中央高校基本科研业务费专项资金(DL12EB07-2) 作品数:10 被引量:55 H指数:5 相关作者: 李耀翔 汪洪涛 耿志伟 张鹏 李颖 更多>> 相关机构: 东北林业大学 云南农业大学 更多>> 发文基金: 中央高校基本科研业务费专项资金 黑龙江省自然科学基金 国家林业公益性行业科研专项 更多>> 相关领域: 农业科学 自动化与计算机技术 环境科学与工程 更多>>
基于近红外光谱及BP神经网络分析法预测森林土壤有机碳含量 被引量:9 2014年 为快速测定森林土壤的有机碳含量,从取自小兴安岭带岭林业局东方红林场的120个土壤样品中采集350~2500 nm的土壤近红外光谱数据,对光谱做一定的预处理后,运用主成分分析法压缩提取前8个主成分,结合BP神经网络非线性方法建立土壤有机碳含量的预测模型并进行验证。结果表明,验证集的相关系数为0.78002,均方根误差为0.5002,预测集的相关系数为0.84941,均方根误差为0.4538。应用近红外光谱技术及BP神经网络非线性方法建模可以有效地预测土壤的有机碳含量,为野外大面积快速测定森林土壤碳含量提供了技术依据。 李耀翔 汪洪涛 耿志伟 张鹏 徐浩凯关键词:近红外光谱技术 基于降噪处理的蒙古栎木材气干密度NIRS定标模型 被引量:6 2016年 分别采用卷积平滑法、小波变换法对蒙古栎木材近红外光谱(NIRS)做去噪处理,并讨论两者混合去噪时,处理顺序变化对光谱去噪效果的影响,最后应用偏最小二乘法(partial least squares regression,PLS)和主成分回归法建立蒙古栎木材气干密度近红外定标模型。结果表明,当平滑点数为3,db5小波分解层数为2时,以平滑+小波方式去噪效果最好,其信噪比(SNR)为18.546,均方根误差为0.04。平滑+小波去噪后,基于PLS的蒙古栎木材密度近红外校正模型决定系数由0.767提高到0.902,校正均方根误差降低了35.32%,预测集决定系数为0.860,内部交叉验证和预测均方根误差分别达到最低,剩余预测偏差为2.67。因此,近红外光谱技术可实现蒙古栎木材气干密度快速预测,合理选择处理参数和建模方法可以有效提高模型精度。 李颖 李耀翔 徐浩凯 姜立春关键词:气干密度 近红外光谱 去噪 基于NIRS与支持向量机的落叶松木材密度预测 被引量:1 2015年 在支持向量机的理论基础上,以117个落叶松样本作为实验材料,用常规方法测定样本的密度实值,用美国ASD公司生产的波长为350-2500 nm的Lab Spec近红外光谱仪对样本进行相应的光谱采集,对光谱数据进行预处理,以文本格式导出。用LibSVM在matlab环境下建立落叶松密度预测模型。经分析,该模型对训练集的回归拟合,R^2达到了85.04%,均方差为6.46×10^-4;对测试集的回归拟合,R^2为85.20%,均方差为4.45×10^-4,拟合效果较好。结果表明,该方法可以用于落叶松木材密度预测。 李颖 张亚朝 李耀翔关键词:近红外光谱 支持向量机 落叶松 木材密度 基于NIR-PLS的土壤碳含量预测模型研究 被引量:3 2014年 以东北小兴安岭林区带岭林业局东方红林场的土壤为研究对象,对120个土壤样品近红外光谱做去噪、Savitzky-Golay平滑和多元散射校正预处理,利用偏最小二乘(PLS)法建立关于土壤碳含量和吸光度之间的定量分析模型,并进行模型校、验证及部分预测集样品碳含量预测。结果表明:主成分数为4时,模型最优。校正模型的决定系数R2和均方根误差(RMSE)分别为0.784和5.752;验证模型的决定系数R2和均方根误差(RMSE)分别为0.621和7.521,预测集样品的实测值和预测值的决定系数R2达到0.735,均方根误差RMSE为7.202,预测标准差SEP为10.356。应用近红外技术可以实现对小兴安岭次生林土壤碳含量的有效预测,为大面积快速测定土壤碳含量提供理论依据与技术支撑,进而为林分土壤碳循环的相关研究提供新的思路。 汪洪涛 李耀翔关键词:近红外光谱技术 偏最小二乘法 自装卸式原木集运机抓木机构动力学仿真 被引量:1 2015年 针对目前多数原木集运机只能完成运输作业的局限性,采用抓木机构-集运拖车集成结构以提高原木装卸效率。通过构建自装卸式原木集运机的Creo三维模型,结合多体动力学理论,借助ADAMS/View动力学分析软件对自装卸式原木集运机抓木机构作业过程进行运动学与动力学仿真。仿真结果表明,自装卸式原木集运机抓木机构运动状态平稳、无干涉现象,木材抓具抵御瞬态力水平和动力特性良好,验证了模型的可靠性与仿真分析方法的可行性。 龙剑群 李耀翔关键词:仿真 动力学 ADAMS 基于近红外光谱与BP神经网络预测落叶松木屑的含水率 被引量:18 2012年 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0.001 7;预测集的相关系数R为0.99,预测集的均方根误差RMSEP为0.001 5。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。 郝斯琪 宋博骐 李湃 李耀翔 李谦宁 李祥 宁媛松关键词:近红外光谱 BP神经网络 主成分分析 落叶松 基于Creo的木材装载机三维建模与工作装置运动仿真 被引量:3 2014年 依靠参数化三维软件的全面性与灵活性,借助Creo 2.0软件对木材装载机的主要部件进行三维实例的构建,在Creo集成环境中对木材装载机主要部件进行虚拟装配,将装配完毕的木材装载机虚拟样机导入Creo Parametric机构分析模块,对木材装载机的工作装置进行机构运动仿真,结果表明木材装载机工作装置运动良好且无干涉,验证了工作装置的设计初步可行,Creo原始数据仍能为后续的有限元分析与改进工作提供分析与借鉴。 李耀翔 龙剑群关键词:PARAMETRIC 运动仿真 基于NIR及PLS-PCR-SVR预测森林土壤有机碳含量 被引量:5 2014年 森林土壤有机碳含量是表征林地土壤营养状况的重要指标,该文建立了土壤有机碳含量的近红外光谱定标模型,并比较了偏最小二乘法(PLS)、支持向量机回归(SVR)、主成分回归(PCR)3种建模方法及Savitzky-Golay平滑+多元散射校正、Savitzky-Golay平滑+一阶导数、Savitzky-Golay平滑+二阶导数、Savitzky-Golay平滑+多元散射校正+一阶导数、Savitzky-Golay平滑+多元散射校正+二阶导数5种光谱预处理方法对土壤有机碳含量定标模型精度的影响,同时进行了波段优选。结果表明:当光谱区域为1 380~1 450 nm,1 800~1 950 nm,2 050~2 300 nm,光谱数据采用Savitzky-Golay平滑+多元散射校正+一阶导数预处理,采用PLS的建模方法,主成分数为8时,建立的校正模型预测效果最佳。校正模型的R、RMSE、SEC分别为0.805 2、0.512 2、0.512 5;预测模型的R、RMSE、SEP分别为0.768 1、0.514 3、0.514 6。因此,利用近红外光谱技术可以实现土壤有机碳含量的快速估测,为林区实时、大面积、快速测定森林土壤有机碳含量提供了技术可行性。 李耀翔 汪洪涛 耿志伟 张鹏 徐浩凯关键词:近红外光谱技术 非线性算法在近红外预测木材密度中的应用研究 被引量:9 2012年 研究基于近红外光谱技术的木材密度预测。运用基于高斯核变换的非线性偏最小二乘法建立密度预测模型,并且对所建模型的评价参数进行了对比分析。结果表明该方法建立的预测模型能对样品的密度进行有效预测。研究表明样品近红外光谱信息与样品的实际密度值之间不是单纯的线性关系,非线性模型可以更好地表征二者之间的关系。 李耀翔 张鸿富关键词:木材密度 近红外光谱 榆树木材基本密度近红外模型优化的研究 被引量:8 2015年 为探究近红外光谱技术野外测量木材基本密度的可行性,用圆盘模拟伐倒木锯面,采集光谱信号,结合偏最小二乘法(PLS)建立榆树木材基本密度预测模型.其校正模型和验证模型决定系数R2分别为0.845 6和0.801 1,均方根误差RMSE分别为0.023 1和0.026 6,标准误差SE分别为0.023 2和0.026 8.为进一步提高模型预测精度,利用卷积平滑、小波变换等6种方法对光谱信号进行预处理.结果表明,基于小波变换去噪的模型精度最好,校正模型和验证模型决定系数分别为0.899 6和0.866 2,RMSE和SE的值均达到最小.研究表明,近红外光谱技术可用于木材基本密度的野外测量. 李耀翔 徐浩凯关键词:木材基本密度 近红外光谱 小波去噪 野外测量