基于灰狼算法SVM的NIR杉木密度预测

【目的】提出一种基于灰狼算法支持向量机(GWO-SVM)的木材密度预测模型,利用近红外光谱(NIR)对杉木密度进行预测,为杉木性质定量分析提供理论依据。【方法】将109个杉木样品光谱数据和样品密度数据进行归一化,选取88个样品作为训练集、21个样品作为测试集,对2 151维光谱数据提取主成分,以主成分作为输入变量,以杉木样本密度作为输出变量,建立杉木密度多元线性回归(MLR)模型、SVM模型和GWO-SVM模型,采用决定系数(R~2)、均方误差(MSE)和平均绝对百分误差(MAPE)对3种模型的预测结果进行比较分析。【结果】对光谱数据进行主成分分析并选择5个主成分,其累积贡献率达98.7%。MLR模型的R~2为0.771 4,MSE为0.000 282 1,MAPE为3.009 23%; SVM模型的R~2为0.923 8,MSE为0.000 233 1,MAPE为2.794 50%;灰狼算法对SVM进行参数寻优,获得的最优参数分别为C=18.366 6、σ=0.043 3,GWO-SVM模型的R~2为0.919 2,MSE为0.000 183 4,MAPE为2.496 37%。3种模型的平均绝对百分误差均在可接受范围内,且GWO-SVM模型的平均绝对百分误差最小,预测效果最好。【结论】从预测精度分析,GWO-SVM模型明显优于MLR模型和SVM模型;从模型决定系数分析,GWO-SVM模型和SVM模型均优于MLR模型。灰狼算法优化支持向量机结合近红外光谱对杉木密度进行预测分析合理、高效。     

干燥过程中木材含水率神经网络预测模型

将人工神经网络应用于木材干燥控制研究中,建立可用于木材含水率预测的时延神经网络基准模型,并给出其网络辨识结构。通过3个树种的实际干燥数据对所建立的网络模型进行训练和验证,仿真结果表明预测模型是可行而有效的,具有较好的动态跟踪能力和预报特性,实现了木材干燥基准的数学模型化,对进一步优化木材干燥基准实施与控制具有重要的指导意义和应用价值。     

木材流变学特性对板材常规干燥开裂、变形的影响

简述了木材干燥应力数学模型的研究背景,建立了木材常规干燥的干燥应力应变数学模型,模型主要考虑了干燥收缩应变、弹性应变、黏弹性蠕变应变和机械吸附蠕变应变四种因子.通过干燥应力应变数学模型与干燥扩散数学模型的联合分析求解,可以解释板材物理力学特性(如干缩率、含水率、干缩各向异性、横纹静曲弹性模量等)对干燥应力、干燥应变的影响,分析干燥应力的产生、发展和释放的机理,为科学制订木材干燥工艺提供理论依据.     

木质地采暖地板蓄热性能检测及反演方法

【目的】基于传热反问题研究方法,采用BP神经网络对地采暖地板蓄热性能进行反演计算,为地采暖地板蓄热性能分析提供理论和方法支撑。【方法】基于CFD软件构建检测腔体数值模型,模拟获取结构单一样本在不同初始温度(50～130℃范围内每间隔5℃设定一个模拟工况)下散热形成的温度场分布数据,并将初始温度为50、60、70、80、90、100、110、120和130℃的温度场分布数据作为神经网络模型的训练集,初始温度为55、65、75、85、95、105、115和125℃的温度场分布数据作为神经网络模型的测试集。【结果】经反复训练比较,获取较优的神经网络模型,其测试集的平均相对误差(MRE)=0.68%,最大相对误差(MAE)=19.51%,均方误差(MSE)=1.18%,拟合度(R~2)=0.98。基于该神经网络模型,选取白桦、水曲柳、西南桦、柞木4种典型实木地采暖地板样本进行蓄热性能反演计算,结果显示4种实木地采暖地板的蓄热性能表现为柞木西南桦水曲柳白桦。【结论】经训练的神经网络模型可有效预测不同地采暖地板的蓄热性能,基于BP神经网络反演地采暖地板蓄热性能的方法可行。     

基于近红外光谱与BP神经网络预测落叶松木屑的含水率

利用近红外光谱(NIR)技术结合BP神经网络定量预测了落叶松木屑的含水率。首先对采集的落叶松木屑原始近红外光谱进行9点平滑及多元散射校正预处理,然后利用主成分分析法提取光谱数据主成分作为BP神经网络的输入,最后建立BP神经网络预测模型并采用交叉验证法对模型进行验证。所建模型校正集的相关系数R为0.98,校正集的均方根误差RMSEC为0.001 7;预测集的相关系数R为0.99,预测集的均方根误差RMSEP为0.001 5。研究表明,此方法可以实现对落叶松木屑含水率的快速预测。     

基于不同预处理的椴树木材基本密度近红外光谱估测及模型优化

【目的】木材的基本密度在木材质量等级评定中起着重要的作用,是木材分流及精细化利用的重要依据。利用近红外光谱技术,实时监测木材性质,掌握木材性质的变化,为进一步制定和改善林木培育方法提供理论依据。【方法】借助树木生长锥对椴树活立木取样,以椴树样品基本密度真值和近红外光谱数据为输入,分别通过卷积平滑、一阶导数和二阶导数预处理方法来实现近红外光谱数据的预处理,建立了基于偏最小二乘法(PLS)的椴树木材基本密度的近红外估测模型。【结果】在350~2 500 nm波段范围内,一阶导数预处理的椴树木材基本密度模型是最优的,校正集相关系数为0.964 8,校正均方根误差为0.002 7,验证集相关系数为0.943 2,预测均方根误差为0.003 3。在对近红外光谱数据进行去噪优化处理,构建椴树木材基本密度模型后,在500~2 300 nm波段范围内,一阶导数预处理椴树木材基本密度模型依旧最优,其校正集相关系数为0.987 1,校正均方根误差为0.001 6,验证集的相关系数是0.948 6,预测的均方根误差是0.002 1。【结论】选择特定的预处理方法,结合样本特征,建立椴树木材基本密度模型,可以显著降低建模成本,提高模型预测精度,快速测定椴树木材的基本密度。     

基于粒子群算法和BP神经网络的多因素林火等级预测模型

针对现有小尺度林火预测模型预测结果有效性、可扩展性等方面的不足,通过考虑多种火险因素,构建BP神经网络预测模型以提高预测精度,在此基础上借助粒子群算法加快BP神经网络收敛速度,进而提出一种混成的多因素森林火险等级预测模型particle swarm optimization based back-propagation neural network (PSO-BP)。所构建的预测模型,能够同时考虑气候因素(日最高气温、日平均气温、24 h降水量、连旱天数、日照时数、日平均相对湿度、日平均风速)、地形地貌因素(海拔、坡度、坡向、土壤含水量)、可燃物因素(植被类型、可燃物含水率、地被物载量)、人为因素(人口密度、距人类活动区域的距离) 16个变量。基于南京林业大学下蜀林场森林防火实验站传感器网络所采集的实际数据及现场测量数据,通过一组试验验证提出模型的有效性。结果表明:基于训练数据集及检验样本所构建的模型能够开展有效的火险等级预测;模型的计算复杂度较单独使用BP神经网络模型明显下降。     

湿加松16种黄酮总含量近红外预测模型的建立

在950～1650 nm的光谱范围内,使用DA2700型近红外光谱仪采集了110个湿加松Pinus elliottii × P.caribaea松针粉末样本的光谱数据。结合实际测定值,采用偏最小二乘(PLS)回归法并选择最佳光谱预处理方法和最佳主成分数,建立湿加松松针组织16种黄酮物质总含量的快速预测模型。结果表明:采用一阶导数(FD)与滤波拟合(SG)相结合法对光谱数据进行预处理且当主成分数为10时,可得最优模型。其校正集相关系数(R_c)和交互验证集相关系数(R_v)分别为0.852 1和0.705 9。校正集均方根误差(RMSEC)和交互验证集均方根误差(RMSEV)分别为6.361 0和9.150 9。外部验证集测定值和模型预测值之间的相关系数为0.8537。综合表明所建模型预测精度高、可靠性强,可用于湿加松松针组织16种黄酮物质总含量的预测。     

基于TWSVM和模糊的木质采暖地板蓄热温度预测模型

【目的】围绕木质地板蓄热特性,针对木质地板蓄热后生成的温度场分布建立基于孪生支持向量机(TWSVM)和模糊算法的温度组合预测模型,为后续研究木质地板的蓄热规律提供有效分析手段。【方法】首先,将加热到设定温度的木质地板样本推送至地采暖地板蓄热性能检测仪器的检测腔内自由放热,利用仪器内呈多层环状分布的温度传感器阵列在时间和空间维度上动态提取温度值,并进行滤波降噪和归一化处理。其次,针对建模数据过多导致的TWSVM计算复杂度迅速膨胀问题,将试验数据均匀分块,每个分块数据中的验证集样本随机提取,剩余为训练集样本,采用TWSVM分别训练每个训练集样本,并用对应样本中的验证集进行泛化性验证,运用网格搜索法对TWSVM模型的核函数参数σ、惩罚参数γ和松弛因子ξ进行寻优。最后,基于模糊原理,对验证样本的输入空间构建高斯隶属度函数,并应用隶属度函数将模型预测结果进行模糊叠加,叠加后的输出作为模型最终训练结果。【结果】基于模糊的TWSVM方法预测时间维度下不同样本温度值的最大拟合度为99.59%,最小为98.92%,最长建模时间为186.90 s,最短建模时间为64.39 s;预测空间维度下不同样本温度值的最大拟合度为99.23%,最小为98.96%,最长建模时间为274.37 s,最短建模时间为93.30 s。【结论】TWSVM在计算中涉及矩阵求逆问题,适合对维数较小的数据样本进行建模,由于本研究木质地板蓄热特性需要的温度数据量较大,因此采用TWSVM直接对该试验数据进行建模具有较大局限性;引入模糊方法后,先将温度数据分别在时间和空间维度上分割成多个小的训练样本,然后对每个训练样本分别采用TWSVM建模和训练,根据模糊规则,以每个温度点在模糊函数上的隶属度叠加值来确定最终预测结果,可提高TWSVM方法建模的适应范围,并充分发挥其快速性和泛化性优势。     

基于多角度卫星遥感的胡杨林结构参数获取

【目的】基于多角度卫星遥感(MISR)和无人机(UAV)摄影测量技术,采用简单几何光学模型(SGM)和广义简约梯度(GRG)优化方法,反演获取塔里木河下游胡杨林主要结构参数(树高、冠幅、林分密度和覆盖度)。【方法】以塔里木河下游典型河岸林为研究对象,基于野外调查、UAV倾斜摄影测量和MISR数据,构建训练集,采用SGM对场景反射进行分解模拟,获取Walthall背景反射模型参数,评价参数敏感性,建立参数回归方程,运用GRG优化算法反演得到测试集结构参数,利用无人机测量数据进行精度验证和评价。【结果】从UAV倾斜摄影测量数据中提取的树高、冠幅、林分密度数据与实测数据相比,UAV获取的树高、冠幅、林分密度与实测数据的R²分别为0.90、0.84、0.94,均方根误差(RMSE)分别为0.45 m、0.68 m、4.25株·hm^-2。SGM对训练集样地红光模拟反射值与卫星观测反射值的R²最大值为0.99、最小值为0.72、平均值为0.92;反演获取的训练样地树高和覆盖度与参考值相比,覆盖度R²达0.99,...     

基于LS-SVM的采暖木质地板自然对流温度场建模

【目的】在底部具有木质样本热源的圆柱形封闭腔内,基于最小二乘支持向量机(LS-SVM)建立自然对流引起的温度场预测模型,研究采暖木质地板蓄热后的温度场分布规律,为后续反演采暖木质地板的蓄热特性提供数据基础。【方法】首先,给出圆柱形封闭腔物理模型的边界条件和木质样本初始温度,根据流体力学定律建立热场传热的质量、动量和能量守恒方程,并用计算流体力学(CFD)软件进行求解。其次,对CFD求解的数据进行归一化处理,并根据木质样本初始温度将归一化后的数据分成训练集和验证集2部分,其中训练集5 481个温度,验证集8组,每组609个温度;利用训练集对LS-SVM模型进行训练,采用果蝇优化算法对模型的核函数参数σ和正则化参数γ进行寻优,得到σ和γ的最优参数组合为[1.0×10~(10),0.06]。最后,应用优化好的模型分别对每个验证集上的温度值进行预测,并与BP神经网络方法的预测结果进行比较。【结果】LS-SVM对不同样本温度场预测的最大拟合度为0.998 9,最小为0.996 8;平均相对误差、最大相对误差和均方误差最大值分别为0.25%、2.6%和0.31%,最小值分别为0.054%、0.84%和0.12%;最长建模时间为12.93 s,最短为12.72 s。与之相比,BP神经网络预测的最大拟合度为0.999 7,最小为0.998 3;平均相对误差、最大相对误差和均方误差最大值分别为0.47%、5.43%和0.63%,最小值分别为0.21%、2.08%和0.33%;最长建模时间为107.15 s,最短为106.23 s。LS-SVM对不同样本温度场预测的拟合误差比BP神经网络方法的预测结果要小一些,拟合度与BP神经网络方法相近,建模和预测需要的时间明显少于BP神经网络。【结论】采用LS-SVM对采暖木质地板的蓄热温度场建模是可行的,该方法适合对小样本建模,泛化性较好,对在试验条件下利用有限数据来对温度场建模和预测具有明显优势,可为后续开展采暖木质地板蓄热机制的反演工作提供指导。     

基于ANFIS的木质采暖地板温度场预测分析

【目的】提出基于自适应神经模糊推理系统(ANFIS)的木质地板蓄热性能温度场预测算法,为木质地板蓄热性能分析提供数据支撑。【方法】以地采暖地板蓄热性能分析仪密闭绝热圆柱腔为研究对象,在腔体内部布设由150个温度传感器组成的6层阵列,将腔体内部分为150个子空间。首先,将腔体内温度传感器序号和时间作为系统输入,传感器阵列采集的温度值作为系统输出,构建ANFIS温度场模型。然后,将所选用的训练数据输入模型,调整相应参数,完成封闭腔温度场时间模型训练。最后,将其他未参与训练数据输入到已训练好的模型中,得到预测值,并通过相应计算公式验证该方法对木质采暖地板温度场预测分析的适用性。【结果】温度场预测值拟合度达0.988以上,拟合误差也控制在较低水平,其中均方误差低于0.19%、最大相对误差低于1.22%、平均相对误差低于0.36%。【结论】基于ANFIS的封闭腔温度场预测模型能够完整表达出试验仪器腔体的温度场特征,且在建模的简化度、泛化能力和稳健性上均具有较好表现,能够用已被训练过的系统较好地对传感器任意时间点进行温度预测。     

不同纹理方向栎木微小无疵试样板材蠕变特性

【目的】考察高温高湿环境下不同锯切方向栎木板材的弯曲蠕变行为,为湿热条件下翘曲栎木板材展平整直工艺提供参考。【方法】制备4种不同锯切方向栎木试样(分别对应弦切板纵向、径切板纵向、径切板横向和弦切板横向),利用DMA-Q800型动态热机械分析仪测定不同锯切方向栎木试样在不同温度下的蠕变曲线,采用Burger模型和广义Kelvin模型对栎木短期蠕变曲线进行拟合,分析锯切方向对栎木试样各蠕变参数的影响,并对不同取向栎木板材蠕变特性进行评价。【结果】在70~90℃范围内,不同取向栎木板材蠕变和蠕变恢复均随温度升高而增大。在相同应力作用下,径切板纵向蠕变大于弦切板纵向蠕变,而径切板横向蠕变小于弦切板横向蠕变。Burger模型和广义Kelvin模型都可以较好地模拟栎木短期蠕变过程,Burger模型相关系数(R~2)大于0.90,广义Kelvin模型相关系数(R~2)大于0.99。在试验范围内,相同含水率下栎木试样的普弹模量和本体黏度均随温度升高而降低。在单个滞后时间的Burger模型拟合中,滞后时间随温度升高而增加,90℃时达到最大,栎木在90℃时最接近理想黏性体。不同锯切方向栎木板材本体黏度依次为弦切板纵向径切板纵向径切板横向弦切板横向。【结论】升高温度可以降低栎木本体黏度,随温度升高栎木更易产生黏性形变;栎木板材横向相比纵向更易发生黏性形变;在板材纵向,径切板相比弦切板易发生黏性形变;在板材横向,径切板相比弦切板更难产生黏性形变。     

室内模拟降雨对蒙古栎和红松凋落物床层饱和含水率的影响

【目的】地表凋落物作为森林火灾的引火物,其含水率大小决定凋落物被引燃的难易程度和发生火灾后一系列火行为指标等。降雨作为林火预测预报中必不可少的气象因子,直接影响地表凋落物的含水率。但由于降雨的不确定性,其对凋落物含水率影响的研究较少。为了搞清降雨对凋落物含水率的影响,分析降雨条件下凋落物含水率动态变化和凋落物床层饱和含水率情况。【方法】以蒙古栎和红松地表凋落物为研究对象,设置不同床层密实度和初始含水率,利用降雨模拟器在室内模拟不同降雨量,每隔10 min称量一次凋落物床层至饱和,得到凋落物含水率动态变化情况,分析床层密实度、初始含水率和降雨量对2种凋落物床层饱和含水率的影响,并建立响应预测模型。【结果】降雨条件下2种凋落物床层含水率呈对数增加;不论蒙古栎还是红松,床层初始含水率对床层饱和含水率没有显著影响,饱和含水率受床层密实度和降雨量的影响显著。降雨量和床层密实度对凋落物床层饱和含水率的影响相互制约,随着床层密实度的增加,降雨量对饱和含水率的作用下降;不同凋落物床层密实度时,建立了Ms=a×exp(b×R)的床层饱和含水率预测模型,模型预测误差均在可接受范围内。【结论】本研究揭示了降雨对不同结构的凋落物床层含水率的影响,对于含水率预测模型研究和火险预报研究具有重要意义。     

落叶松木材干燥的BP神经网络模型研究

以落叶松木材为研究对象,实验在东北林业大学干燥实验室进行,采用MATLAB中log-sigmoid型函数(logsig)和线性函数(purelin)为神经元的作用函数,用落叶松木材的干燥温度、湿度、循环风速及平衡含水率作为输入变量,以木材含水率作为输出变量,构建了4∶S∶1的木材干燥的BP人工神经网络模型。用120组数据对网络模型进行训练及检验,得最适宜的网络结构为4∶10∶1,均方误差函数mse=0.001 7,总体拟合精度为96.86%。该模型能够运用到相同条件下的其他树种的木材干燥。     

基于RBF组合模型的山地红壤有机质含量光谱估测

【目的】探讨组合模型在山地红壤有机质含量高光谱估算中应用的可行性,以期为土壤有机质含量估测提供基础数据和科学依据。【方法】基于山地红壤光谱的全波段(400~2 450 nm)研究范围,选择偏最小二乘回归(PLSR)、BP神经网络(BP)和支持向量机回归分析(SVMR)3种单一高光谱估测模型,分别获得预测结果,并重构预测结果数据,以绝对误差和最小为目标,计算固定权重与不固定权重两种组合模型的权重值,并基于径向基函数(RBF)神经网络法建立组合模型,探讨不同赋权方法与是否重构数据条件下的最优组合模型。通过均方根误差(RMSE)、预测偏差比(RPD)和决定系数(R2)评价山地红壤有机质含量的预测精度。【结果】单一预测模型中的SVMR估测精度最高,验证决定系数(R2)为0.64,均方根误差为9.76 g·kg-1,测定值标准差与标准预测误差的比值为1.67;在组合模型数据不重构的条件下,不定权组合模型要优于定权组合模型;在组合模型数据重构的条件下,定权组合模型要略优于不定权组合模型,估测精度相差不大;最优模型是数据重构定权组合模型,模型验证决定系数(R2)为0.87,均方根误差为7.91 g·kg-1,测定值标准差与标准预测误差的比值为2.06;组合模型验证精度优于单一模型,说明利用RBF组合模型估算山地红壤有机质含量是可行的。【结论】对山地红壤有机质含量的快速估测而言,单一模型具有操作简单、运算速度快等特点,因而具有较大应用价值,但组合模型能较大限度地利用各种预测样本信息,从而能有效减少应用单一模型时所受随机因素的影响,从而提高山地红壤有机质含量的估测精度。     

非线性混合效应生长模型的拟合、随机效应预测和应变量预测间对应关系

【目的】在非线性混合效应模型的拟合、随机效应预测和应变量预测3个环节上,常用一阶泰勒近似法将非线性模型线性化,泰勒近似的基点一般为随机效应参数的数学期望或迭代终值。在林业中,3个环节的基点常常并不完全一致,并可能影响预测精度。本研究以树高生长过程为例,分析了不一致的基点对预测精度的影响程度。【方法】以加拿大哥伦比亚省美国黄松解析木数据为基础,以三参数Logistic为基本模型,随机抽取49株用于拟合,30株用于验证。采用R语言的nlme函数和SAS的nlmixed过程拟合模型。nlme函数以随机效应的数学期望为基点,而nlmixed过程则以迭代终值为基点。利用SAS的IML过程预测随机效应与应变量,并计算预测精度。以预测误差均方(MSPE)、平均相对误差(MPE)、平均相对误差绝对值(MAPE)作为评价预测精度的指标。【结果】预测随机效应与预测应变量的基点不同,预测精度将大幅度下降。【结论】预测随机效应和预测应变量的基点必须一致,且仅需二者一致,与模型拟合的基点基本无关。如果二者一致,以数学期望或迭代终值为基点对预测精度基本上无显著影响;如果预测随机效应和预测应变量的基点不同,将显著降低预测精度。     

基于CNN的木材内部CT图像缺陷辨识

【目的】为获取木材内部构造形态,提高木材内部缺陷识别率,依据获得的计算机断层扫描图像,提出一种基于卷积神经网络(CNN)的木材内部缺陷辨识方法,以实现木材的高效化自动分类。【方法】首先,利用课题组自行开发的计算机断层扫描系统,采集样本木材内部CT图像800幅;然后,对样本图像进行处理,随机选取700幅原始样本图像,从中截取出单个缺陷区域和正常木材断层区域样本图像20 000幅,并利用图像增强等算法将数据集扩充到70 000幅,标准化图像大小为28×28像素,分为正常、裂纹、虫眼和节子图像共4类,取60 000幅图像作为训练集,10 000幅图像作为测试集,剩余的100幅原始样本图像用于试验验证。【结果】通过60 000幅图像来训练网络模型,对测试集10 000幅图像进行分类,分类正确率达99.3%;利用训练得到的网络模型对100幅原始样本图像进行验证,平均分类正确率为95.87%。【结论】基于卷积神经网络的木材内部CT图像缺陷辨识算法,克服了传统识别方法图像预处理繁琐、训练方法复杂、训练参数过多、耗时过多等问题,具有精度高、复杂度小、鲁棒性较好等优点,且辨识正确率和辨识时间都比现行常规算法精准并用时短,是一种无损、高效、准确的辨识分类方法。     

木材蠕变模拟研究概述

综述树种和材性变异、应力水平、温度、含水率等因素对木材蠕变的影响,介绍分析含水率稳定和变化条件下木材蠕变模拟预测等方面的研究进展情况.我国木材蠕变特别是木材的机械吸附蠕变研究尚缺乏系统性,应综合考虑不同的影响因素对木材蠕变进行充分研究,以建立不同条件下木材蠕变预测的模型,为国内木材蠕变研究及木结构建筑的安全和可靠性设计提供基础.     

空气温湿度对不同结构的红松松针床层含水率动态变化影响的室内模拟研究

【目的】空气温度和相对湿度是对地表细小死可燃物含水率动态变化影响最显著的气象因子,对含水率预测模型中关键指标平衡含水率和时滞起重要作用,但由于对其研究的不全面性,至今温湿度对不同床层结构含水率的影响,特别是关键指标的影响还未达成共识。为了搞清空气温湿度对不同床层结构含水率动态变化和关键指标的影响。【方法】以红松地表细小死可燃物为研究对象,设置与自然状态接近的床层密实度梯度,置于恒温恒湿箱中,在不同温湿度配比下用自动称量天平记录含水率变化情况,分析密实度和温湿度对平衡含水率和时滞的影响,并建立相应的预测模型。【结果】不论温湿度和密实度如何改变,松针床层含水率呈指数下降;空气温度和相对湿度对平衡含水率有极显著影响,对于红松松针床层,Simard法预测平衡含水率效果要优于Nelson法,其误差均在可接受范围内;建立了形如τ=ae~(-bT)的不同密实度和湿度时的时滞预测模型,误差也在可接受范围内。【结论】揭示了不同温湿度条件下不同红松松针床层含水率动态变化过程,搞清其对平衡含水率和时滞的影响,对于可燃物含水率预测模型研究具有重要意义。