当前位置:主页 > 科技论文 > 农业技术论文 >

基于LIBS和遗传算法的畜禽粪便中钙含量研究

发布时间:2018-12-16 07:29
【摘要】:为实现畜禽粪便高效、安全资源化利用,快速、准确定量表征分析畜禽粪便中钙(Ca)元素含量具有重要意义。以我国畜禽养殖比较集中地区的代表性畜禽粪便样本为对象,探讨了LIBS快速、定量分析其Ca元素含量模型构建和通过GA筛选变量优化模型的可行性。采集光谱的仪器参数设置如下:采集点数、激光能量、压制样压力、光斑大小和延迟时间分别为80个,15%,20T,400μm和1μs。建模结果表明:采用基于Ca元素特征波长所建三种线性模型精度较低;基于全谱的PLS所建模型中,R2v和RPD分别为0.85和2.13;选用化学计量学方法-遗传算法进行变量筛选可显著减少建模变量信息,提高建模效率,经GA优选所得12个变量所建PLS模型中R2v和RPD为0.90和3.04,具有较高精度和实际应用价值。研究表明,将激光诱导击穿光谱技术和遗传算法相结合可定量分析畜禽粪便中Ca元素含量。
[Abstract]:In order to realize efficient and safe utilization of livestock and poultry feces, rapid and accurate quantitative analysis of calcium (Ca) content in livestock and poultry feces is of great significance. Taking the representative samples of livestock and poultry feces from the concentrated areas of livestock and poultry breeding in China as the object, the feasibility of LIBS rapid, quantitative analysis of Ca element content model and optimization model of screening variables by GA was discussed. The instrument parameters are set as follows: collecting points, laser energy, pressing pressure, spot size and delay time are 80, 1520TX 400 渭 m and 1 渭 s, respectively. The results show that the accuracy of the three linear models based on the characteristic wavelength of Ca elements is low, the R2v and RPD are 0.85 and 2.13, respectively. The selection of chemometrics method-genetic algorithm for variable screening can significantly reduce the information of modeling variables and improve the efficiency of modeling. The R2v and RPD of PLS model established by GA are 0.90 and 3.04, respectively. It has high precision and practical application value. The results showed that the combination of laser induced breakdown spectroscopy and genetic algorithm could be used to quantitatively analyze the content of Ca in livestock and poultry feces.
【作者单位】: 中国农业大学工学院;
【基金】:欧盟框架计划项目(690142) 国家重点研发计划项目(2016YFE0112800)资助
【分类号】:X713

【相似文献】

相关期刊论文 前10条

1 杨薇;南军;孙德智;田禹;;遗传算法在水资源与水环境研究中的应用综述[J];水资源保护;2007年01期

2 贾艳辉;;基于遗传算法的水质模型参数的确定方法[J];海河水利;2008年01期

3 魏加华,张建立;非线性水污染控制系统规划的遗传算法[J];煤田地质与勘探;1999年02期

4 刘峰,胡非;用遗传算法优化工业污染源布局[J];城市环境与城市生态;2003年06期

5 张丽丽;马云东;魏令勇;;遗传算法在区域水污染控制系统规划中应用[J];辽宁工程技术大学学报;2005年S2期

6 王建平,程声通,贾海峰;水质模型参数优化的遗传算法实现及控制参数分析[J];环境科学;2005年03期

7 刘品高;;大气污染总量控制遗传算法的实现与性能优化[J];硅谷;2009年04期

8 陈宝维;周秀玲;熊万春;;基于遗传算法的强辐射场人员工作分配方案优化软件的开发[J];辐射防护通讯;2011年05期

9 徐明德;兰鹏;师莉红;;遗传算法在水污染控制系统规划研究中的应用[J];科技情报开发与经济;2009年05期

10 吉志龙;马元巍;王德忠;;遗传算法动态修正核素大气扩散模型的适应度函数研究[J];核技术;2014年04期

相关会议论文 前2条

1 刘载文;王小艺;张春芝;程志强;;基于遗传算法的污水处理过程优化控制方法[A];2007年中国智能自动化会议论文集[C];2007年

2 金菊良;张礼兵;洪天求;;环境质量综合评价的改进理想区间法[A];2006中国控制与决策学术年会论文集[C];2006年

相关博士学位论文 前2条

1 杨寿海;基于遗传算法的多目标智能辐射屏蔽方法研究[D];华北电力大学;2012年

2 薛东峰;废物最小化为目标的质量集成方法研究[D];大连理工大学;2001年

相关硕士学位论文 前10条

1 周琦;基于改进遗传算法的拆卸序列规划[D];湘潭大学;2015年

2 车晗;基于传统在线监测指标的污染事件探测方法研究[D];清华大学;2015年

3 杭杰;射雾器风机及风筒参数优化[D];燕山大学;2016年

4 钱凯健;遗传算法在基于GWLF模型的水环境系统中的应用和实现[D];天津大学;2014年

5 钟雨倩;基于遗传算法的污水厂厂群规划[D];四川大学;2005年

6 杨毅;涪江绵阳城区段水污染控制系统规划[D];西南交通大学;2004年

7 陈伟;基于遗传算法的燃煤机组NOx减排方法研究[D];上海交通大学;2013年

8 龚希博;基于遗传算法的ASM3参数估计研究[D];苏州科技学院;2014年

9 葛珉昊;基于混合递阶遗传算法的RBF网络优化及在BOD软测量中的应用[D];兰州理工大学;2014年

10 梁倩;基于递阶遗传算法的RBF网络优化及其在污水脱氮过程软测量中的应用[D];上海交通大学;2008年



本文编号:2381995

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/nykj/2381995.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户b4361***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com