Search Result of "partial least squares regression"

About 35 results
Img
Img
Img

การประชุมวิชาการ

New Advantage of Moving Window Partial Least Squares Regression for Discrimination Analysis: MWPLS-DA

ผู้แต่ง:ImgDr.Sumaporn Kasemsumran, ImgMrs.WARUNEE THANAPASE, ImgProf.Yukihiro Ozaki,

การประชุมวิชาการ:

Img
Img
Img
Img

ที่มา:ANALYTICAL AND BIOANALYTICAL CHEMISTRY

หัวเรื่อง:Comparison of performance of partial least squares regression, secured principal component regression, and modified secured principal component regression for determination of human serum albumin, ?-g

Img

ที่มา:วิทยาสารเกษตรศาสตร์ สาขา วิทยาศาสตร์

หัวเรื่อง:ไม่มีชื่อไทย (ชื่ออังกฤษ : Spatial Modeling for Soil Properties Prediction in Mountainous Areas Using Partial Least Squares Regression)

ผู้เขียน:Imgสุวิทย์ อ๋องสมหวัง, ImgRawee Rattanakom

สื่อสิ่งพิมพ์:pdf

Abstract

Soil properties are one of the most important categories of information for land management and environmental modeling. Unfortunately, soil properties in mountainous areas with slopes of more than 35% are rarely investigated in Thailand due to the complexity of their landscapes and the cost and time requirements. The main objective was to predict soil properties in mountainous areas relating to soil forming factors using partial least squares regression (PLSR). The combination of topographic position index values from two different scales and criteria sets was firstly used to classify landform for in situ soil survey. Then, analyzed soil properties of the topsoil and subsoil (sand, silt, clay, pH, organic matter, total N, available P, exchangeable K, cation exchange capacity (CEC) and base saturation) and soil forming factors (rainfall, normalized difference vegetation index, elevation, slope, aspect, plan curvature, profile curvature, curvature, topographic wetness index and Al/Si ratio) were used to construct soil-landscape models using PLSR. It was found that the best predictive model for topsoil prediction was sand (R2 = 0.92) and the worst was silt (R2 = 0.52) while the best predictive model for subsoil property prediction was CEC (R2 = 0.85) and the worst was total N and available P (R2 = 0.59). Accuracy assessment for the topsoil and subsoil properties prediction models using normalized root mean square error varied between 0.18 to 0.25 and 0.18 to 0.36, respectively. In addition, the selected predictive soil properties were used for soil texture classification and soil fertility assessment. In conclusion, it is suggested that soil-landscape modeling using PLSR can be efficiently used as a tool for spatial soil property prediction in mountainous areas where soil characteristics and properties are not available.

Article Info
Agriculture and Natural Resources -- formerly Kasetsart Journal (Natural Science), Volume 047, Issue 3, May 13 - Jun 13, Page 358 - 373 |  PDF |  Page 

Img

Researcher

ดร. ปิติพร ฤทธิเรืองเดช, รองศาสตราจารย์

ที่ทำงาน:ภาควิชาพัฒนาผลิตภัณฑ์ คณะอุตสาหกรรมเกษตร บางเขน

สาขาที่สนใจ:Product Development/sensory Evaluation/NIR

Resume

Img

Researcher

ดร. ศุมาพร เกษมสำราญ

ที่ทำงาน:ฝ่ายนาโนเทคโนโลยีและเทคโนโลยีชีวภาพ สถาบันค้นคว้าและพัฒนาผลิตผลทางการเกษตรและอุตสาหกรรมเกษตร

สาขาที่สนใจ:Chemometrics, Bionass, Food Science, Biofuels, Near Infrared Spectroscopy

Resume

Img
Img
Img
Img
Img

ผลงานตีพิมพ์ในวารสารวิชาการ

Minimally-destructive evaluation of durian maturity based on electrical impedance measurement

ผู้แต่ง:ImgDr.Anupun Terdwongworakul, Associate Professor, Imgนายปราโมทย์ กุศล,

วารสาร:

Img Img Img

Img
Img

Researcher

นางสาว แก้วกานต์ พวงสมบัติ, ผู้ช่วยศาสตราจารย์

ที่ทำงาน:ภาควิชาวิศวกรรมเกษตร คณะวิศวกรรมศาสตร์ กำแพงแสน

สาขาที่สนใจ:เครื่องจักรกลหลังการเก็บเกี่ยว, เทคโนโลยีการอบแห้ง, เทคนิคสเปกโทรสโกปีอินฟราเรดย่านใกล้

Resume

Img

Researcher

นาง วารุณี ธนะแพสย์

ที่ทำงาน:ฝ่ายนาโนเทคโนโลยีและเทคโนโลยีชีวภาพ สถาบันค้นคว้าและพัฒนาผลิตผลทางการเกษตรและอุตสาหกรรมเกษตร

สาขาที่สนใจ:Postharvest Technology , Near Infrared Spectroscopy

Resume

Img

งานวิจัย

การพัฒนาสมการสำหรับหาปริมาณสารเคอร์คูมินอยด์ในขมิ้นชันแบบรวดเร็วโดยการประยุกต์ใช้แสงย่านใกล้อินฟราเรด (2009)

หัวหน้าโครงการ:Imgดร.ศุมาพร เกษมสำราญ

ผู้ร่วมโครงการ:Imgดร.วิเชียร กีรตินิจกาล, รองศาสตราจารย์, Imgนางวารุณี ธนะแพสย์, ImgProf.Yukihiro Ozaki

แหล่งทุน:สำนักงานกองทุนสนับสนุนการวิจัย ร่วมกับสำนักงานคณะกรรมการอุดมศึกษา

ผลลัพธ์:วารสาร (2) ประชุมวิชาการ (2)

Img

Researcher

นาย อมรเดช พุทธิพิพัฒน์ขจร, ผู้ช่วยศาสตราจารย์

ที่ทำงาน:ภาควิชาวิศวกรรมการอาหาร คณะวิศวกรรมศาสตร์ กำแพงแสน

สาขาที่สนใจ:เครื่องจักรกลหลังการเก็บเกี่ยว

Resume

12