為解決生物質(zhì)中纖維素、半纖維素和木質(zhì)素測(cè)定時(shí)耗時(shí)耗力等問(wèn)題,提出基于支持向量回歸機(jī)（support vector regression machine,SVR）和熱重分析法的生物質(zhì)三組分含量預(yù)測(cè)模型。通過(guò)對(duì)4種不同類(lèi)型核函數(shù)的SVR進(jìn)行比較,利用K折交叉驗(yàn)證法結(jié)合網(wǎng)格搜索法,對(duì)SVR的參數(shù)進(jìn)行尋優(yōu),以獲得最優(yōu)參數(shù)進(jìn)而訓(xùn)練三組分含量的預(yù)測(cè)模型,并對(duì)該模型進(jìn)行測(cè)試和驗(yàn)證。結(jié)果表明:該模型具有較好的預(yù)測(cè)效果,三組分含量預(yù)測(cè)模型的相關(guān)系數(shù)R2均在0.9532以上;經(jīng)驗(yàn)證該模型對(duì)毛竹、玉米桿和稻草的三組分含量預(yù)測(cè)絕對(duì)誤差控制在2.72%以內(nèi)。 

【文章頁(yè)數(shù)】：8 頁(yè)

【文章目錄】：
0 引言
1 SVR原理
2 實(shí)驗(yàn)
    2.1 實(shí)驗(yàn)原料
    2.2 實(shí)驗(yàn)裝置及方案
3 三組分含量預(yù)測(cè)模型構(gòu)建
    3.1 數(shù)據(jù)準(zhǔn)備及預(yù)處理
    3.2 核函數(shù)類(lèi)型選擇
    3.3 模型參數(shù)尋優(yōu)
    3.4 模型訓(xùn)練、測(cè)試和驗(yàn)證
4 結(jié)果與分析
    4.1 纖維素含量預(yù)測(cè)模型構(gòu)建與測(cè)試
    4.2 木聚糖含量預(yù)測(cè)模型構(gòu)建與測(cè)試
    4.3 木質(zhì)素含量預(yù)測(cè)模型構(gòu)建與測(cè)試
    4.4 生物質(zhì)三組分含量預(yù)測(cè)模型驗(yàn)證
5 結(jié)論


【參考文獻(xiàn)】：
期刊論文
[1]基于非線性核空間映射與人工免疫網(wǎng)絡(luò)的高光譜遙感圖像分類(lèi)[J]. 陳善靜,胡以華,孫杜娟,徐世龍.  紅外與毫米波學(xué)報(bào). 2014(03)
[2]基于核函數(shù)支持向量回歸機(jī)的耕地面積預(yù)測(cè)[J]. 王霞,王占岐,金貴,楊俊.  農(nóng)業(yè)工程學(xué)報(bào). 2014(04)
[3]高斯多峰擬合用于生物質(zhì)熱解三組分模型的研究[J]. 李睿,金保昇,仲兆平,傅旭峰.  太陽(yáng)能學(xué)報(bào). 2010(07)
[4]我國(guó)生物質(zhì)能資源與利用[J]. 趙軍,王述洋.  太陽(yáng)能學(xué)報(bào). 2008(01)



本文編號(hào)：3665438