基于近红外光谱与BP神经网络预测落叶松木屑的含水率

摘要：

利用近红外光谱（NIR）技术结合BP神经网络定量预测了落叶松木屑的含水率。首先对采集的落叶松木屑原始近红外光谱进行9点平滑及多元散射校正预处理，然后利用主成分分析法提取光谱数据主成分作为BP神经网络的输入，最后建立BP神经网络预测模型并采用交叉验证法对模型进行验证。所建模型校正集的相关系数R为0．98，校正集的均方根误差RMSEC为0．0017；预测集的相关系数R为0．99，预测集的均方根误差RMSEP为0．0015。研究表明，此方法可以实现对落叶松木屑含水率的快速预测。

关键词：近红外光谱、BP神经网络、主成分分析、落叶松、木屑含水率

所属期刊栏目：28

分类号：S776;X703(森林工程、林业机械)

资助基金：基金项目:中央高校基本科研业务费专项资金项目DLl2EB07-2;黑龙江省自然科学基金面上项目C201111;博士后研究人员落户黑龙江科研启动金;东北林业大学本科生科技创新项目1110225078

在线出版日期：2012-10-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：9-11