农业生物质能已逐步成为我国现代工业主要清洁能源之一.利用激光诱导击穿光谱(LIBS)技术实现秸秆炭热值(CV)精准预测.针对传统X自变量特征提取方法在LIBS定量分析秸秆炭CV过程中缺陷问题,提出了一种XY双变量特征提取法.研究首先分析了秸秆炭CV与各元素含量之间相关性,选取与CV相关性极显著(p<0.01)的Y型特征变量,其主要获取了以炭单质、芳香环和羧基等形式存在的C,O,H和Na元素的分析线展宽波段;同时通过筛选偏最小二乘回归(PLSR)模型回归系数阈值获取与CV相关的X型特征变量,当阈值为4×10-5时模型交互验证均方根误差(RMSECV)降至最低值,其所对应的变量主要为参与农作物生理生长的Ca,Cr,Mg和K元素的分析线光谱线.基于所提取XY双特征变量构建遗传算法优化及自适应增强的人工神经网络(GA-BP-Adaboost)模型,当变异概率、交叉概率和相对误差率(RE)分别设为0.1,0.95和0.01时,最优模型预测平均相对误差(AREP)和预测相对标准误差(RSDP)分别为2.39％ 和2.97％,相比于XY-PLSR模型效果分别较低了0.82％ 和0.91％.结果表明:XY双变量特征提取法结合GA-BP-Adaboost模型可以为生物质炭在工业使用过程中CV精确定量预测分析提供方法依据.

秸秆炭;热值;激光诱导击穿光谱;XY双变量特征提取法;自适应增强的人工神经网络模型

江苏大学农业工程学院 ,江苏 镇江 212013;江苏大学现代农业装备与技术教育部重点实验室 ,江苏 镇江 212013;石河子大学机械电气工程学院 ,新疆 石河子 832003

[1]段宏伟;郭梅;朱荣光;牛其建-.基于XY双变量特征提取策略的秸秆炭热值LIBS定量分析)[J].光谱学与光谱分析,2022(11):3435-3440

AREP,RSDP,自适应增强的人工神经网络模型

XY,双变量,提取策略,秸秆炭,热值,LIBS,农业生物质,生物质能,现代工业,清洁能源,激光诱导击穿光谱,精准预测,缺陷问题,提取法,元素含量,特征变量,单质,芳香环,羧基,Na,分析线,展宽,宽波段,过筛,偏最小二乘回归,PLSR,回归系数,RMSECV,最低值,生理生长,Mg,光谱线,遗传算法优化,GA,Adaboost,变异概率,误差率,最优模型,平均相对误差,相对标准误差,生物质炭,精确定量,定量预测,预测分析

0.303177