典型文献
应用近红外光谱分析对竹材力学强度的预测
文献摘要：
使用900～1700 nm近红外光谱分析仪对展平竹进行多点采样,随后利用深度置信网络(DBN)与局部支持向量回归(LSVR)进行训练,建立DBN_LSVR预测模型来预测单元材料的力学性能.采集到的光谱数据经过S-G滤波,完成了数据平滑,去除了大部分噪声.DBN-LSVR预测模型的竹材断裂模量(MOR)和弹性模量(MOE)的均方根误差分别为716.23、17.54,平均绝对误差分别为524.40、16.82.将预测误差与BP、DBN、LSVR模型预测误差比较,DBN_LSVR模型的预测误差最小.基于DBN_LSVR的MOR和MOE预测模型的相关系数分别为0.85和0.80.提出的方法可以有效地对展平竹力学强度进行无损分析,缩短了判别竹材物理性能的时间和成本.
文献关键词：
近红外光谱;力学强度;深度学习
中图分类号：
作者姓名：
李超;陈勋;张立新;马心雨;黄英来
作者机构：
东北林业大学,哈尔滨,150040
文献出处：
引用格式：
[1]李超;陈勋;张立新;马心雨;黄英来-.应用近红外光谱分析对竹材力学强度的预测)[J].东北林业大学学报,2022(03):103-108
A类：
LSVR
B类：
近红外光谱分析,竹材,力学强度,红外光谱分析仪,展平,深度置信网络,DBN,支持向量回归,预测单元,光谱数据,数据平滑,MOR,弹性模量,MOE,平均绝对误差,预测误差,无损分析,物理性能
AB值：
0.231178
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
