Моделирование хлебопекарных показателей зерна мягкой яровой пшеницы
Автор: Плеханова Л.В., Шевцова Л.Н.
Журнал: Вестник Красноярского государственного аграрного университета @vestnik-kgau
Рубрика: Сельскохозяйственные науки
Статья в выпуске: 2, 2018 года.
Бесплатный доступ
В сложных климатических условиях Красно-ярского края одним из важнейших факторов в решении проблемы выращивания сильных и ценных зерновых и зернобобовых культур яв-ляется создание сортов с высоким количе-ством и качеством белково-протеиназного комплекса. Изучение технологических свойств зерна зерновых и зернобобовых культур в се-лекции имеет свои особенности и ограничено из-за невозможности проводить отборы по этим показателям на ранних стадиях. Для оценки большого числа селекционного мате-риала необходимо ограничиваться только та-кими анализами, которые не требуют затрат большого количества времени, труда и зерна. Технологическая оценка сортов и сортообраз-цов зерновых в Красноярском научно-исследовательском институте сельского хо-зяйства проводилась в соответствии с наци-ональными стандартами Российской Федера-ции и методами ИСО. Исследования техноло-гических качеств зерна с использованием со-временных существующих методик обуслови-ли поиск новых методов, позволяющих делать предварительный прогноз получения высоко-качественного зерна пшеницы. Для наиболее полного выражения способности муки из дан-ного зерна давать хлеб того или иного каче-ства очень важно иметь модель, позволяющую оценить хлебопекарные свойства зерна без применения хлебопекарной выпечки. В статье предложен математический метод, позволя-ющий оценить хлебопекарные свойства зерна без применения хлебопекарной выпечки. Обобщѐнный показатель хлебопекарной оцен-ки представляется в виде свѐртки частных показателей содержания белка, силы муки, времени до начала разжижения, валориметри-ческой оценки, стекловидности, выхода муки. Введение эконометрических формул позволя-ет рассчитывать показатели качества зерна с целью более объективной оценки перспек-тивности селекционного материала, а также прогнозировать получение высококачествен-ного зерна зерновых и зернобобовых культур.
Яровая пшеница, хлебо-пекарные свойства, технологические каче-ства зерна, моделирование признаков, регрес-сионная модель
Короткий адрес: https://sciup.org/140224357
IDR: 140224357
Текст научной статьи Моделирование хлебопекарных показателей зерна мягкой яровой пшеницы
Введение. Одним из важнейших факторов в решении проблемы выращивания в Красноярском крае сильных и ценных зерновых и зернобобовых культур является создание сортов с высоким количеством и качеством белковопротеиназного комплекса и способных сохранять хорошие показатели качества даже при неблагоприятных условиях выращивания.
Успех селекционной работы во многом зависит от объективности оценки технологических качеств новых форм и сортов. Систематическая и поэтапная оценка качества селекционного материала селекционерами совместно с технологами Красноярского НИИ сельского хозяйства (НИИСХ) позволила за довольно короткий период времени создать в регионе генофонд, сочетающий полезные хозяйственно-биологические признаки и свойства с хорошим качеством зерна. В настоящее время все районированные сорта зерновых и зернобобовых культур являются наследственно сильными и ценными.
В работах [2, 4] установлено, что сложившееся направление селекции на качество ведёт к снижению зависимости от зоны возделывания показателей качества новых сортов, доля влияния фактора «годы» снижается и повышается доля влияния фактора «сорт», а также происходит снижение случайного фактора.
Изучение технологических свойств зерна зерновых и зернобобовых культур в селекции имеет свои особенности и ограничено из-за невозможности проводить отборы по этим показателям на ранних стадиях. Для оценки большого числа селекционного материала необходимо ограничиться только такими анализами, которые не требуют затрат большого количества времени, труда и зерна.
Цель исследований . Разработать модель экспертной оценки хлебопекарных качеств зерна мягкой яровой пшеницы для прогнозирования получения хлебопекарной продукции разного качества без процесса выпечки.
Материал и методы исследований . В качестве объекта изучения использовался селекционный материал мягкой яровой пшеницы Красноярского НИИ сельского хозяйства.
Технологическая оценка сортов проводилась в лаборатории технологической оценки зерна Красноярского НИИСХ в соответствии с национальными стандартами Российской Федерации и методами ИСО, методическими рекомендациями [3]. Определяли натуру зерна (ГОСТ 10841); мукомольные свойства – общий выход муки; содержание сырой клейковины в зерне (ГОСТ 13586.1-68); физические свойства клейковины на альвеографе «Шопена» (ГОСТ Р 51415, ИСО 5530-4-91) и фаринографе «Брабендера» (ГОСТ Р 51404, ИСО 5530-1-97); хлебопекарные свойства муки (по лабораторным выпечкам методом интенсивного замеса теста из муки 70% выхода).
Для математического моделирования использовались статистические пакеты «Пакет анализа» MS Excel, Snedecor, DataFit.
Результаты исследований и их обсуждение. Существующие методы определения хлебопекарных свойств муки являются субъективными. Общую хлебопекарную оценку устанавливают по лабораторной выпечке хлеба, осно- ванной на органолептических показателях, – это форма, цвет и поверхность корки, эластичность, пористость, цвет мякиша, вкус и аромат хлеба.
Для наиболее полного выражения способности муки из данного зерна давать хлеб того или иного качества очень важно иметь модель, позволяющую оценить хлебопекарные свойства зерна без применения хлебопекарной выпечки. В качестве модели нами рассматривается множественная регрессия. Для построения уравнения множественной регрессии были отобраны восемь (8) факторов: содержание белка ( x 1 , %); сила муки ( x 2 , e.a.); время до начала разжижения теста ( x 3 , мин); разжижение теста ( x 4 , е.ф.); валориметрическая оценка ( x 5 , %); объём хлеба ( x 6 , см 3 ); стекловидность зерна ( x 7 , %); выход муки ( x 8 , %). При отборе факторов учитывались следующие рекомендации [1]:
-
а) подбираются факторы исходя из сущности проблемы;
-
б) число включаемых факторов рекомендуется в шесть-семь раз меньше объема совокупности, по которой строится регрессия;
-
в) предпочтение отдается факторам, которые при достаточно тесной связи с результатом имеют наименьшую тесноту связи с другими факторами.
Материалом для исследований были взяты 64 перспективных образца мягкой яровой пшеницы конкурсного сортоиспытания (КСИ) Красноярского НИИ сельского хозяйства.
Для проверки наличия коллинеарности или мультиколлинеарности факторов была построена корреляционная матрица с использованием MS Excel (Пакет анализа). Корреляционная матрица (табл.1) показала коллинеарность между факторами х 5 и х 3 , наблюдается также высокая отрицательная корреляция между факторами х 5 и х 4 .
Таблица 1 , х 8 .
Корреляционная матрица, построенная для факторов х 1 ,…
x 1 |
x 2 |
x 3 |
x 4 |
x 5 |
x 6 |
x 7 |
x 8 |
|
x 1 |
1 |
|||||||
x 2 |
0,195971 |
1 |
||||||
x 3 |
0,045243 |
0,411734 |
1 |
|||||
x 4 |
0,122188 |
-0,1357 |
-0,52979 |
1 |
||||
x 5 |
-0,00267 |
0,355507 |
0,950808 |
-0,71928 |
1 |
|||
x 6 |
0,106257 |
0,230916 |
0,364945 |
-0,58779 |
0,475407 |
1 |
||
x 7 |
0,291193 |
0,004453 |
-0,30301 |
0,301776 |
-0,37036 |
-0,24524 |
1 |
|
x 8 |
-0,06055 |
-0,1419 |
-0,04434 |
-0,1803 |
0,044059 |
0,207059 |
-0,1359 |
1 |
Обобщённый показатель хлебопекарной оценки ( Y , балл) представляется в виде свёртки частных показателей содержания белка ( x 1 , %); силы муки ( x 2 , e.a.); времени до начала разжижения теста ( x 3 , мин); разжижения теста ( x 4 , е.ф.); валориметрической оценки ( x 5 , %); объёма хлеба ( x 6 , см 3 ); стекловидности зерна ( x 7 , %); выхода муки ( x 8 , %)
Y = α1x1 + α2x2 + α3x3 + α4x4 + α5x5 + α6x6 + + α7x7 + α8x8 , где αk ,k = 1, 2, …, 8 – весовые коэффициенты частных показателей.
Используя статистический пакет DataFit [5], найдены весовые коэффициенты – как коэффи- циенты линейной регрессии
α 1 =0,0246; α 2 = 0,0004; α 3 =-0,02263;
α 4 =0,0030; α 5 =0,0078; α 6 =0,0014; α 7 =0,0070; α 8 =0,0248.
С учётом этих значений формула расчета обобщённого показателя примет вид
Y = 0,0246x 1 + 0,0004x 2 - 0,02263x 3 + 0,0030x 4 +
-
+ 0,0078x 5 + 0,0014x 6 + 0,0070x 7 + 0,0248x 8 .
По данному регрессионному уравнению в MS Excel выполнены вычисления показателей хле- бопекарной оценки (Y) для 64 образцов мягкой яровой пшеницы. Результаты вычислений приведены в таблице 2.
Таблица 2
№ п/п |
x 1 |
x 2 |
x 3 |
x 4 |
x 5 |
x 6 |
x 7 |
x 8 |
Y (по уравнению) |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
10 |
1 |
13,1000 |
336,0000 |
7,5000 |
25,0000 |
72,0000 |
930,0000 |
60,0000 |
66,8000 |
4,27465 |
2 |
13,8200 |
212,0000 |
5,0000 |
60,0000 |
61,0000 |
750,0000 |
45,0000 |
67,6000 |
3,99055 |
3 |
14,9700 |
435,0000 |
6,6000 |
80,0000 |
64,0000 |
940,0000 |
47,0000 |
67,0000 |
4,41448 |
4 |
14,4600 |
546,0000 |
5,0000 |
90,0000 |
58,0000 |
770,0000 |
54,0000 |
66,3000 |
4,26526 |
5 |
14,8700 |
509,0000 |
5,0000 |
70,0000 |
59,0000 |
850,0000 |
56,0000 |
65,5000 |
4,31450 |
6 |
13,7100 |
454,0000 |
5,3000 |
60,0000 |
60,0000 |
740,0000 |
47,0000 |
70,3000 |
4,13592 |
7 |
17,4100 |
663,0000 |
8,5000 |
40,0000 |
75,0000 |
1140,0000 |
53,0000 |
67,0000 |
4,80354 |
8 |
14,7900 |
773,0000 |
5,3000 |
60,0000 |
61,0000 |
990,0000 |
60,0000 |
66,3000 |
4,63968 |
9 |
13,7300 |
354,0000 |
6,0000 |
50,0000 |
69,0000 |
700,0000 |
45,0000 |
73,2000 |
4,12012 |
10 |
13,3600 |
615,0000 |
6,2000 |
50,0000 |
65,0000 |
930,0000 |
44,0000 |
70,3000 |
4,42204 |
11 |
13,1800 |
473,0000 |
6,5000 |
70,0000 |
65,0000 |
850,0000 |
44,0000 |
71,1000 |
4,32076 |
12 |
13,8900 |
330,0000 |
5,2000 |
60,0000 |
61,0000 |
850,0000 |
49,0000 |
68,3000 |
4,21957 |
13 |
14,3900 |
476,0000 |
4,5000 |
60,0000 |
58,0000 |
770,0000 |
47,0000 |
71,9000 |
4,24856 |
14 |
15,1700 |
383,0000 |
5,0000 |
30,0000 |
65,0000 |
960,0000 |
46,0000 |
68,1000 |
4,34676 |
15 |
14,9100 |
289,0000 |
6,3000 |
80,0000 |
63,0000 |
700,0000 |
51,0000 |
68,2000 |
4,07646 |
16 |
14,0300 |
310,0000 |
3,5000 |
75,0000 |
52,0000 |
720,0000 |
58,0000 |
70,8000 |
4,17753 |
17 |
14,5200 |
376,0000 |
5,0000 |
70,0000 |
59,0000 |
850,0000 |
52,0000 |
65,9000 |
4,23461 |
18 |
15,3500 |
482,0000 |
6,5000 |
60,0000 |
66,0000 |
850,0000 |
61,0000 |
66,8000 |
4,36790 |
19 |
15,7200 |
267,0000 |
4,7000 |
60,0000 |
58,0000 |
880,0000 |
67,0000 |
67,0000 |
4,36490 |
20 |
14,6200 |
253,0000 |
5,3000 |
80,0000 |
59,0000 |
830,0000 |
62,0000 |
68,8000 |
4,32390 |
21 |
14,8500 |
255,0000 |
8,5000 |
60,0000 |
72,0000 |
860,0000 |
59,0000 |
68,9000 |
4,31108 |
22 |
14,7700 |
328,0000 |
5,8000 |
60,0000 |
59,0000 |
800,0000 |
62,0000 |
69,8000 |
4,26724 |
23 |
14,4000 |
365,0000 |
6,0000 |
110,0000 |
60,0000 |
630,0000 |
45,0000 |
62,0000 |
3,87504 |
24 |
14,4800 |
654,0000 |
8,6000 |
70,0000 |
72,0000 |
980,0000 |
50,0000 |
64,7000 |
4,48979 |
25 |
16,1800 |
519,0000 |
8,0000 |
70,0000 |
71,0000 |
860,0000 |
54,0000 |
63,3000 |
4,31087 |
26 |
15,1600 |
559,0000 |
7,5000 |
60,0000 |
69,0000 |
940,0000 |
50,0000 |
65,7000 |
4,41285 |
27 |
15,5000 |
553,0000 |
6,7000 |
70,0000 |
66,0000 |
750,0000 |
54,0000 |
59,8000 |
4,06213 |
28 |
14,6500 |
611,0000 |
8,0000 |
70,0000 |
70,0000 |
950,0000 |
62,0000 |
61,1000 |
4,42967 |
29 |
14,2400 |
578,0000 |
6,5000 |
30,0000 |
64,0000 |
830,0000 |
59,0000 |
59,9000 |
4,06027 |
30 |
14,3900 |
455,0000 |
6,0000 |
90,0000 |
61,0000 |
770,0000 |
67,0000 |
57,1000 |
4,08707 |
31 |
14,7000 |
522,0000 |
4,5000 |
80,0000 |
56,0000 |
650,0000 |
62,0000 |
62,9000 |
4,03279 |
32 |
13,4400 |
470,0000 |
5,0000 |
90,0000 |
57,0000 |
740,0000 |
53,0000 |
66,7000 |
4,16288 |
33 |
14,6500 |
392,0000 |
5,0000 |
80,0000 |
58,0000 |
700,0000 |
59,0000 |
61,1000 |
3,98637 |
34 |
14,6900 |
654,0000 |
8,8000 |
40,0000 |
76,0000 |
710,0000 |
73,0000 |
61,4000 |
4,13205 |
35 |
14,4300 |
382,0000 |
7,3000 |
50,0000 |
67,0000 |
620,0000 |
47,0000 |
59,8000 |
3,66843 |
36 |
15,1100 |
464,0000 |
5,6000 |
90,0000 |
59,0000 |
650,0000 |
53,0000 |
62,7000 |
3,97619 |
37 |
15,3700 |
392,0000 |
3,7000 |
120,0000 |
49,0000 |
620,0000 |
64,0000 |
62,4000 |
4,04331 |
38 |
15,4900 |
338,0000 |
4,0000 |
130,0000 |
49,0000 |
580,0000 |
58,0000 |
57,6000 |
3,82973 |
39 |
14,7200 |
389,0000 |
3,5000 |
135,0000 |
45,0000 |
600,0000 |
69,0000 |
63,2000 |
4,07202 |
40 |
13,6000 |
538,0000 |
4,0000 |
110,0000 |
51,0000 |
650,0000 |
47,0000 |
61,8000 |
3,94400 |
41 |
14,4600 |
593,0000 |
7,5000 |
85,0000 |
68,0000 |
810,0000 |
48,0000 |
65,9000 |
4,28539 |
42 |
13,0000 |
628,0000 |
3,7000 |
80,0000 |
51,0000 |
800,0000 |
51,0000 |
64,1000 |
4,17817 |
43 |
13,9300 |
399,0000 |
8,5000 |
30,0000 |
76,0000 |
890,0000 |
45,0000 |
64,0000 |
4,10973 |
44 |
13,8800 |
320,0000 |
5,0000 |
50,0000 |
61,0000 |
930,0000 |
62,0000 |
63,2000 |
4,26711 |
45 |
14,1100 |
430,0000 |
6,5000 |
60,0000 |
66,0000 |
980,0000 |
50,0000 |
62,8000 |
4,32240 |
46 |
13,4000 |
560,0000 |
9,8000 |
50,0000 |
76,0000 |
950,0000 |
42,0000 |
63,2000 |
4,23006 |
Окончание табл. 2
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
10 |
47 |
14,4500 |
310,0000 |
3,5000 |
90,0000 |
50,0000 |
940,0000 |
58,0000 |
63,6000 |
4,34670 |
48 |
13,4000 |
376,0000 |
6,6000 |
30,0000 |
70,0000 |
960,0000 |
33,0000 |
64,2000 |
4,10962 |
49 |
16,2100 |
482,0000 |
3,7000 |
50,0000 |
56,0000 |
950,0000 |
58,0000 |
67,0000 |
4,47866 |
50 |
13,6700 |
267,0000 |
3,5000 |
70,0000 |
54,0000 |
920,0000 |
53,0000 |
67,0000 |
4,30283 |
51 |
15,1900 |
253,0000 |
4,5000 |
70,0000 |
56,0000 |
900,0000 |
49,0000 |
66,2000 |
4,24808 |
52 |
13,4300 |
390,0000 |
8,5000 |
50,0000 |
76,0000 |
850,0000 |
37,0000 |
64,6000 |
4,05671 |
53 |
14,2700 |
600,0000 |
10,5000 |
40,0000 |
80,0000 |
950,0000 |
32,0000 |
64,8000 |
4,21993 |
54 |
13,8400 |
392,0000 |
7,2000 |
20,0000 |
72,0000 |
920,0000 |
31,0000 |
61,0000 |
3,94730 |
55 |
13,9600 |
654,0000 |
8,0000 |
50,0000 |
72,0000 |
850,0000 |
43,0000 |
64,8000 |
4,20426 |
56 |
13,7000 |
382,0000 |
6,0000 |
60,0000 |
64,0000 |
840,0000 |
40,0000 |
63,4000 |
4,03954 |
57 |
12,8500 |
464,0000 |
10,0000 |
40,0000 |
79,0000 |
850,0000 |
53,0000 |
67,4000 |
4,20743 |
58 |
15,3900 |
392,0000 |
6,0000 |
60,0000 |
64,0000 |
950,0000 |
45,0000 |
63,2000 |
4,26915 |
59 |
14,6400 |
532,0000 |
6,5000 |
10,0000 |
72,0000 |
860,0000 |
57,0000 |
62,5000 |
4,14659 |
60 |
13,9400 |
490,0000 |
5,8000 |
30,0000 |
64,0000 |
950,0000 |
62,0000 |
64,0000 |
4,32678 |
61 |
13,7100 |
410,0000 |
8,0000 |
40,0000 |
73,0000 |
870,0000 |
39,0000 |
64,6000 |
4,07335 |
62 |
13,7400 |
310,0000 |
5,0000 |
50,0000 |
60,0000 |
890,0000 |
29,0000 |
63,4000 |
3,96982 |
63 |
16,4600 |
610,0000 |
6,8000 |
90,0000 |
66,0000 |
920,0000 |
44,0000 |
67,2000 |
4,51744 |
64 |
17,1400 |
660,0000 |
10,5000 |
20,0000 |
80,0000 |
890,0000 |
47,0000 |
67,8000 |
4,34993 |
1 |
Название образцов |
*1 |
*2 |
*3 |
*4 |
Х5 |
*6 |
*7 |
*8 |
У (по уравнению) |
^фаю |
2 |
Тулунская 12 |
13,1000 |
336,0000 |
7,5000 |
25,0000 |
72,0000 |
930,0000 |
60,0000 |
66,8000 |
4,27465 |
4,30 |
3 |
К 44-1 |
13,8200 |
212,0000 |
5,0000 |
60,0000 |
61,0000 |
750,0000 |
45,0000 |
67,6000 |
3,99055 |
4,10 |
4 |
КС 16-64 |
14,9700 |
435,0000 |
6,6000 |
80,0000 |
64,0000 |
940,0000 |
47,0000 |
67,0000 |
4,41448 |
4,80 |
5 |
КС 1529 |
14,4600 |
546,0000 |
5,0000 |
90,0000 |
58,0000 |
770,0000 |
54,0000 |
66,3000 |
4,26526 |
4,40 |
6 |
КС 1649 |
14,8700 |
509,0000 |
5,0000 |
70,0000 |
59,0000 |
850,0000 |
56,0000 |
65,5000 |
4,31450 |
4,60 |
7 |
Минуса |
13,7100 |
454,0000 |
5,3000 |
60,0000 |
60,0000 |
740,0000 |
47,0000 |
70,3000 |
4,13592 |
4,30 |
8 |
К-54-1 |
17,4100 |
663,0000 |
8,5000 |
40,0000 |
75,0000 |
1140,0000 |
53,0000 |
67,0000 |
4,80354 |
5,00 |
9 |
Кантегирская 89 |
14,7900 |
773,0000 |
5,3000 |
60,0000 |
61,0000 |
990,0000 |
60,0000 |
66,3000 |
4,63968 |
4,60 |
10 |
Р6-2 |
13,7300 |
354,0000 |
6,0000 |
50,0000 |
69,0000 |
700,0000 |
45,0000 |
73,2000 |
4,12012 |
3,90 |
И |
КС 1629 |
13,3600 |
615,0000 |
6,2000 |
50,0000 |
65,0000 |
930,0000 |
44,0000 |
70,3000 |
4,42204 |
4,70 |
12 |
КС 1607 |
13,1800 |
473,0000 |
6,5000 |
70,0000 |
65,0000 |
850,0000 |
44,0000 |
71,1000 |
4,32076 |
4,40 |
13 |
К 93-2 |
13,8900 |
330,0000 |
5,2000 |
60,0000 |
61,0000 |
850,0000 |
49,0000 |
68,3000 |
4,21957 |
4,20 |
14 |
КС 93-3 |
14,3900 |
476,0000 |
4,5000 |
60,0000 |
58,0000 |
770,0000 |
47,0000 |
71,9000 |
4,24856 |
4,30 |
15 |
К-92-2 |
15,1700 |
383,0000 |
5,0000 |
30,0000 |
65,0000 |
960,0000 |
46,0000 |
68,1000 |
4,34676 |
4,60 |
16 |
К-65-2 |
14,9100 |
289,0000 |
6,3000 |
80,0000 |
63,0000 |
700,0000 |
51,0000 |
68,2000 |
4,07646 |
4,10 |
17 |
Омская 33 |
14,0300 |
310,0000 |
3,5000 |
75,0000 |
52,0000 |
720,0000 |
58,0000 |
70,8000 |
4,17753 |
4,10 |
18 |
КС 1703 |
14,5200 |
376,0000 |
5,0000 |
70,0000 |
59,0000 |
850,0000 |
52,0000 |
65,9000 |
4,23461 |
4,20 |
19 |
КС 1706 |
15,3500 |
482,0000 |
6,5000 |
60,0000 |
66,0000 |
850,0000 |
61,0000 |
66,8000 |
4,36790 |
4,40 |
20 |
КС 1719 |
15,7200 |
267,0000 |
4,7000 |
60,0000 |
58,0000 |
880,0000 |
67,0000 |
67,0000 |
4,36490 |
4,40 |
21 |
КС 1117 |
14,6200 |
253,0000 |
5,3000 |
80,0000 |
59,0000 |
830,0000 |
62,0000 |
68,8000 |
4,32390 |
4,30 |
22 |
КС 1717 |
14,8500 |
255,0000 |
8,5000 |
60,0000 |
72,0000 |
860,0000 |
59,0000 |
68,9000 |
4,31108 |
4,50 |
Сопоставление показателей технологических качеств зерна мягкой яровой пшеницы
Показатели технологических качеств зерна мягкой яровой пшеницы КСИ
Проверка значимости уравнения регрессии проведена по F-критерию Фишера. Для определения критического значения (F крит. , вероятность = 0,05) использована функция MS Excel «FРАС-ПОБР». Расчетное значение F факт. > F крит. (13,1785>2,08), полученное регрессионное уравнение является адекватным.
Сопоставление показателей хлебопекарных свойств (Y), полученных по регрессионной модели с результатами пробной выпечки (Y факт ), показало их достаточно устойчивое совпадение по образцам – рисунок (приведен фрагмент таблицы).
Выводы . Приведенные нами данные показывают возможность применения регрессионных моделей для оценки хлебопекарных свойств пшеничной муки. А именно – упростить оценку хлебопекарных свойств возможно, заменив метод пробной выпечки, что особенно актуально на ранних стадиях селекции.
С помощью таких же расчётов можно математически просчитать показатели качества и по другим культурам с целью более объективной их оценки.
Таким образом, использование комплексных методов позволит более точно оценивать перспективный селекционный материал зерновых и зернобобовых культур, что, в свою очередь, позволит делать предварительный прогноз получения высококачественного зерна зерновых и зернобобовых культур.
Список литературы Моделирование хлебопекарных показателей зерна мягкой яровой пшеницы
- Айвазян С.А., Мхитарян В.С. Прикладная статистика и основы эконометрики. -М.: ЮНИТИ, 1998. -1022 с.
- Городов А.А., Городова Л.В., Плеханова Л.В. Моделирование показателей качества зерна пшеницы с помощью систем эконометрических уравнений//Вестник КрасГАУ. -2014. -№ 5.
- Методические рекомендации по оценке качества зерна. -М.: Тип. ВАСХНИЛ, 1977. -171 с.
- Плеханова Л.В. Влияние агроэкологических факторов и генотипа сорта на формирование качества зерна мягкой яровой пшеницы в лесостепи Приенисейской Сибири: дис.. канд. с.-х. наук. -Красноярск, 2009. -140 с.
- Формирование качества зерна мягкой яровой пшеницы в условиях Красноярского края/Л.В. Плеханова, А.И. Хохлова, В.В. Матюшев ; Краснояр. гос. аграр. ун-т. -Красноярск, 2011. -139 с.