排序方式: 共有24条查询结果,搜索用时 15 毫秒
21.
22.
利用近红外光谱结合多变量回归分析中常用的主成分回归(PCR)和偏最小二乘法回归(PLSR)分析预测法来判别木材的生物腐朽,并与前期采用的SIMCA和PLS-DA 2种判别方法进行对比分析.结果表明:1)应用近红外光谱结合多变量回归分析方法对校正集样本建立的判别模型,其校正及验证结果与标准值的相关性很高,相关系数均大于0.95,SEC和SEP都很低(0.07 ~0.20),利用模型对未参与建模的样本进行检测,发现2个模型对未腐朽、白腐和褐腐3种类型样本的判别准确率均为100%(偏差都小于0.27);2)对于相同样本集的判别效果,PLSR法比PCR法的判别效果好,且二者都比采用SIMCA法的效果好,并都与PLS-DA法的判别结果相近,说明利用近红外光谱结合回归分析预测法能有效地检测木材的生物腐朽,并对生物腐朽的类型进行准确判别. 相似文献
23.
近红外光谱法测定毛竹综纤维素的含量研究 总被引:5,自引:0,他引:5
研究了用近红外光谱(NIR)结合多变量统计分析技术对毛竹综纤维素含量的快速测定。用常规实验室方法测定了54个竹材样品的综纤维素含量,用近红外光谱仪采集相应样品的光谱,对原始光谱进行二阶导数和25点平滑预处理后,从54个竹材样品中挑选41个代表性的样品建模,选择1011~1675nm和1930~2488nm波段区间,用偏最小二乘法(PLS1)和完全交互验证方式建立毛竹综纤维素含量的预测模型。结果表明,毛竹综纤维素含量和近红外光谱之间存在非常好的相关性,预测模型的相关系数(RP)为0.95,预测模型的标准偏差(SEP)为0.76%。 相似文献
24.
近红外光谱技术在木材性质预测中的应用研究进展 总被引:2,自引:0,他引:2
林木定向培育和木材资源的优化利用, 都需要对大量木材样本的性质进行快速测试.然而, 传统的测试方法成本高、效率低, 不能满足生产和科研的需要.近红外光谱技术是一种新的无损评价方法, 能够迅速、准确地对木材试样的性质进行预测.文中主要介绍了近红外分析技术的基本原理、特点以及在预测木材化学组成、物理力学性质、解剖性质等方面的研究进展. 相似文献