基于NIR及ANN的落葉松管胞長度預(yù)測模型的優(yōu)化研究.pdf

1、管胞長度是影響木材纖維質(zhì)量、物理力學(xué)性能和制漿性能的主要指標(biāo)。管胞長度的快速測定有助于木材的質(zhì)量評等、合理利用以及定向栽培。本文應(yīng)用近紅外光譜技術(shù)(NIRS)快速預(yù)測落葉松木材的管胞長度，充分發(fā)揮了NIRS測定速度快、操作簡便、重現(xiàn)性好等優(yōu)點。文中采用人工神經(jīng)網(wǎng)絡(luò)化學(xué)計量學(xué)方法建立落葉松管胞長度近紅外預(yù)測模型，同時分別探討了響應(yīng)面分析法和果蠅優(yōu)化算法對網(wǎng)絡(luò)模型的影響。所得結(jié)論如下:
　　(1)采用Savitzky-Golay(SG

2、)9點平滑和多元散射校正(MSC)對落葉松木材原始近紅外光譜進行預(yù)處理，同時利用主成分分析法提取光譜數(shù)據(jù)的前14個主成分，建立三層BP網(wǎng)絡(luò)模型。采用Levengerg-Marquardt(LM)優(yōu)化算法訓(xùn)練網(wǎng)絡(luò)，所得BP模型校正集相關(guān)系數(shù)R為0.8296，校正集均方根誤差為0.1705，驗證集相關(guān)系數(shù)R為0.8666，驗證集均方根誤差為0.1547。結(jié)果表明，基于近紅外光譜技術(shù)和BP神經(jīng)網(wǎng)絡(luò)能夠?qū)崿F(xiàn)落葉松管胞長度的有效預(yù)測，且滿足精度要

3、求。
　　(2)采用響應(yīng)面分析法(RSM)對BP神經(jīng)網(wǎng)絡(luò)的參數(shù)尋優(yōu)，以驗證集均方根誤差最小為優(yōu)化目標(biāo)，根據(jù)Box-Behnken試驗設(shè)計原理，通過擬合二次響應(yīng)面回歸方程，獲得各個參數(shù)的最優(yōu)解:學(xué)習(xí)速率為0.16，動量因子為0.1，隱含層神經(jīng)元個數(shù)為2，訓(xùn)練次數(shù)為2995。由RSM-BP模型所得校正集的相關(guān)系數(shù)R為0.9200，校正集的均方根誤差為0.1150，驗證集的相關(guān)系數(shù)R為0.9312，驗證集的均方根誤差為0.0721。結(jié)果

4、表明，響應(yīng)面分析法能夠優(yōu)化BP模型的主要參數(shù)，從而有效提高模型的穩(wěn)定性和預(yù)測精度。
　　(3)采用廣義回歸神經(jīng)網(wǎng)絡(luò)解析近紅外光譜數(shù)據(jù)，從而快速預(yù)測落葉松管胞長度。引入果蠅優(yōu)化算法對GRNN的擴展參數(shù)SPREAD尋優(yōu)，獲得最優(yōu)SPREAD值為0.1407。由FOA-GRNN模型所得校正集相關(guān)系數(shù)R為0.9404，校正集均方根誤差為0.0605，驗證集相關(guān)系數(shù)R為0.9687，驗證集均方根誤差為0.0291。結(jié)果表明，果蠅優(yōu)化算法能夠