东北林业大学学报
東北林業大學學報
동북임업대학학보
JOURNAL OF NORTHEAST FORESTRY UNIVERSITY
2011年
4期
83-85
,共3页
张慧娟%李耀翔%张鸿富%张亚朝%李湃
張慧娟%李耀翔%張鴻富%張亞朝%李湃
장혜연%리요상%장홍부%장아조%리배
近红外光谱%木材含水率%偏最小二乘法%不同波段
近紅外光譜%木材含水率%偏最小二乘法%不同波段
근홍외광보%목재함수솔%편최소이승법%불동파단
运用近红外光谱技术结合偏最小二乘法(PLS),对所采集光谱进行一阶导数和二阶导数处理,并对未处理原始光谱、一阶导数处理光谱和二阶导数处理光谱分别在7个不同波段范围内建立红松含水率预测模型.结果表明红松样本近红外光谱经一阶导数处理,波段在1 000～2 100nm范围内所建模型最优,其校正集相关性系数为0.992 5,校正标准偏差和校正均方根误差分别为0.025 9和0.0257,验证集相关系数为0.991 7,预测标准误差与预测均方根误差分别为0.031 8和0.031 7.研究表明,结合样本特性选取特定光谱波段范围建立预测模型可大幅度减少建模时间、降低建模成本,同时可以提高模型的预测精度.
運用近紅外光譜技術結閤偏最小二乘法(PLS),對所採集光譜進行一階導數和二階導數處理,併對未處理原始光譜、一階導數處理光譜和二階導數處理光譜分彆在7箇不同波段範圍內建立紅鬆含水率預測模型.結果錶明紅鬆樣本近紅外光譜經一階導數處理,波段在1 000～2 100nm範圍內所建模型最優,其校正集相關性繫數為0.992 5,校正標準偏差和校正均方根誤差分彆為0.025 9和0.0257,驗證集相關繫數為0.991 7,預測標準誤差與預測均方根誤差分彆為0.031 8和0.031 7.研究錶明,結閤樣本特性選取特定光譜波段範圍建立預測模型可大幅度減少建模時間、降低建模成本,同時可以提高模型的預測精度.
운용근홍외광보기술결합편최소이승법(PLS),대소채집광보진행일계도수화이계도수처리,병대미처리원시광보、일계도수처리광보화이계도수처리광보분별재7개불동파단범위내건립홍송함수솔예측모형.결과표명홍송양본근홍외광보경일계도수처리,파단재1 000～2 100nm범위내소건모형최우,기교정집상관성계수위0.992 5,교정표준편차화교정균방근오차분별위0.025 9화0.0257,험증집상관계수위0.991 7,예측표준오차여예측균방근오차분별위0.031 8화0.031 7.연구표명,결합양본특성선취특정광보파단범위건립예측모형가대폭도감소건모시간、강저건모성본,동시가이제고모형적예측정도.
