论文部分内容阅读
以柞木为研究对象，以900～1700 nm的近红外光谱仪获取木材表面近红外光谱数据，对89个柞木样本进行检测，其中58个组成校正集，31个为预测集。首先，采集样本径切面光谱数据，并利用SG平滑对光谱数据进行预处理；然后，利用反向区间偏最小二乘（ BiPLS）选出均方根误差最小的波长区间组合；再利用连续投影算法（ SPA）进一步选择出波长特征；最后，以优选出的波长特征作为输入，建立偏最小二乘法回归模型，确定出木材基本密度与近红外光谱之间的联系。 BiPLS算法将光谱划分区间划分为10时，均方根误差最小，其最佳区间组合为[35679]，变量个数由全光谱117个降至59个；应用SPA算法二次降维，变量个数降至6个，降低变量信息的冗余，减少了变量个数，提高了建模的速度和效率。 BiPLS－SPA模型较PLS、iPLS、BiPLS、SPA－PLS具有更高的相关系数，更小的均方根误差，柞木基本密度预测相关系数为0．925，预测均方根误差为0．0104，相对分析误差为2．83。