基于神经网络的叶绿素含量精细测量建模方法研究

活体植物叶片叶绿素含量SPAD值易受叶片厚度、水分等影响,提出了基于多参数神经网络建模的叶绿素含量精细反演方法。通过测量叶片在中心波长分别为650,940和1 450 nm光照射下的透过率,获得叶片的SPAD值和水分指数WI(water index),同时用数字螺旋测微仪测量相应的叶片厚度并用分光光度法测得其叶绿素含量。利用建模集样本分别建立SPAD值与实测叶绿素含量之间的单参数模型和基于BP神经网络的WI、厚度及SPAD值与实测叶绿素含量之间的非线性模型。利用这两种模型分别计算获得验证集样本的叶绿素含量预测值,对预测值和实测值进行了相关分析和相对误差的分析。实验以340个三种不同植物叶片为样本,用以上方法进行了分析。结果表明,利用BP神经网络建模后,每种植物样本的叶绿素含量预测精度都有不同程度的提高,尤其对于叶片厚度值较大的样本,效果更为明显。数据显示所有混合样本平均相对误差绝对值由单参数模型的7.55%降低到5.22%,实测值与预测值的拟合决定系数由0.83提高到0.93。验证了利用多参数BP神经网络模型可以有效地提高活体植物叶绿素含量预测精度的可行性。     

锂离子电池安全性保护措施研究进展

锂离子电池最常见的安全性问题主要出现在电解液和隔膜.热失控是导致锂离子电池产生安全事故的主要原因.改变电解液组分、增加电解液组分、引入阻燃添加剂等措施,能够有效缓解并抑制热效应,降低可燃性.改性聚烯烃隔膜是提高隔膜热稳定性的简单方法,使用高熔点的聚合物或无机材料对隔膜进行修饰,其本质类似于给隔膜穿上一层“外骨骼”,用来抵御热冲击和机械冲击.隔膜在保证具备基本功能的同时,还要更加环保,逐步转向可持续的生物质材料.本文针对近年来锂离子电池的安全保护措施进行了综述,主要包括近几年内部保护措施和外部保护措施的相关研究和探索方面的成果.详细介绍了最近报道的不易燃电解液、阻燃添加剂、隔膜、正极材料、限流设备和电池管理系统的作用机理和研究进展,并展望了未来锂离子电池安全性研究的发展方向.