)展,在進行數(shù)據(jù)處理與一些模型評估時,相關(guān)系數(shù)和決定系數(shù)得到了廣泛的應(yīng)用。相關(guān)系數(shù)由英國統(tǒng)計學(xué)家Pearson首創(chuàng),因此稱為Pearson相關(guān)系數(shù),它是依據(jù)積差方法計算的,因此又稱為積差相關(guān)系數(shù)或積矩相關(guān)系數(shù),一般以兩變量與各自平均值的離差為基礎(chǔ),通過兩個離差相乘來反映兩變量之間的相關(guān)程度[6],其計算公式(二元相關(guān))為:(1)相關(guān)系數(shù)的絕對值越大,相關(guān)性越強:相關(guān)系數(shù)越接近于1或-1,相關(guān)度越強,相
數(shù)字制造科學(xué) 2019年3期2019-10-10
- 3種野生珍珠貝表型性狀比較及通徑分析
對經(jīng)濟性狀的決定系數(shù),為珍珠貝新品種的開發(fā)及親貝的挑選工作提供數(shù)據(jù)參考。1 材料與方法1.1 試驗材料3種野生珍珠貝(合浦珠母貝、黑珠母貝和射肋珠母貝)均為2018年5月采集于海南省三亞市西島附近海域,從總數(shù)量超過5 000只的3種野生珍珠貝中挑選體型端正、規(guī)格較大的100只個體。1.2 試驗方法對上述采集的3種野生珍珠貝清除其表面附著物并刷洗干凈,用精確度為0.01 mm的數(shù)顯卡尺測量其殼長(x1,mm)、殼高(x2,mm)、殼寬(x3,mm)和絞合線長
廣東農(nóng)業(yè)科學(xué) 2019年1期2019-04-13
- 基于750 kV變電站低頻噪聲的人體感受模型研究
HA關(guān)系曲線決定系數(shù)均大于0.99,與MA關(guān)系曲線決定系數(shù)均大于0.98,并且其線性回歸模型決定系數(shù)均大于0.93,因此選取這5種聲學(xué)參量進行多元線性回歸分析,建立適用于變電站噪聲的主觀煩惱(%HA,MA)多元線性回歸模型(見表4)。由表4可知,采用5種聲學(xué)參量建立的變電站噪聲%HA多元線性回歸模型為%HA=-0.028SPL-0.011LAeq+0.04LN-0.54R5+0.017N5-1.027,MA模型為MA=-0.07SPL-0.421LAeq+
山西建筑 2019年6期2019-03-06
- 1齡三角帆蚌殼形態(tài)性狀對體質(zhì)量的通徑分析
徑分析并計算決定系數(shù)。通過逐步回歸法,剔除偏回歸系數(shù)不顯著的性狀,建立最優(yōu)多元回歸方程,并對方程進行顯著性檢驗。體質(zhì)量(y)的回歸方程采用的線性模型[19]為y=b0+b1x1+b2x2+…+bixi。其中:y為因變量;b0為常數(shù)項;xi為自變量;bi為對應(yīng)的偏回歸系數(shù)。偏回歸系數(shù)bi是有單位屬性的,無法直接進行比較,因此,對bi的分子、分母分別除以y和xi的標準差,得到從自變量xi到因變量y的直接通徑系數(shù)Pyi xi,即Pyi xi=biσxi/σy。2
大連海洋大學(xué)學(xué)報 2018年6期2019-01-12
- 巖原鯉形態(tài)性狀與體質(zhì)量的相關(guān)性及通徑分析
元回歸分析及決定系數(shù)分析已廣泛應(yīng)用于水生經(jīng)濟動物選育相關(guān)的基礎(chǔ)研究[18-22]。筆者利用相關(guān)分析和通徑分析,對影響巖原鯉體質(zhì)量的主要形態(tài)性狀進行判別,分析量化各形態(tài)性狀的直接作用和間接作用,通過采用逐步回歸的方法,建立了巖原鯉幼魚形態(tài)性狀與體質(zhì)量間的最優(yōu)多元線性回歸方程,篩選出最優(yōu)擬合模型,為巖原鯉群體選育提供基礎(chǔ)數(shù)據(jù)。1 材料與方法1.1 材料試驗于2017年11月在金沙江溪洛渡向家壩水電站珍稀特有魚類增殖放流站開展,試驗魚為放流站自行繁育的6月齡巖原
水產(chǎn)科學(xué) 2018年6期2018-12-06
- 無人機多光譜遙感反演花蕾期棉花光合參數(shù)研究
行擬合,采用決定系數(shù)R2、均方根誤差RMSE和相對誤差RE等3個指標評價模型精度。R2越接近1,RMSE和RE越小說明模型效果越好。(1)(2)(3)2 結(jié)果與分析2.1 不同水分處理下光合參數(shù)日變化分析4組水分處理下,花蕾期棉花冠層凈光合速率(Pn)、氣孔導(dǎo)度(Gs)、蒸騰速率(Tr)、胞間二氧化碳濃度(Ci)的日變化特征如圖3所示。圖3 不同水分處理的花蕾期棉花冠層光合參數(shù)的日變化Fig.3 Diurnal variations of photosyn
農(nóng)業(yè)機械學(xué)報 2018年10期2018-10-20
- 基于顏色讀數(shù)識別物質(zhì)濃度的數(shù)學(xué)模型研究
析對應(yīng)模型的決定系數(shù),通過決定系數(shù)大小的比較來比較顏色維度對模型的影響。關(guān)鍵詞: 物質(zhì)濃度;顏色讀數(shù);多元回歸線性模型;決定系數(shù)一、引言比色法是通過比較或測量有色溶液物質(zhì)顏色來確定待測組含量的方法,如果是由人來觀測,這一方法在精度上受到很大影響。但隨著照相技術(shù)和顏色分辨率的提高,建立顏色讀數(shù)和物質(zhì)濃度的數(shù)量關(guān)系這一想法就被提出,即只要輸入照片中的顏色讀數(shù)就能夠確定待測物質(zhì)的濃度。本文根據(jù)提供的不同二氧化硫濃度與顏色讀數(shù)的數(shù)據(jù),對顏色讀數(shù)與物質(zhì)濃度之間的關(guān)系
科學(xué)與財富 2018年12期2018-06-11
- 基于線性回歸的玉米生物量預(yù)測模型及驗證
玉米生物量,決定系數(shù)大于 0.80。但是,應(yīng)用單一變量預(yù)測玉米生物量,存在模型魯棒性差等缺陷。氮元素作為作物生長不可缺少的元素,直接影響作物生物量的積累[10-12],Mistele等[13]指出應(yīng)用光譜傳感器測量玉米的氮含量也可以預(yù)測玉米生物量,Montes等[14]將光柵傳感器測得的玉米株高與光譜傳感器測得的光譜數(shù)據(jù),采用支持向量機的方法進行回歸分析,進而對玉米生物量進行預(yù)測,提高了模型的準確度,決定系數(shù)達到 0.97。此外,應(yīng)用光譜數(shù)據(jù)也可推算玉米的
農(nóng)業(yè)工程學(xué)報 2018年10期2018-06-05
- 地震動特性參數(shù)對結(jié)構(gòu)響應(yīng)影響的近似定量關(guān)系
時,響應(yīng)面的決定系數(shù)均在0.90以上,擬合效果比較理想,并且穩(wěn)態(tài)持時的顯著性要比衰減系數(shù)高,說明持時對結(jié)構(gòu)響應(yīng)的幅值影響較大;此外,響應(yīng)面二次項的決定系數(shù)很低,線性程度比較高;(4)當以結(jié)構(gòu)彈塑性響應(yīng)的峰值為因變量時,響應(yīng)面的決定系數(shù)隨單自由度體系自振周期的增大而增加,且決定系數(shù)和各自變量的顯著性程度都不是很理想,說明對于結(jié)構(gòu)的彈塑性響應(yīng),頻率非平穩(wěn)對結(jié)果的影響比較大,僅考慮強度的非平穩(wěn)特性是不夠的;或者是響應(yīng)面的形式不能簡單地用線性或者二次曲線來描述,具
地震科學(xué)進展 2015年9期2015-03-29
- 苜蓿人工草地高光譜遙感估產(chǎn)模型的研究
回歸分析,其決定系數(shù)見表2。由表2看出,不同波段反射率參數(shù)中,線性回歸模型決定系數(shù)高的參數(shù),其非線性模型的決定系數(shù)也比較高,以615 nm反射率為自變量的回歸方程的決定系數(shù)較高,并以其復(fù)合、指數(shù)2種形式為最高,達到0.788。在眾多回歸形式中,除逆模型和對數(shù)、S型的回歸形式外,其余非線性回歸模型都比線性模型的決定系數(shù)要高;其中復(fù)合、指數(shù)最高,其次為乘冪。2.2.2 應(yīng)用一階導(dǎo)數(shù)建模 從一階導(dǎo)數(shù)中,挑選相關(guān)系數(shù)大于0.8的波段參數(shù),進行回歸分析,其決定系數(shù)見
草業(yè)學(xué)報 2014年1期2014-01-02
- 掃描方式對鮮棗近紅外光譜和硬度模型精度的影響
,且有較高的決定系數(shù)R2值,這樣才能說明該模型穩(wěn)定性好。關(guān)于樣品3個位置的1,3,6次所建預(yù)測模型的決定系數(shù)、校正集均方根誤差和預(yù)測集均方根誤差列于表3。表3 不同掃描次數(shù)掃描不同位置的樣品模型參數(shù)由表3可以得出,當對樣品的位置一進行1,3,6次掃描時,掃描1次的決定系數(shù)較高,但RMSEC值和RMSEP值相差較大;掃描3次的決定系數(shù)相對較低,但RMSEC值和RMSEP值較接近,表明掃描3次的模型較穩(wěn)定。對樣品的位置二進行1,3,6次掃描時,掃描3次的決定系
山西農(nóng)業(yè)科學(xué) 2013年9期2013-12-23
- 基于土壤光譜特征的寧夏銀北地區(qū)鹽堿地鹽分預(yù)測研究
型的穩(wěn)定性用決定系數(shù)R2檢驗,R2越大,模型越穩(wěn)定;模型的預(yù)報能力用驗證樣本的擬合度R2′以及總均方根差(RMSE)來檢驗,R2′越大、RMSE越小,則模型精度越高、預(yù)測能力越強。2 結(jié)果與分析2.1 表層土壤與土壤鹽分的相關(guān)性2.1.1 鹽堿土表層土壤光譜特征 寧夏銀北地區(qū)土壤屬于蘇打鹽堿化土壤,鹽分組成以Na2CO3和NaHCO3為主,其光譜反射曲線如圖1所示。在400~570nm的范圍內(nèi)光譜曲線斜率較大,且在570nm附近有一拐點(特征點)出現(xiàn);57
水土保持通報 2013年5期2013-12-13
- 影響沙子嶺豬6月齡體重有關(guān)性狀相關(guān)分析及綜合選擇指數(shù)的研究
小,一般使用決定系數(shù)。決定系數(shù)是通徑系數(shù)的平方,但在性狀間有相關(guān)時,還應(yīng)包括2個性狀的共同作用,其計算方法為2 個通徑系數(shù)相乘,再乘上相關(guān)系數(shù)的2 倍。即:經(jīng)計算,影響沙子嶺豬6 月齡體重各因素的決定系數(shù)如下:dy.x1=0.110 89 dy.x2=0.267 81dy.x3=0.001 70 dy.x4=0.023 69dy.x1.x2=0.221 89 dy.x1.x3=0.014 35dy.x1.x4=0.051 81 dy.x2.x3=0.020
豬業(yè)科學(xué) 2012年12期2012-11-22
- 非均勻結(jié)構(gòu)件材料密度工業(yè)CT定量檢測方法
系,并給出了決定系數(shù)R2的計算結(jié)果。表1 帶鋼殼標準試樣CT值、能量和線衰減系數(shù)之間的對應(yīng)關(guān)系 cm-1由表1可見,對于帶鋼殼的鋁合金標準試樣,CT值和線衰減系數(shù)具有較好的線性相關(guān)性,決定系數(shù)R2在100~400keV范圍內(nèi)分布在0.9950~0.9959之間,數(shù)據(jù)相差不大,最大值出現(xiàn)在100~200keV之間。隨著能量的增加,決定系數(shù)R2緩慢減小。顯然,帶鋼殼鋁合金試樣CT值和線衰減系數(shù)的相關(guān)性與不帶鋼殼時有很大不同。一方面,決定系數(shù)值明顯減小,最大決定
無損檢測 2012年2期2012-10-23
- 琴文蛤形態(tài)性狀對體量的影響效果分析
的通徑分析和決定系數(shù)計算,剖析了這些性狀對體重的直接作用和間接影響進而求得決定系數(shù)[10-11],通過偏回歸系數(shù)檢驗剔出不顯著的性狀,取偏回歸系數(shù)顯著的形態(tài)性狀分別對活體重新建立多元回歸方程,并對方程進行擬合度檢驗。相關(guān)系數(shù)的計算公式為:通徑系數(shù)Pxi,y簡寫為Pi是標準化變量后的偏回歸系數(shù),也稱為標準偏回歸系數(shù); 決定系數(shù)又區(qū)分為兩種,單個自變量對依變量的決定系數(shù)為dxi,y,簡寫為di,兩個性狀對體重的共同決定系數(shù)dxixj,y簡寫為dij,計算公式分
海洋科學(xué) 2011年10期2011-03-14