IPSO-BP木材绝干密度近红外光谱预测模型

摘要

木材密度决定着木材力学性能,是木材物理性能的重要指标之一.近年来,由于近红外光谱分析具有操作过程简单、方便、快速等优势,已有学者应用近红外光谱数据预测木材密度,但是,在实际应用中,数据集缺乏、光谱特征欠优、非线性拟合准确性低等问题还没有得到完全解决,木材密度预测模型的精度有待于进一步提升.木材密度中,木材的绝干密度相对稳定,测量结果相对精确,以柞木绝干密度预测为研究对象,通过采集不同含水率下的近红外光谱信息构建出适合不同含水率条件的绝干密度非线性预测模型.首先,选用德国INSION公司的近红外光纤光谱仪,运用SPEC view 7.1软件对不同含水率的柞木样本采集光谱信息;然后,利用SPXY样本划分方法,按2:1划分校正集与预测集,并利用多元散射校正、二阶导数光谱及S-G平滑方法进行光谱预处理,以减少散射光和高频噪声的影响;接着,运用连续投影算法(SPA)提取有效的波长信息;最后,运用一种非线性权重粒子群算法优化的BP网络(IPSO-BPNN)建立不同含水率状态下的近红外光谱与柞木绝干密度之间的关联,实现柞木绝干密度预测模型的构建.实验过程中,加工选取了100个柞木试件样本,在绝干条件下测量样本试件密度和光谱信息,并浸泡水中测量出不同含水率对应的光谱信息,实验结果表明:SPXY保证了校正集样本的均匀分布,提高了模型泛化能力;MSC、二阶导数和S-G卷积平滑相结合的方法抑制了原始光谱中噪声高频信号,同时使得峰值更加突出;SPA从117个光谱数据中优选出16个特征波长,提高了建模精度;IPSO-BPNN模型较SPA-PLS,BP和PSO-BP具有更高的相关系数,更小的均方根误差,柞木绝干密度预测相关系数为0.938,预测均方根误差为0.0129,方法可以对木材密度在线无损测量提供一定的理论基础.