10.3969/j.issn.1007-1865.2021.18.072
基于红外光谱利用机器学习快速测定生活垃圾中的水分
本文选取棉花为生活垃圾典型代表物,利用红外光谱探讨不同含水率的反射波峰分布情况.应用了线性回归和BP神经网络模型,构建映射反射峰与含水率之间的关系.同时,也探讨BP神经网络映射反射峰与含水率的最优参数.实验结果表明,随着棉花含水率的增加,其反射峰呈下降的趋势;BP神经网络模型(R2=98.49%)比线性回归模型(R2=74.72%)能更加有效反映反射峰与含水率之间的关系.BP神经网络最佳识别参数为学习率为0.001,迭代次数为150和隐藏层个数为4326个,在此条件模型获得预测值与试验测定含水率的相关性为99.11%.该实验结果将为后期测定多组分掺杂和实际生活垃圾中的水分快速测定奠定基础.
快速测定水份;红外光谱;BP神经网络;生活垃圾
48
TQ(化学工业)
2021-12-13(万方平台首次上网日期,不代表论文的发表时间)
共3页
166-168