原文服务方: 东北林业大学学报       
摘要:
运用近红外光谱技术结合偏最小二乘法(PLS),对所采集光谱进行一阶导数和二阶导数处理,并对未处理原始光谱、一阶导数处理光谱和二阶导数处理光谱分别在7个不同波段范围内建立红松含水率预测模型.结果表明红松样本近红外光谱经一阶导数处理,波段在1 000~2 100nm范围内所建模型最优,其校正集相关性系数为0.992 5,校正标准偏差和校正均方根误差分别为0.025 9和0.0257,验证集相关系数为0.991 7,预测标准误差与预测均方根误差分别为0.031 8和0.031 7.研究表明,结合样本特性选取特定光谱波段范围建立预测模型可大幅度减少建模时间、降低建模成本,同时可以提高模型的预测精度.
推荐文章
应用近红外光谱技术检测木材含水率的方法
近红外光谱技术
木材含水率
偏最小二乘法
混合树种
基于近红外技术的落叶松木材密度预测模型
近红外光谱
落叶松木材密度
主成分回归法
偏最小二乘法
基于近红外光谱与BP神经网络预测落叶松木屑的含水率
近红外光谱
BP神经网络
主成分分析
落叶松
木屑含水率
基于深度学习的木材含水率预测
深度学习
木材含水率
深度信念网络
预测控制
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于近红外光谱不同波段的红松木材含水率预测分析
来源期刊 东北林业大学学报 学科
关键词 近红外光谱 木材含水率 偏最小二乘法 不同波段
年,卷(期) 2011,(4) 所属期刊栏目
研究方向 页码范围 83-85
页数 分类号 S781.3
字数 语种 中文
DOI 10.3969/j.issn.1000-5382.2011.04.024
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (6)
共引文献  (59)
参考文献  (8)
节点文献
引证文献  (30)
同被引文献  (92)
二级引证文献  (106)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(3)
  • 参考文献(2)
  • 二级参考文献(1)
2004(2)
  • 参考文献(2)
  • 二级参考文献(0)
2005(2)
  • 参考文献(0)
  • 二级参考文献(2)
2006(3)
  • 参考文献(3)
  • 二级参考文献(0)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2011(1)
  • 引证文献(1)
  • 二级引证文献(0)
2012(5)
  • 引证文献(3)
  • 二级引证文献(2)
2013(12)
  • 引证文献(5)
  • 二级引证文献(7)
2014(18)
  • 引证文献(4)
  • 二级引证文献(14)
2015(23)
  • 引证文献(4)
  • 二级引证文献(19)
2016(21)
  • 引证文献(4)
  • 二级引证文献(17)
2017(16)
  • 引证文献(1)
  • 二级引证文献(15)
2018(15)
  • 引证文献(5)
  • 二级引证文献(10)
2019(15)
  • 引证文献(2)
  • 二级引证文献(13)
2020(10)
  • 引证文献(1)
  • 二级引证文献(9)
研究主题发展历程
节点文献
近红外光谱
木材含水率
偏最小二乘法
不同波段
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
东北林业大学学报
月刊
1000-5382
23-1268/S
大16开
1957-01-01
chi
出版文献量(篇)
7235
总下载数(次)
0
总被引数(次)
68015
论文1v1指导