本文關(guān)鍵詞：染蟲小麥BPE信號特性研究

  更多相關(guān)文章： 超微弱光子輻射 小麥籽粒 水激發(fā)光 排列熵 時間序列模型

【摘要】：生物光子輻射信號是生物系統(tǒng)中普遍存在的一種生命現(xiàn)象,它作為生命新陳代謝過程的產(chǎn)物,對生物系統(tǒng)內(nèi)部的變化及外界環(huán)境的影響有高度的敏感性,基于其快速、靈敏、可靠、無損的優(yōu)點,生物光子分析技術(shù)已經(jīng)應(yīng)用于食品、醫(yī)藥、環(huán)境監(jiān)測等許多領(lǐng)域。本文結(jié)合當(dāng)前國內(nèi)外的研究現(xiàn)狀,選用不同的數(shù)據(jù)分析方法,研究不同條件下正常小麥和染蟲小麥超微弱光子輻射信號的分析、處理及分類問題。本研究的主要工作和創(chuàng)新之處如下:1.分析注入25℃純凈水和注入40℃純凈水時正常小麥和染蟲小麥超微弱光子輻射數(shù)據(jù),并對注水溫度進行單因素方差分析。用雙指數(shù)曲線擬合小麥自發(fā)超微弱光子輻射信號,比較正常與染蟲小麥超微弱光子輻射曲線的異同。用BP神經(jīng)網(wǎng)絡(luò)算法對染蟲小麥和正常小麥進行分類,分類識別率均達80%。2.為檢驗小麥超微弱光子輻射信號隨機程度的大小,本文應(yīng)用排列熵算法研究小麥超微弱光子輻射信號,檢測不同染蟲程度小麥超微弱發(fā)光信號的差異。研究了數(shù)據(jù)長度、嵌入維數(shù)和延遲時間等參量對排列熵計算結(jié)果的影響規(guī)律。將小麥BPE信號的排列熵值作為特征參量對染蟲小麥和正常小麥進行分類,分類識別率為75%。3.應(yīng)用時間序列模型對小麥BPE信號進行建模分析,根據(jù)BPE信號序列的特性,建立合適的模型,并檢驗?zāi)Ｐ偷挠行?最終獲取較優(yōu)的擬合模型。本文從小麥超微弱光子輻射信號的時域特征參數(shù)、信號序列的隨機性分析及BPE時間序列建模等方面研究染蟲小麥BPE信號特性,為建立小麥無損檢測模型奠定一定的基礎(chǔ)。
【關(guān)鍵詞】：超微弱光子輻射 小麥籽粒 水激發(fā)光 排列熵 時間序列模型
【學(xué)位授予單位】：河南工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：S435.12;TN911.6
【目錄】：

• 摘要5-6
• Abstract6-10
• 1 緒論10-16
• 1.1 課題研究的背景和意義10
• 1.2 生物光子輻射的研究進展10-11
• 1.3 國內(nèi)外研究現(xiàn)狀11-14
• 1.3.1 不同作物超微弱光子輻射特性11-12
• 1.3.2 生物光子輻射在醫(yī)學(xué)醫(yī)藥研究方面的應(yīng)用12
• 1.3.3 生物光子輻射在食品科學(xué)方面的應(yīng)用12-13
• 1.3.4 生物光子輻射在環(huán)境質(zhì)量監(jiān)測方面的應(yīng)用13
• 1.3.5 不同結(jié)構(gòu)小麥生物光子輻射特性13-14
• 1.4 本文的主要研究內(nèi)容和章節(jié)安排14-16
• 2 小麥BPE信號的檢測及分析16-35
• 2.1 實驗材料和實驗方法16-19
• 2.1.1 實驗材料16-17
• 2.1.2 實驗儀器17-19
• 2.2 時域特征參數(shù)分析19-21
• 2.3 不同水溫下小麥籽粒水激發(fā)光特性分析21-31
• 2.3.1 實驗方法21
• 2.3.2 實驗結(jié)果與分析21-26
• 2.3.3 注水溫度因素方差分析26-31
• 2.4 小麥BPE信號分類31-33
• 2.4.1 傳統(tǒng)的BP算法簡述31-32
• 2.4.2 分類結(jié)果及分析32-33
• 2.5 本章小結(jié)33-35
• 3 排列熵在小麥BPE信號分析中的應(yīng)用35-46
• 3.1 排列熵算法35-37
• 3.2 小麥自發(fā)BPE信號排列熵的測量37-41
• 3.2.1 實驗方法37
• 3.2.2 數(shù)據(jù)長度、嵌入維數(shù)與延遲時間的選擇37-38
• 3.2.3 實驗結(jié)果與分析38-41
• 3.3 小麥水激BPE信號排列熵的測量41-43
• 3.3.1 實驗方法41
• 3.3.2 原始BPE信號及其排列熵值的變化41-42
• 3.3.3 注水前后排列熵數(shù)值的變化42-43
• 3.3.4 不同序列長度對注水前后排列熵的影響43
• 3.4 模式分類43-44
• 3.5 本章小結(jié)44-46
• 4 小麥BPE信號建模46-56
• 4.1 相關(guān)模型及其特征46-47
• 4.2 小麥水激BPE信號建模47-55
• 4.2.1 實驗方法47
• 4.2.2 小麥水激BPE信號模型識別47-55
• 4.3 本章小結(jié)55-56
• 5 總結(jié)與展望56-59
• 5.1 總結(jié)56-57
• 5.2 展望57-59
• 參考文獻59-63
• 致謝63-64
• 個人簡介64

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 姚文坡;劉鐵兵;戴加飛;王俊;;腦電信號的多尺度排列熵分析[J];物理學(xué)報;2014年07期

2 饒國強;馮輔周;司愛威;謝金良;;排列熵算法參數(shù)的優(yōu)化確定方法研究[J];振動與沖擊;2014年01期

3 梁義濤;朱遠坤;王鋒;史衛(wèi)亞;龐蕊;;不同結(jié)構(gòu)小麥籽粒延遲發(fā)光特性[J];河南科技大學(xué)學(xué)報(自然科學(xué)版);2013年05期

4 劉高峰;;生物超微弱發(fā)光的研究進展[J];生物學(xué)教學(xué);2013年06期

5 馮輔周;司愛威;江鵬程;;小波相關(guān)排列熵和HMM在故障預(yù)測中的應(yīng)用[J];振動工程學(xué)報;2013年02期

6 徐芙蓉;周鑫瑤;傅俊杰;胡林福;;基于超微弱發(fā)光技術(shù)檢測輻照食品的研究[J];中國食品學(xué)報;2012年05期

7 趙丹;張玉榮;林家永;周顯青;;小麥儲藏品質(zhì)評價指標研究進展[J];糧食與飼料工業(yè);2012年02期

8 鮑杰;吳才章;;基于虛擬儀器的小麥新陳度檢測[J];中國糧油學(xué)報;2011年06期

9 習(xí)崗;李少華;張艷;;H_2O_2脅迫下菠菜葉片延遲發(fā)光動力學(xué)過程的分析[J];發(fā)光學(xué)報;2010年06期

10 趙丹瑩;生吉萍;丁洋;申琳;范蓓;劉燦;;超微弱發(fā)光用于番茄果實冷害發(fā)生程度的無損監(jiān)測[J];光譜學(xué)與光譜分析;2010年09期

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前3條

1 溫玉龍;高溫脅迫下景天屬植物的超微弱發(fā)光及側(cè)重于活性氧的激發(fā)機制[D];內(nèi)蒙古農(nóng)業(yè)大學(xué);2014年

2 朱遠坤;小麥籽粒及隱蔽性害蟲延遲發(fā)光特性研究[D];河南工業(yè)大學(xué);2013年

3 王華芳;小麥新鮮度判別技術(shù)的研究[D];河南工業(yè)大學(xué);2010年

，

本文編號：910760