论文部分内容阅读
针对我国木材供需不平衡的矛盾,有必要采用合适的方法对木材基本性质进行快速的估测,提升木材利用效率,为人工林的合理栽培和加工提供理论依据和技术支持。木材的抗压强度、抗弯弹性模量和抗弯强度是评价木材力学性能的主要性能参数。木材的基本密度是木材质量等级评定的一项重要参数,在木材基本性质研究、森林培育、林木育种等方面具有重要应用。因此,如何快速准确地获得东北林区木材的材性显得至关重要。本研究基于近红外光谱技术结合偏最小二乘法与BP神经网络算法的建模方法,从木材样品近红外光谱的采集方式、近红外光谱数据的预处理方法选取、光谱数据的波段优选方法等角度,对木材基本密度、抗弯强度、抗弯弹性模量、抗压强度估测模型进行优化,以选取最佳的建模方法获取最优的木材材性的估测模型。(1)采用近红外光谱技术结合人工神经网络算法的建模方法,对落叶松的抗弯强度、顺纹抗弯弹性模量、顺纹抗弯强度的三个力学性质进行预测模型的优化研究。本实验分别从落叶木材标准样的横切面、弦切面、径切面三个截面采集近红外光谱,并建模确定预测落叶松木材力学性质的最优模型。结果表明应用横切面所采集到的光谱数据所构建的落叶松力学性质估测模型的效果最好,径切面的落叶松力学性质估测模型的模型效果稍差一些,弦切面的落叶松力学性质估测模型效果最差。(2)以椴树样品基本密度真值和近红外光谱数据为输入,分别通过卷积平滑,一阶导数和二阶导数预处理方法用于预处理近红外光谱数据。建立了基于偏最小二乘法(PLS)的椴树木材基本密度的近红外估测模型。结果表明:在350～2500nm波段范围内,一阶导数预处理的椴树木材基本密度模型是最优的。在对近红外光谱数据进行去噪优化处理,构建椴树木材基本密度模型后,在500～2300nm波段范围内,一阶导数预处理椴树木材基本密度模型最优,其校正集相关系数为0.9871,校正均方根误差为0.0016,验证集的相关系数是0.9486,预测的均方根误差是0.0021。(3)以东北林区红松、落叶松、云冷杉树种为研究对象,采用竞争性自适应重加权法(CARS)、无信息变量消除法(UVE)和间隔偏最小二乘法(iPLS)对近红外光谱波段进行优化,采用卷积平滑算法对近红外光谱数据进行预处理,结合偏最小二乘法(PLS)建立针叶木材基本密度估测模型,对比分析确定最佳波段优选方法,得到最优针叶木材基本密度模型。研究表明:利用CARS、UVE、iPLS的波段优化方法对近红外光谱波段的筛选,可以起到优化针叶木材基本密度模型的作用。利用间隔偏最小二乘法结合偏最小二乘法(iPLS-PLS)进行波段优选的针叶木材基本密度模型效果最好,其模型校正相关系数为0.9380,校正均方根误差为0.0218,验证相关系数为0.8959,验证均方根误差为0.0280。