公共文化服务平台

共 6 条记录，以下是 1-6

全选清除导出

排序方式：

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

基于有限元热分析的原木楞堆火焰温度场: 2014年; 运用有限元热分析技术,建立贮木场原木楞堆平面模型。逐层分析火焰蔓延过程中,楞堆及其周围的温度分布。比较有限元分析所得温度与火场实测温度,获得相应偏差。结果表明:有限元可以较好地分析贮木场原木楞堆的表面火焰温度场,可直观了解原木楞堆火灾发展,为及时控制楞堆火灾提供理论依据。; 薛伟耿志伟汪洪涛; 关键词：有限元火焰温度场

基于NIR-PLS的土壤碳含量预测模型研究被引量：3: 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

基于近红外光谱技术预测森林土壤有机碳含量的研究: 森林土壤有机碳是反映土壤肥力的重要内容，土壤肥力指示着林地土壤的营养状况。因此，快速测定土壤有机碳含量可以实时地估测林区土壤碳储量的动态变化。本文应用近红外光谱技术快速预测森林土壤有机碳含量，充分体现了它测定快捷、简单、...; 汪洪涛; 关键词：森林土壤有机碳含量近红外光谱偏最小二乘法支持向量机 BP神经网络; 文献传递

面向林业重点工程建设的森林工程人才培养体系的研究被引量：7: 2014年; 本文基于林业重点工程新的发展形势,简要概述了我国的林业重点工程;分析了目前森林工程专业的理论知识结构与人才培养方式不适应现代林业发展要求,生态文明建设意识不能与林业发展意识相结合的问题。针对性地提出森林工程专业未来的人才发展方向和人才培养体系。; 薛伟耿志伟汪洪涛; 关键词：林业重点工程

全选清除导出

共1页<1>

汪洪涛