公共文化服务平台

共 8 条记录，以下是 1-8

全选清除导出

排序方式：

近红外光谱分析技术在木材机械性能检测中的研究进展被引量：9: 2014年; 近红外光谱技术具有快速、无污染、成本低廉、准确性高等优点,相比其他无损检测方法,被广泛应用于农业、医学、化工、造纸等各个领域。国内外许多科研工作者在木材材性分析和检测方面也作了大量的探索。本文主要介绍木材材性分析的重要性、近红外光谱技术的基本原理和特点,国内外林业科技工作者在辐射松、蓝桉、火炬松和粗皮桉等不同树种木材的抗弯强度、抗弯弹性模量、密度和压缩强度等物理力学性质检测方面所做出的贡献和取得的进展,通过介绍可以看出NIR技术具有很大的潜能,它可以快速、准确的获悉木材的性质,从而对木材进行科学合理的利用。; 张鹏李耀翔; 关键词：近红外光谱木材机械性能

基于近红外光谱及BP神经网络分析法预测森林土壤有机碳含量被引量：9: 2014年; 为快速测定森林土壤的有机碳含量，从取自小兴安岭带岭林业局东方红林场的120个土壤样品中采集350～2500 nm的土壤近红外光谱数据，对光谱做一定的预处理后，运用主成分分析法压缩提取前8个主成分，结合BP神经网络非线性方法建立土壤有机碳含量的预测模型并进行验证。结果表明，验证集的相关系数为0.78002，均方根误差为0.5002，预测集的相关系数为0.84941，均方根误差为0.4538。应用近红外光谱技术及BP神经网络非线性方法建模可以有效地预测土壤的有机碳含量，为野外大面积快速测定森林土壤碳含量提供了技术依据。; 李耀翔汪洪涛耿志伟张鹏徐浩凯; 关键词：近红外光谱技术

基于非线性混合模型的落叶松木材管胞长度模拟被引量：1: 2013年; 以黑龙江省七台河市林业局金沙林场9株人工落叶松6825对早、晚材管胞长度样品数据为例,选择6个常用方程进行非线性回归分析,把拟合精度最高的Richards模型作为早、晚材管胞长度基础模型y=β1[1-exp(-β2x)]β3+ε。基于Richards模型,利用非线性混合模型技术构建落叶松早、晚材管胞长度混合效应模型yij=(β1+b1i){1-exp[-(β2+b2i)t]}β3+b3i+εij。结果表明:当对早材管胞长度进行拟合时,b1i、b2i、b3i同时作为随机参数时早材管胞长度模型拟合最好;当对晚材管胞长度进行拟合时,b1i、b2i、b3i同时作为随机参数时晚材管胞长度模型拟合最好;一阶自回归模型AR(1)能够较好地表达树木内误差相关性;同时考虑随机效应和时间序列相关性结构能够提高落叶松早、晚材管胞长度混合模型的预测精度。; 李耀翔姜立春; 关键词：管胞长度非线性混合模型落叶松

基于NIR-PLS的土壤碳含量预测模型研究被引量：2: 2014年; 以东北小兴安岭林区带岭林业局东方红林场的土壤为研究对象,对120个土壤样品近红外光谱做去噪、Savitzky-Golay平滑和多元散射校正预处理,利用偏最小二乘(PLS)法建立关于土壤碳含量和吸光度之间的定量分析模型,并进行模型校、验证及部分预测集样品碳含量预测。结果表明:主成分数为4时,模型最优。校正模型的决定系数R2和均方根误差(RMSE)分别为0.784和5.752;验证模型的决定系数R2和均方根误差(RMSE)分别为0.621和7.521,预测集样品的实测值和预测值的决定系数R2达到0.735,均方根误差RMSE为7.202,预测标准差SEP为10.356。应用近红外技术可以实现对小兴安岭次生林土壤碳含量的有效预测,为大面积快速测定土壤碳含量提供理论依据与技术支撑,进而为林分土壤碳循环的相关研究提供新的思路。; 汪洪涛李耀翔; 关键词：近红外光谱技术偏最小二乘法

基于近红外光谱与BP神经网络预测落叶松木屑的含水率被引量：18: 2012年; 利用近红外光谱(NIR)技术结合BP神经网络定量预测了落叶松木屑的含水率。首先对采集的落叶松木屑原始近红外光谱进行9点平滑及多元散射校正预处理,然后利用主成分分析法提取光谱数据主成分作为BP神经网络的输入,最后建立BP神经网络预测模型并采用交叉验证法对模型进行验证。所建模型校正集的相关系数R为0.98,校正集的均方根误差RMSEC为0.001 7;预测集的相关系数R为0.99,预测集的均方根误差RMSEP为0.001 5。研究表明,此方法可以实现对落叶松木屑含水率的快速预测。; 郝斯琪宋博骐李湃李耀翔李谦宁李祥宁媛松; 关键词：近红外光谱 BP神经网络主成分分析落叶松

基于NIR及PLS-PCR-SVR预测森林土壤有机碳含量被引量：5: 2014年; 森林土壤有机碳含量是表征林地土壤营养状况的重要指标,该文建立了土壤有机碳含量的近红外光谱定标模型,并比较了偏最小二乘法（PLS）、支持向量机回归（SVR）、主成分回归（PCR）3种建模方法及Savitzky-Golay平滑＋多元散射校正、Savitzky-Golay平滑＋一阶导数、Savitzky-Golay平滑＋二阶导数、Savitzky-Golay平滑＋多元散射校正＋一阶导数、Savitzky-Golay平滑＋多元散射校正＋二阶导数5种光谱预处理方法对土壤有机碳含量定标模型精度的影响,同时进行了波段优选。结果表明：当光谱区域为1 380～1 450 nm,1 800～1 950 nm,2 050～2 300 nm,光谱数据采用Savitzky-Golay平滑＋多元散射校正＋一阶导数预处理,采用PLS的建模方法,主成分数为8时,建立的校正模型预测效果最佳。校正模型的R、RMSE、SEC分别为0.805 2、0.512 2、0.512 5;预测模型的R、RMSE、SEP分别为0.768 1、0.514 3、0.514 6。因此,利用近红外光谱技术可以实现土壤有机碳含量的快速估测,为林区实时、大面积、快速测定森林土壤有机碳含量提供了技术可行性。; 李耀翔汪洪涛耿志伟张鹏徐浩凯; 关键词：近红外光谱技术

非线性算法在近红外预测木材密度中的应用研究被引量：9: 2012年; 研究基于近红外光谱技术的木材密度预测。运用基于高斯核变换的非线性偏最小二乘法建立密度预测模型,并且对所建模型的评价参数进行了对比分析。结果表明该方法建立的预测模型能对样品的密度进行有效预测。研究表明样品近红外光谱信息与样品的实际密度值之间不是单纯的线性关系,非线性模型可以更好地表征二者之间的关系。; 李耀翔张鸿富; 关键词：木材密度近红外光谱

榆树木材基本密度近红外模型优化的研究被引量：7: 2015年; 为探究近红外光谱技术野外测量木材基本密度的可行性,用圆盘模拟伐倒木锯面,采集光谱信号,结合偏最小二乘法(PLS)建立榆树木材基本密度预测模型.其校正模型和验证模型决定系数R2分别为0.845 6和0.801 1,均方根误差RMSE分别为0.023 1和0.026 6,标准误差SE分别为0.023 2和0.026 8.为进一步提高模型预测精度,利用卷积平滑、小波变换等6种方法对光谱信号进行预处理.结果表明,基于小波变换去噪的模型精度最好,校正模型和验证模型决定系数分别为0.899 6和0.866 2,RMSE和SE的值均达到最小.研究表明,近红外光谱技术可用于木材基本密度的野外测量.; 李耀翔徐浩凯; 关键词：木材基本密度近红外光谱小波去噪野外测量

全选清除导出

共1页<1>

黑龙江省自然科学基金(C201111)