东北林区主要阔叶材密度近红外定标模型研究

发布时间：2017-10-03 18:38

  本文关键词：东北林区主要阔叶材密度近红外定标模型研究

  更多相关文章： 近红外光谱 小波去噪 小波压缩 木材密度

【摘要】：木材密度是衡量木材材质的重要参数,快速测定木材密度有利于根据市场需求定向培育木材及提高木材精细化利用率。本研究应用强光探头采集木材圆盘近红外光谱,建立偏最小二乘(PLS)模型,并对未知样品密度进行快速预测,同时应用小波去噪和小波压缩对模型精度进行了优化,讨论了相关参数设置对优化结果的影响。(1)基于强光探头采集木材圆盘表面近红外光谱,建立了PLS模型,得到榆树木材密度近红外校正和验证模型决定系数分别为0.8347、0.7461；柞树木材密度近红外校正和验证模型决定系数分别为0.8270、0.7570；枫桦木材密度近红外校正和验证模型决定系数分别为0.8475、0.7634；混合木材密度近红外校正和验证模型决定系数为0.8465、0.7614。应用所建模型对未知样品进行预测得到,枫桦木材密度近红外校正模型对枫桦样品木材密度的预测决定系数最大(0.8390)。结果表明,近红外光谱技术可用于野外快速测定木材密度。(2)应用小波变换对木材NIRS进行去噪处理,当sym5小波分解层为3,启发式硬阈值对榆树NIRS的去噪效果最好；当db2小波分解层为5,固定硬阈值对柞树NIRS的去噪效果最好；当db5小波分解层为2,启发式硬阈值对枫桦NIRS的去噪效果最好。对去噪后光谱建立PLS模型,榆树木材密度近红外校正和验证模型决定系数为0.8655、0.7925；柞树木材密度近红外校正和验证模型决定系数为0.8918、0.8039；枫桦木材密度近红外校正模型和验证模型决定系数为0.8671、0.7824；混合木材密度近红外校正和验证模型决定系数为0.8820、0.8130。应用去噪后模型对未知样品进行预测得到,枫桦木材密度近红外校正模型对枫桦样品的预测决定系数最大,其值为0.8923,RMSEP为0.0276,SEP为0.03。结果表明,小波变换去噪能有效去除光谱中的噪音,提高模型精度。(3)应用小波变换对木材NIRS进行压缩处理,对于榆树NIRS,基于均衡稀疏标准硬阈值的db2小波6层分解的压缩效果最好；对于柞树NIRS,基于均衡稀疏标准硬阈值的sym4小波7层分解的压缩效果最好；对于枫桦NIRS,基于均衡稀疏标准硬阈值的db2小波6层分解的压缩效果最好。对压缩后光谱建立PLS模型,榆树木材密度近红外校正模型决定系数为0.8355；柞树木材密度近红外校正模型决定系数为0.8545；枫桦木材密度近红外校正模型决定系数为0.8479；混合木材密度近红外校正模型决定系数为0.8469。应用压缩后模型对未知样品进行预测得到,柞树木材密度近红外校正模型对柞树样品的预测决定系数最大(0.8717)。结果表明,小波压缩可简化近红外光谱数据,基于小波压缩和PLS法的近红外光谱技术可实现木材密度的快速准确预测。
【关键词】：近红外光谱 小波去噪 小波压缩 木材密度
【学位授予单位】：东北林业大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：S781.31
【目录】：

• 摘要4-5
• Abstract5-9
• 1 绪论9-15
• 1.1 引言9
• 1.2 近红外光谱技术简介9-11
• 1.2.1 近红外光谱技术原理9-10
• 1.2.2 近红外光谱分析技术的优势10
• 1.2.3 近红外光谱技术的局限10-11
• 1.3 近红外光谱技术在木材检测中的应用11-13
• 1.3.1 在木材物理检测中的应用11-12
• 1.3.2 在木材化学检测中的应用12
• 1.3.3 在其它领域的应用12-13
• 1.4 研究的主要内容13-15
• 1.4.1 研究内容13
• 1.4.2 NIRS技术分析流程13-15
• 2 基于NIRS技术与PLS法预测木材密度15-23
• 2.1 引言15
• 2.2 实验部分15-17
• 2.2.1 试验样品采集与制备15
• 2.2.2 采集近红外光谱15-17
• 2.3 模型构建原理与评价17-19
• 2.3.1 模型构建原理17
• 2.3.2 Leave-one-out内部交叉验证17-18
• 2.3.3 模型评价指标18-19
• 2.4 结果与分析19-21
• 2.4.1 不同主成分数对PLS建模精度的影响19-20
• 2.4.2 基于NIR密度模型的木材未知样品密度预测20-21
• 2.5 本章小结21-23
• 3 小波变换去噪对模型的优化研究23-38
• 3.1 引言23
• 3.2 小波变换去噪简介23-26
• 3.2.1 小波变换定义23-24
• 3.2.2 小波的多分辨率分析24
• 3.2.3 尺度函数φ(t)和小波函数ψ(t)24-25
• 3.2.4 Mallat算法25-26
• 3.2.5 小波变换去噪效果评价26
• 3.3 小波变换去噪26-35
• 3.3.1 不同小波函数的去噪效果比较26-30
• 3.3.2 小波分解层去噪效果比较30-33
• 3.3.3 阈值选择与量化对NIRS的去噪影响33-35
• 3.4 结果与讨论35-36
• 3.4.1 小波变换去噪后NIRS建模35
• 3.4.2 去噪后模型预测未知样品35-36
• 3.5 本章小结36-38
• 4 小波压缩对木材密度近红外模型优化的研究38-49
• 4.1 引言38
• 4.2 小波压缩理论基础38-39
• 4.3 小波压缩近红外光谱39-44
• 4.3.1 不同小波函数的压缩效果比较39-41
• 4.3.2 小波分解层压缩效果比较41-43
• 4.3.3 不同阈值压缩效果比较43
• 4.3.4 小波压缩后近红外光谱43-44
• 4.4 结果与讨论44-47
• 4.4.1 小波压缩后NIRS建模44-46
• 4.4.2 压缩后模型预测未知样品46-47
• 4.5 本章小结47-49
• 结论49-51
• 参考文献51-56
• 攻读学位期间发表的学术论文56-57
• 致谢57-58

【参考文献】

中国期刊全文数据库 前10条

1 张慧娟;李耀翔;张鸿富;张亚朝;李湃;;基于近红外光谱不同波段的红松木材含水率预测分析[J];东北林业大学学报;2011年04期

2 吴新生;谢益民;;基于近红外光谱法的木材原料的Kohonen网络分类法[J];造纸科学与技术;2009年04期

3 王学顺;戚大伟;黄安民;;基于小波变换的木材近红外光谱去噪研究[J];光谱学与光谱分析;2009年08期

4 汤彦丰;侯占忠;王志宝;范国强;;中草药大黄小波变换的近红外光谱的聚类分析[J];安徽农业科学;2012年30期

5 董凤霞;刘红峰;;火炬松树龄和材性对纸浆得率及成纸性能的影响[J];国际造纸;2014年02期

6 黄安民;焦淑菲;任海青;相玉红;张卓勇;;支持向量机结合近红外光谱法测定杉木木质素的含量[J];林产化学与工业;2009年05期

7 王学顺;戚大伟;黄安民;;基于小波模极大值的木材近红外光谱去噪[J];林业科学;2008年10期

8 张鸿富;李耀翔;;近红外光谱技术在木材无损检测中应用研究综述[J];森林工程;2009年05期

9 田高友,袁洪福,刘慧颖,陆婉珍;小波变换用于近红外光谱数据压缩[J];分析测试学报;2005年01期

10 郝斯琪;宋博骐;李湃;李耀翔;李谦宁;李祥;宁媛松;;基于近红外光谱与BP神经网络预测落叶松木屑的含水率[J];森林工程;2012年04期

中国博士学位论文全文数据库 前1条

1 刘艳红;东北东部森林植物多样性及其影响因素研究[D];东北林业大学;2002年

，

本文编号：966088