张亚朝
- 作品数：4 被引量：32H指数：2
- 供职机构：东北林业大学工程技术学院更多>>
- 发文基金：中央高校基本科研业务费专项资金国家教育部博士点基金黑龙江省青年科学基金更多>>
- 相关领域：农业科学更多>>
- 基于近红外技术的落叶松木材密度预测模型被引量：19
- 2010年
- 运用近红外光谱对落叶松(Larix gemelinii Rupr)样品密度进行了研究,分别运用偏最小二乘法及主成分回归建立预测模型,并用建立的模型分别对每一个样品进行了预测。基于偏最小二乘法的校正模型及验证模型相关系数分别为0.964和0.918,校正标准误差及预测标准误差分别为0.016和0.021,模型预测值与实测值决定系数为0.93;主成分回归模型中,校正模型及验证模型相关系数分别为0.954和0.911,校正标准误差及预测标准误差分别为0.017和0.023,模型预测值与实测值决定系数为0.91。研究表明:基于主成分回归法与偏最小二乘法的近红外光谱分析建模,都可以实现对落叶松木材密度的有效预测,但相比较而言,偏最小二乘法略优于主成分回归法,所建立的模型对落叶松木材密度预测更加准确可靠。
- 李耀翔张鸿富张亚朝张慧娟李湃
- 关键词：近红外光谱主成分回归法偏最小二乘法
- 基于NIRS与支持向量机的落叶松木材密度预测
- 2015年
- 在支持向量机的理论基础上,以117个落叶松样本作为实验材料,用常规方法测定样本的密度实值,用美国ASD公司生产的波长为350-2500 nm的Lab Spec近红外光谱仪对样本进行相应的光谱采集,对光谱数据进行预处理,以文本格式导出。用LibSVM在matlab环境下建立落叶松密度预测模型。经分析,该模型对训练集的回归拟合,R^2达到了85.04%,均方差为6.46×10^-4;对测试集的回归拟合,R^2为85.20%,均方差为4.45×10^-4,拟合效果较好。结果表明,该方法可以用于落叶松木材密度预测。
- 李颖张亚朝李耀翔
- 关键词：近红外光谱支持向量机落叶松木材密度
- 基于支持向量回归的落叶松木材微纤丝角预测模型的研究
- 木材微纤丝角不仅与木材的物理、化学性质有关,而且在很大程度上还影响着木材的解剖学性质。同时,微纤丝角与木材的弹性模量以及抗弯强度等木材特性都有着密切的联系。本文对兴安落叶松木材样本的微纤丝角进行了研究,并利用不同的参数优...
- 张亚朝
- 关键词：落叶松微纤丝角近红外光谱技术支持向量回归
- 文献传递
- 基于近红外光谱不同波段的红松木材含水率预测分析被引量：20
- 2011年
- 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1 000~2 100 nm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0.025 7,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。
- 张慧娟李耀翔张鸿富张亚朝李湃
- 关键词：近红外光谱木材含水率偏最小二乘法
