紙制品參數(shù)是造紙行業(yè)產(chǎn)品質(zhì)量評價與控制的依據(jù)。然而,行業(yè)現(xiàn)有的檢測方法并沒有與不斷更新的科學發(fā)展并駕齊驅(qū)。由于大多數(shù)紙制品參數(shù)評價問題都涉及到復(fù)雜的多變量,傳統(tǒng)的方法已無法滿足對紙品質(zhì)量進行綜合評價的要求。機器學習是現(xiàn)代先進的計算機數(shù)據(jù)分析方法,最大特點的是它具有自我學習能力,可以通過模擬人的學習行為來使算法的適應(yīng)性得到提高,在計算的過程中不斷學習,以增強準確性。到目前為止提出了大量適應(yīng)于不同學科領(lǐng)域和不同問題的算法,比如,神經(jīng)網(wǎng)絡(luò)、支持向量機等等,都是非常典型的數(shù)據(jù)分析處理方法。因此將機器學習算法應(yīng)用于紙制品參數(shù)評價中,利用機器學習算法善于處理復(fù)雜數(shù)據(jù)、建立相關(guān)關(guān)系等特性,以此實現(xiàn)對紙制品參數(shù)評價研究是十分具有意義的。本文的主要研究內(nèi)容有:采用Matlab商業(yè)數(shù)學軟件建立模型和Lab VIEW圖形化編程軟件編寫程序,編譯便于理解操作的界面;建立了基于自動糾偏技術(shù)建立紙品中可遷移熒光增白劑含量的檢測方法:通過數(shù)學計算扣除干擾物光譜的影響,計算樣品中熒光增白劑(FWAs)的含量。該方法的相對標準偏差為3.7%;回收率在99.1%～107%之間,可用于快速測定未知干擾紙制品中可遷移性熒光增...

【文章頁數(shù)】：76 頁

【學位級別】：碩士

本文編號：3876519