首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   4篇
  免费   0篇
化学   2篇
物理学   2篇
  2021年   1篇
  2020年   1篇
  2018年   1篇
  2016年   1篇
排序方式: 共有4条查询结果,搜索用时 15 毫秒
1
1.
为缓解我国木浆供应压力,满足混合原料制浆的实际需求,该文进行了近红外光谱快速分析混合制浆原料的研究。采集145个人为控制尾巨桉含量的尾巨桉-马占相思混合样品的近红外光谱,用常规方法测定其综纤维素、聚戊糖、Klason木质素含量。对原始光谱进行一阶导数与标准正态变换预处理后,分别运用偏最小二乘法、支持向量机法、人工神经网络法和LASSO算法建立尾巨桉、综纤维素、聚戊糖、Klason木质素含量分析模型。其中LASSO法建立的尾巨桉和综纤维素含量分析模型最优,预测均方根误差(RMSEP)分别为1.80%、0.60%;绝对偏差(AD)分别为-3.03%~3.17%、-1.03%~0.98%,模型性能可满足较精确的快速分析。偏最小二乘法建立的聚戊糖含量分析模型最优,RMSEP为0.75%,AD为-1.26%~1.33%;支持向量机法建立的Klason木质素含量分析模型最优,RMSEP为0.48%,AD为-0.82%~0.86%,两个模型性能适用于非精确性的分析。该研究为混合制浆原料的快速分析提供了可能,同时也证实了LASSO算法的适用性。  相似文献   
2.
为提高制浆树种的利用效率,缓解国内制浆造纸原料短缺的现状,降低行业污染与总体成本,尝试将近红外光谱技术用于海南省制浆树种的成分含量分析,以期根据实时所得成分含量相应调整工艺参数。用结构简单、易改装的全息光栅分光近红外光谱仪采集了海南省常见的适龄制浆树种(尾细桉、尾巨桉、尾叶桉、马占相思和粗果相思)共205个样本的近红外光谱,按传统实验室方法分析其主要成分--综纤维素和木质素的含量。选择合适的预处理方法与偏最小二乘法结合,建立了两种分析模型,并通过遗传算法剔除不相关的变量,筛选出特征波段,明确综纤维素和木质素的特征吸收,优化了模型。其中综纤维素分析模型建立时采用Savitzky-Golay 13点3倍平滑、矢量归一化和一阶导数预处理原始光谱,1 150.3~2 362.0 nm波段参与建模。筛选出的波段包含了1 188~1 196 nm之间CH3中C-H伸缩振动的二级倍频吸收,1 742~1 633 nm区间内O-H伸缩振动的一级倍频,2 112 nm附近O-H变形振动、O-H伸缩振动的合频等纤维素的特征吸收;也包含了1 470~1 495 nm之间O-H伸缩振动的一级倍频,1 906和1 911 nm附近C═O伸缩振动的二级倍频等聚戊糖的特征吸收。模型RMSEP值为0.55%,绝对偏差范围为-0.91%~0.87%。木质素分析模型建立时采用Savitzky-Golay 13点3倍平滑、多元信号校正和二阶导数预处理原始光谱,1 137.6~1 872.5和2 131.0~2 424.1 nm波段参与建模。筛选出的波段包含了1 143 nm附近苯环C-H伸缩振动的二级倍频吸收和CH3的C-H伸缩振动的二级倍频吸收,1 670~1 684 nm处苯环C-H伸缩振动的一级倍频,2 205 nm附近C-H、C═O伸缩振动的合频等木质素的特征吸收。模型RMSEP值为0.45%,绝对偏差范围为-0.76%~0.79%。两个模型的RPD值分别为4.71和3.47,均能满足制浆树种主要成分在线快速分析测定的工业需求。同时,本研究为制浆树种近红外表征体系的建立提供了理论依据,对近红外技术助力制浆造纸工业由自动化向智能化转变具有较为显著的意义。  相似文献   
3.
近年来,随着林纸一体化战略的推进,多使用混合原料制浆。而混合原料比例及成分含量的快速分析难以实现已成为制约制浆工业发展的瓶颈。为解决此问题,以广泛使用的杨木-桉木混合原料为研究对象,用傅里叶近红外光谱仪采集了131个不同比例的杨木-桉木混合样品和30个单一杨木、桉木样品的近红外光谱;用化学法测定其综纤维素、聚戊糖及Klason木素含量。因主要化学成分含量的近红外光谱信息集中于7 600~4 000 cm-1区间,对该区间的光谱数据进行平滑、标准正态变换和一阶导数的预处理,运用LASSO算法建立了杨木含量与聚戊糖含量模型;对该区间数据进行平滑、标准正态变换和二阶导数预处理后结合LASSO算法建立了综纤维素含量模型;对该区间数据进行平滑、多元信号校正和二阶导数预处理后结合LASSO算法建立了Klason木素含量模型。杨木含量、综纤维素、聚戊糖、Klason 木素含量模型的预测均方根误差分别为1.82%,0.52%,0.67%和0.59%;绝对偏差范围分别为-3.01%~2.94%,-0.91%~0.83%,-0.91%~1.07%,-0.79%~0.92%。4种模型的性能总体上略优于传统偏最小二乘法所建的模型且满足实际需求,可以用于工业生产。  相似文献   
4.
将稳定度自适应重加权采样特征变量选择算法用于支持向量机定性分析(Support vector machine-stability competitive adaptive reweighted sampling,SVM-SCARS)。该算法通过对数据多次采样建模计算各变量的稳定度值,稳定度值能更加客观准确地评估变量在建模中的作用,因此可作为变量重要性的评价依据。通过循环迭代方式,采用自适应重加权采样技术逐步筛选变量,然后以每次循环所得变量子集建立SVM模型,并以模型交叉验证分类正确率(Correct classification rate of cross validation,CCRCV)评估子集优劣,确定最优特征变量子集。将该算法结合漫反射近红外光谱技术建立了制浆造纸常用木材的树种识别模型,实现了对4种桉木和2种相思木的快速识别分类。最终共筛选出15个特征变量建立分类模型,模型对各树种分类的正确率达97.9%,具有较好的分类效果。与全光谱模型和递归特征消除支持向量机模型相比,SVM-SCARS能够筛选出更少的特征变量,且模型具有更好的预测性能和稳定性。研究结果表明,SVM-SCARS算法能够有效优化光谱特征变量,提高近红外在线分析模型在木材材性分析中的稳健性和适用性。  相似文献   
1
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号