近红外光谱技术结合4种算法分析尾巨桉-马占相思制浆原料的混合程度与主化学成分

发布时间：2025-06-28 00:36

　　 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。

【文章页数】：7 页

【文章目录】：
1 实验部分
    1.1 原 料
    1.2 仪器选用与光谱采集
    1.3 含量测定
    1.4 模型建立的方法与步骤
        1.4.1 偏最小二乘法
        1.4.2 支持向量机法
        1.4.3 人工神经网络法
        1.4.4 LASSO算法
    1.5 评价标准
2 结果与讨论
    2.1 测定数据的分布
    2.2 样品的近红外光谱及其预处理
    2.3 模型的建立
    2.4 模型的独立验证
3 结 论



本文编号：4054136