排序方式： 共有4条查询结果，搜索用时 15 毫秒
1
1.
采集了常见制浆材(桉木、相思木及杨木)样品的近红外光谱,测定了样品的基本密度、综纤维素、木质素和苯醇抽出物含量,用人为控制水分的方法测定了样品的水分含量。对原始光谱进行预处理后,分别运用偏最小二乘法(PLS)、LASSO算法、支持向量机法(SVR)和人工神经网络法(BP-ANN)建立基本密度、水分含量、综纤维素、木质素和苯醇抽出物含量的预测模型。对预测模型进行独立验证,结果显示:LASSO算法建立的基本密度和综纤维素模型性能最优,其预测均方根误差(RMSEP)分别为0.006 3 g/cm~3和0.49%,绝对偏差(AD)范围分别为-0.008 8~0.009 6 g/cm~3和-0.85%~0.87%;PLS建立的水分含量模型及苯醇抽出物模型最优,RMSEP值分别为1.21%和0.24%,AD范围分别为-1.99%~2.03%和-0.35%~0.38%;SVR建立的木质素模型最优,RMSEP值为0.43%,AD范围为-0.76%~0.74%,均满足制浆造纸工业中对误差的要求。 相似文献
2.
应用便携式近红外光谱仪快速检测制浆材时,如果能实现同系列不同型号仪器之间分析模型共享,将极大降低仪器建模和维护成本。为实现混合木材木质素含量的近红外分析模型从1台主机向2台不同型号从机的模型传递,收集了5种常见制浆材的82个原木样品,经粉碎预处理后分别在3台便携式光谱仪上采集其近红外光谱信号,采用差谱、光谱的平均差异和光谱间的欧氏距离等方法,定量表征了仪器间的信号差异,分析并讨论了差异产生的原因。利用偏最小二乘回归建立了样品主机近红外光谱与木质素含量的关联模型,再分别采用斜率截距、直接校正和典型相关分析算法进行主机与两台从机间的模型传递,比较了模型传递前后预测精度。结果表明,便携式光谱仪间的差异多为非线性,且不同型号从机光谱仪间差异更为复杂。尽管主机向同型号的从机模型传递效果更优,但经直接校正算法和典型相关分析算法传递后两台不同型号从机预测相关系数均大于0.98、预测相对标准偏差均大于3、预测标准偏差均小于1.1%,可实现木材木质素含量的近红外光谱分析模型在3台便携式光谱仪间的传递。该研究结果对于不同型号便携式光谱仪分析模型共享具有重要意义。 相似文献
3.
为实现纸浆材综纤维素质量分数的近红外分析模型在3台不同光谱仪器上的共享,提出了光谱信号比值分析筛选波长-无信息变量剔除(SWSRA-UVE)联用算法。即利用无信息变量剔除(UVE)算法,减少光谱信号比值分析筛选波长(SWSRA)方法中无效波长的不利影响,以提高模型传递精度。建立基于SWSRA-UVE算法优选波长的偏最小二乘回归(PLSR)主机模型,并将其模型传递效果与其他常用模型传递方法进行了对比。结果表明,针对2台从机采用SWSRA-UVE方法最终分别优选出的252和105个波长建立模型,分别用于从机1和从机2测量光谱样品的综纤维素质量分数,预测标准偏差(RMSEP)与模型传递前相比分别从2.011 4和9.451 8下降到了1.238 6和1.629 4,且优于SWSRA和其他模型传递算法结果。因此,SWSRA-UVE方法通过UVE算法进一步优选SWSRA一致性波长结果,大大简化了模型传递过程,显著地提高了主机模型的普适性,有利于近红外光谱分析技术的推广应用。 相似文献
4.
1