原木随机存贮策略的最优化问题

本主要介绍原木经销商在周期内原木变价销售情况下的最佳期初贮存量的决策方法，在建立期望机会成本的数学模型基础上，探讨原木随机存贮策略的最优化问题。     

木质装饰板材贫氧条件下燃烧和热解特性研究

本文利用热重差热分析仪,在各种不同的氧气浓度下对落叶松、红木和红松样品进行实验。通过对TG、DTG和DTA曲线的分析,样品干燥基要经历两个失重过程,第一个失重过程主要是纤维素和半纤维素的热解,第二个失重过程主要是木质素的炭化分解和燃烧。在各氧气浓度条件下,热解失重的第一个阶段TG和DTG曲线差异很小;在各样品失重的第二个阶段,随着氧气浓度的增加,TG和DTG曲线左移,反应结束的温度明显降低。氧气能使木质素的炭化物氧化并进而可能使其着火燃烧,从而使反应进程加快。当氧气浓度大于6.32%时,各样品DTA曲线上均有两个明显放热峰,并且随着氧气浓度的增加,DTA曲线放热峰越尖锐,放热峰面积越大,说明氧气浓度越大,在两阶段失重过程中更多的挥发分物质和固体炭化物参与燃烧。     

硬木热解过程中颗粒内部二次反应的数值研究Ⅱ.数值模拟结果

为了研究生物质（硬木）热解过程中颗粒内部的二次反应，对流化床环境下单颗粒生物质热解模型进行了求解。计算针对典型大颗粒和典型小颗粒在流化床反应器反应条件下的热解过程，对不同大小颗粒内部各种产物的生成、消耗、积累以及逃逸行为进行了定量描述。计算结果表明：对于直径为2mm的小颗粒，颗粒内二次裂解的份额可以忽略，但是对于直径10mm的大颗粒，热争过程中有超过20%的一次焦油参加了颗粒内部二次反应，颗粒内二次裂解显著地改变了热解产物分布，改变了热解产物的品质。     

木材热塑化

利用适当的化学改性反应特别是经典的纤维索改性反应如酯化、醚化反应对木材进行化学改性，可使木材转化为可熔、可溶的新型热塑性高分子材料。这种热塑性木材可用普通塑料加工成型的方法进行加工，制造出许多新产品。为扩大木材的加工方法、劣废木材资源更有效的综合利用及提高木材的应用价值开辟了新的途径。放已成为近十年来木材综合利用新技术研究开发的新热点之一。本文综述这一研究领域的现状。     

加速溶剂萃取-气相色谱法测定木材中五氯酚残留量

提出了气相色谱法测定木材中五氯酚残留量的方法。样品用乙醇经加速溶剂萃取仪在100℃静态萃取10 min。采用DB-5毛细管柱分离,电子捕获检测器测定五氯酚含量。五氯酚的质量浓度在0.01～50 mg·L^-1范围内与峰面积呈线性关系,方法的检出限（3S/N）为0.01 mg·kg^-1。以木材样品为基体,进行加标回收试验,回收率在94.2%～98.2%之间,测定值的相对标准偏差（n=6）小于4%。     

SIMCA法判别分析木材生物腐朽的研究

木材是一种生物质材料,容易受到各种微生物的危害,生物腐朽可以迅速导致木材结构的破坏,因此,对木材生物腐朽的快速、准确地检测或鉴定具有重要意义。近几年来,近红外光谱和SIMCA方法正被用于识别或检测食品、药品和农产品等研究中,因此,本研究尝试利用近红外光谱结合SIMCA方法来检测木材的生物腐朽。研究结果表明,应用近红外光谱和SIMCA方法能有效地判别木材的生物腐朽类型,通过培训集样本建立的基于PCA分析的SIMCA判别模型对未腐朽、白腐和褐腐三种类型样本进行回判,判别准确率分别为100%, 82.5%和100%;而对未知腐朽类型的样本(包括未腐朽、白腐和褐腐样本),判别准确率分别为100%, 85%和100%;SIMCA方法对未腐朽和褐腐类型的判别准确率均达到100%,但对白腐样本都有错判,造成这种错判的主要原因可能是由于样本包括的信息不够丰富以及腐朽初期白腐和褐腐试样的性质差异太小等。     

有机/无机杂化复合木材的制备与性能

将硅溶胶/聚丙烯酸酯,有机/无机杂化液浸注于I-69杨木材中,制成有机/无机杂化木材。FT-IR红外光谱、扫描电子显微镜分析了复合木材的微观结构和组成,结果表明,经有机/无机杂化改性后的复合木材,既保持了木材本来的性质,又具有机/无机复合物的某些特性,其力学强度和尺寸稳定性较素材显著提高。     

基于IFSR异常样本剔除的落叶松木材密度近红外优化模型的研究

木材密度可以反映木材的干缩性、抗压抗拉强度等多种物理性质,是重要的木材物理特性。采用近红外光谱技术能够实现木材密度的快速预测,可克服传统检测方法耗费人力、物力、时间的弊端,但建模结果往往受异常样本的影响。为准确识别并剔除样本集中的异常样本,提出一种孤立森林结合学生化残差方法(IFSR),在利用孤立森林集成特征的优点基础上考虑样本对模型的影响度,可同时检测异常样本与强影响样本。该研究对181个落叶松木材样本的近红外光谱及其在常温下的气干密度进行了测定。通过对比多种方法预处理和特征选择方法,确定采用标准正态变量变化(SNV)+去趋势处理(DT)+均值中心化(MC)+标准化(Auto)方法进行预处理,采用竞争性自适应重加权算法(CARS)进行特征波段选择,消除噪声及无关信息对算法的影响,简化数据集,提高算法剔除异常样本的准确性。为验证IFSR方法剔除异常样本的能力,将其与蒙特卡洛交互验证(MCCV)、马氏距离(MD)等其他六种异常检测方法对比分析,建立偏最小二乘(PLS)模型对其进行异常检测性能评价。同时在上述基础上采用粒子群寻优-支持向量机回归(PSO-SVR), BP神经网络(BPNN)...