论文部分内容阅读
采集了常见制浆材(桉木、相思木及杨木)样品的近红外光谱,测定了样品的基本密度、综纤维素、木质素和苯醇抽出物含量,用人为控制水分的方法测定了样品的水分含量。对原始光谱进行预处理后,分别运用偏最小二乘法(PLS)、LASSO算法、支持向量机法(SVR)和人工神经网络法(BP-ANN)建立基本密度、水分含量、综纤维素、木质素和苯醇抽出物含量的预测模型。对预测模型进行独立验证,结果显示:LASSO算法建立的基本密度和综纤维素模型性能最优,其预测均方根误差(RMSEP)分别为0.006 3 g/cm-3和0.49%