声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：11-1964/S
国际刊号：1000-1298
发布日期:
作者：段宏伟,韩鲁佳,黄光群
单位：中国农业大学,中国农业大学,中国农业大学,
关键词：小麦秸秆;元素含量预测;光谱降噪;偏最小二乘回归;增强型反向传播人工神经网络;激光诱导击穿光谱
基金：教育部创新团队发展计划项目（IRT1293）和欧盟框架计划项目（690142）
快速分析小麦秸秆中K和Na元素含量对提高其燃烧效率具有重要的现实意义。选用华北地区29个小麦秸秆代表性样本作为研究对象，以电感耦合等离子体质谱法（ICP-MS）量测结果作为标准值，探讨激光诱导击穿光谱（LIBS）技术对小麦秸秆中K和Na元素含量进行定量预测分析的可行性。为提高模型定量分析精度，首先分别选取K和Na分析线附近波段光谱作为定标模型原始光谱数据，对比基线校正（BC）、归一化（Norm）与中心化（MC）相互组合算法对LIBS光谱降噪效果影响，分析比较线性建模方法：偏最小二乘回归（PLSR）和非线性建模方法：增强型反向传播人工神经网络（BP-ADaboost）对预处理后光谱数据的适用性。研究结果发现，与PLSR模型相比较，小麦秸秆中K和Na的BP-ADaboost最优模型效果均较好，其预测决定系数?R2p分别为0.908和0.979，预测均方根误差分别为2.388g/kg和0.138g/kg，相对分析误差分别为2.358和4.203。结果表明，LIBS技术能用于小麦秸秆中K和Na的同步快速定量分析。
来源：2019年第2期
《农业机械学报》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。