基于支持向量机的近红外特征变量选择算法用于树种快速识别

将稳定度自适应重加权采样特征变量选择算法用于支持向量机定性分析(Support vector machine-stability competitive adaptive reweighted sampling,SVM-SCARS)。该算法通过对数据多次采样建模计算各变量的稳定度值,稳定度值能更加客观准确地评估变量在建模中的作用,因此可作为变量重要性的评价依据。通过循环迭代方式,采用自适应重加权采样技术逐步筛选变量,然后以每次循环所得变量子集建立SVM模型,并以模型交叉验证分类正确率(Correct classification rate of cross validation,CCRCV)评估子集优劣,确定最优特征变量子集。将该算法结合漫反射近红外光谱技术建立了制浆造纸常用木材的树种识别模型,实现了对4种桉木和2种相思木的快速识别分类。最终共筛选出15个特征变量建立分类模型,模型对各树种分类的正确率达97.9%,具有较好的分类效果。与全光谱模型和递归特征消除支持向量机模型相比,SVM-SCARS能够筛选出更少的特征变量,且模型具有更好的预测性能和稳定性。研究结果表明,SVM-SCARS算法能够有效优化光谱特征变量,提高近红外在线分析模型在木材材性分析中的稳健性和适用性。

基于近红外光谱快速鉴别木材种类的研究

通过采集5种木材近红外光谱特征曲线,结合化学计量学技术建立预测模型,对不同种木材进行快速无损检测.设计正交试验L24（2 ×4 ×3 ×8）对光谱特征曲线进行优化预处理.利用TQ8.6软件对正交试验结果进行判别分析.结果显示,选择多元散射校正（MSC）、Savitzky-Golay平滑对波段10000～4000 cm-1进行光谱预处理,提取主成分为8时,光谱判别正确率为100％.将22种已知种类木材光谱信息导入预测模型,进一步评估预测模型的性能,验证通过率为100％,获得了较理想的预测结果.该方法的建立为木材种类鉴别提供了一个新方法,同时为其他木种植物的鉴别提供参考.

近红外光谱结合支持向量机快速识别树种

利用阿达玛变换近红外光谱结合支持向量机,对制浆造纸常用木材树种的快速识别进行研究。将各树种近红外光谱先进行多点平滑和标准正态变换预处理以消除噪音干扰和光散射导致的测量偏差,然后基于不同建模策略建立一对多和一对一两种支持向量机模型,考察这两种模型对多树种属间分类和种间分类的预测能力,并与传统的偏最小二乘判别分析分类法进行对比。结果表明,支持向量机预测模型对桉木、相思木、杨木、水杉等树种的属间分类正确率达到98%以上,种间分类正确率均达到95%以上,在处理复杂分类问题时模型稳健性明显优于传统分类方法,从方法上证明了近红外技术工业化应用的可能性,为进一步建立近红外在线检测木片材性分析系统奠定了基础。

近红外光谱分析技术在制浆过程中的应用

近红外光谱分析技术是一种高效、无损的快速分析方法,作为实时成分分析和过程控制的先导技术,正逐渐成为制浆过程分析测量领域的研究热点。文中介绍了近红外光谱分析技术的测量原理、技术特点、建模方法等,并对近红外光谱分析技术在制浆过程中的原料分类筛选、材性分析、纸浆性能评估等方面的应用进行了综述。

过硫酸钠热激活法深度氧化竹材制浆废水生化出水的研究

研究过硫酸钠热激活法深度氧化竹材化学机械法制浆废水生化出水。结果表明,在温度为50℃,Na2S2O8用量为1.5 kg/t时,化学需氧量(COD)达到最低值65 mg/L,COD去除率为54.86%,此时水质满足80 mg/L的国家排放标准。pH值对废水COD的影响体现在既可以在强酸性时产生木质素酸析效应,又可以在强碱性条件下影响过热激活过硫酸盐体系的自由基类型。自由基的反应性强、寿命短,反应可以在20 min内有效完成,延长反应时间,COD几乎不变。

近红外光谱技术在制浆原料分析中的应用

近年来,随着人们对植物纤维近红外光谱的研究不断深入,近红外光谱技术在植物资源化学中得到了初步的应用。本文就近红外光谱技术的发展概况及测定过程、特点,特别是近红外光谱在以下方面的应用:使用近红外光谱法对不同制浆原料的化学成分分析以及对不同制浆原料进行快速分类与评价进行了较全面的综述,并对将来在制浆原料分析方面的应用作了展望。

竹材废料多元醇液化产物制备聚氨酯泡沫材料研究

以聚乙二醇-400和丙三醇为混合液化剂、浓硫酸为催化剂，在液固比4：1、浓硫酸用量为体系质量的4％、温度150℃、时间90min时，液化率可达到97％以上。以未经任何处理的液化产物代替部分聚醚多元醇制备聚氨酯泡沫材料，分别探讨了液化产物加入量、催化剂、泡沫稳定剂、发泡剂和异氰酸酯对泡沫性能的影响，确定了发泡的最佳工艺条件；并利用万能材料试验机、红外光谱仪（FT-IR）、同步热分析仪和电子扫描显微镜（SEM）对泡沫材料进行分析。结果表明，在催化剂用量为3％、泡沫稳定剂用量为2．5％、物理发泡剂用量15％、化学发泡剂用量1．5％、异氰酸根指数为1．1时，竹材废料液化油添加40％～50％时也可得到性能较好的聚氨酯泡沫材料。

二段浸渍对桉木木屑P-RC APMP纸浆性能及废水的影响

利用桉木木屑进行盘磨化学预处理碱性过氧化氢机械浆（P-RC APMP）制浆,研究二段浸渍过程对纸浆性能影响.结果表明：二段浸渍的温度、NaOH和化学品用量对纸浆性能影响显著,游离度随着二段磨浆道数的增加而降低;纸浆的强度和光学性能主要受NaOH用量和温度的影响;磨浆道数增加,纸浆的耐破指数、撕裂指数、不透明度和光散射系数增加而松厚度减低,但是NaOH用量增加且温度升高时,耐破指数和不透明度降低,撕裂指数和光散射系数增加而松厚度基本不变;桉木木屑较易漂白,经每道磨浆后白度均较高;白度主要受H2O2用量和温度的影响,温度升高,H2O2漂白效果降低;在温度85℃、H2O2和NaOH用量分别为70 kg/t和24 kg/t时,进行二道磨浆后白度最高,为74.88％ISO;二段浸渍过程H2O2和NaOH用量、温度和磨浆道数等不仅影响纸浆平均纤维长、伸长率和断裂长性能,而且影响过程废水水质的色度、SS和TS值;工艺A的污染负荷COD最低,为312.4 kg/t,其在较低温度和化学品用量下,纸浆性能较好.

竹材制浆废水深度处理新方法

研究热激活过硫酸钠法深度氧化竹材化学机械法制浆废水生化出水。结果表明温度升高，氧化活性增强，COD先保持不变再迅速减低，最后出现轻微下降甚至增加。Na2s2O8用量对COD的影响与温度有关。随着增加Na2S2O8用量COD降低。温度升高，最小COD值时Na2S2O8的用量减小。在温度为50℃，Na2S208用量为1．5kg/t时，COD达到最低值65mg／L，去除率为54．86％，此时水质满足80mg／L的国家排放标准。pH对废水COD的影响体现在既可以在强酸性时产生木素酸析效应，又可以在强碱性条件下影响过热激活过硫酸盐体系起主要活性物质的自由基类型，然而因为自由基的反应性强、寿命短，反应可以在20min内有效完成，延长反应时间，COD几乎不变。

一种基于近红外光谱判别木材属种的方法

采用近红外光谱结合化学计量学的方法，对桉木和相思木及其属间6种木材的判别分类进行了研究。首先采集了尾巨桉、尾叶桉L11、尾叶桉u6、蓝桉、马占相思、厚荚相思，共计86个样本的近红外光谱图，采用偏最小二乘法判别分析（PLS-DA）建立了桉木和相思木的分类模型，校正集和验证集的预测值与实际值之间的回归线基本重合，决定系数（R^2）分别为0．99和0．97，模型效果较好，且对未知样本的识别正确率为100％。为了对属间的6种木材作进一步的判别，采用MSC和Savitzky-Golay平滑对4000～7500cm。光谱进行预处理后，结合主成分分析（PCA）建立判别模型，模型识别率和验证正确率均为100％。结果表明基于近红外光谱结合化学计量学算法可以对按木和相思木的不同属进行快速鉴别。

近红外光谱法快速测定制浆材化学成分含量

为实现制浆材化学成分含量的快速测定与实时分析,用常规方法测定了120个制浆材样品的综纤维素、聚戊糖、酸不溶木素及苯醇抽出物含量,并采集了样品的近红外光谱。对原始光谱进行多元散射校正后,运用偏最小二乘法和交互验证的方法,根据主成分数与PRESS值的关系,确定最佳主成分数分别为9,10,8,9,据此建立样品相关化学成分含量的校正模型。独立验证中综纤维素、聚戊糖、酸不溶木素和苯醇抽出物模型的决定系数R2val分别为0.918 8,0.949 3,0.946 6和0.928 4,预测均方根误差（RMSEP）分别为0.70%,0.75%,0.72%和0.24%,相对分析误差（RPD）值分别为3.50,4.44,4.33和3.74,绝对偏差（AD）分别为-0.95%~1.22%,-1.42%~1.29%,-1.39%~1.14%和-0.34%~0.39%,4个校正模型较好地预测了验证集样品的化学成分含量,基本满足制浆造纸工业中快速测定的需求。

近红外光谱结合Lasso算法测定制浆材抽出物含量

为实现制浆材材性的快速测定,首先用常规方法测定了144个制浆材样品的冷水、热水、苯-醇和1%NaOH抽出物含量,并采集了样品的近红外光谱,然后对原始光谱进行预处理,并运用Lasso算法及交互验证建立最优校正模型。对模型进行独立验证,决定系数R2val分别为0.9186、0.9085、0.9241、0.9760,预测均方根误差分别为0.24%、0.30%、0.28%、0.38%,相对分析误差分别为3.50、3.31、3.63、6.45,绝对偏差分别为-0.42%~0.37%、-0.43%~0.41%、-0.47%~0.40%、-0.55%~0.57%。这些模型预测性能能够满足制浆造纸工业的要求,同时,也证实了Lasso算法用于制浆材抽出物测定的可行性。

近红外光谱法快速测定制浆杨木的材性

用常规方法测定了4种常用制浆杨木的化学成分和基本密度,并采集了样品的近红外光谱。对光谱进行预处理后,运用偏最小二乘法和交互验证的方法,分别确定最佳主成分数并建立样品综纤维素、木素、苯-醇抽出物、基本密度的校正模型。独立验证中模型的决定系数(R2val)分别为0.9050、0.9098、0.9112、0.9165;预测均方根误差(RMSEP)分别为0.40%、0.42%、0.19%和0.0050 g/cm^3;相对分析误差(RPD)分别为3.24、3.33、3.36和3.46;绝对偏差(AD)分别为-0.49%~0.77%、-0.66%~0.63%、-0.28%~0.33%、-0.0094~0.0068 g/cm3,预测均方根误差和绝对偏差基本符合对误差的要求,4个模型能够满足制浆造纸中常用杨木材性的快速测定。

近红外光谱法快速测定速生桉木化学成分含量

用常规方法测定了104个速生桉木样品的综纤维素、聚戊糖、酸不溶木素及苯醇抽出物含量并采集了样品的近红外光谱。对原始光谱进行多元散射校正后,运用偏最小二乘法和交互验证的方法,确定最佳主成分数并建立样品相关化学成分含量的校正模型。独立验证中综纤维素、聚戊糖、酸不溶木素和苯醇抽出物模型的决定系数Rval2分别为0.906 7、0.903 3、0.950 4、0.957 0;预测均方根误差（RMSEP）分别为0.33%、0.50%、0.31%、0.17%;相对分析误差（RPD）值分别为3.22、3.20、4.43、4.73;绝对偏差（AD）分别为-0.53%-0.60%、-0.95%-0.77%、-0.55%-0.52%、-0.22%-0.29%,4个校正模型较好地预测了验证集样品的化学成分含量,基本满足制浆造纸工业中快速测定速生桉木原料的需求。

虚拟天文馆

Stellarium（虚拟天文馆）软件是一个开源的桌面天像软件，可以运行在Linux／Unix、Windows和MacOSX系统上。它使用OpenGL实时演染绘制天空图像，其效果与我们通过肉眼、双筒望远镜或小型望远镜看到的非常相似。

近红外光谱技术用于制浆原料分析的研究进展

对近红外光谱技术的原理、分析方法及特点等作了介绍,综述了当前将近红外光谱技术应用于制浆原料的快速分类,及其在制浆原料化学成分测定、水分含量测定、基本密度测定和纤维形态分析中的运用,并分析了实际投产应用面临的问题,最后对未来发展趋势进行了展望。

近红外光谱法快速测定速生桉木材性的研究

用常规方法测定了速生桉木样品的化学成分和水分含量。运用近红外光谱法结合偏最小二乘法（PLS）,建立桉木样品综纤维素、木素、苯醇抽出物、水分含量的校正模型。四个校正模型的决定系数R2值分别为0.9631、0.9792、0.9894、0.9992;校正标准偏差RMSEC分别为0.0852%、0.0993%、0.0717%、0.2615%;交叉验证过程中的校正标准偏差RMSECV值分别为0.1097%、0.1211%、0.0831%、0.3395%,模型质量好。校正模型用于独立验证的偏差范围分别为-0.40%~0.32%、-0.52%~0.54%、-0.22%~0.21%、-1.03%~0.99%。结果表明,近红外光谱法可以对速生桉木的材性进行快速测定。

近红外法制浆材定量模型的研究

通过国标方法测定了7种制浆常用木材原料共计44个样品的综纤维素、木质素、苯醇抽出物含量，并通过Ana．trisⅡ型近红外光谱仪采集了样品的近红外光谱图。利用偏最小二乘法PLS建立综纤维素、木质素、苯醇抽出物的预测模型，并对其进行内部交叉验证，最终综纤维素、木质素、苯醇抽出物近红外模型Rcv分别为0．9812、0．9226、0．9709，RMSECV分别为0．1890、0．6019、0．2288，RPD值分别为5．18、2．59、4．18。再用独立验证进一步检验模型质量，预测值与真实值偏差不大。结果表明，近红外光谱法可对制浆材材性进行快速测定。

木素化学改性及其在聚氨酯合成中的应用

化学改性可改善木素的性能,拓宽木素的应用范围,提高其利用价值。本文综述了木素在磺化、氧化、胺化、缩合、接枝共聚、烷基化和羟基化反应等化学改性方面的研究进展,并介绍了改性产物在聚氨酯材料合成中的应用,为木素在聚氨酯材料中的高效利用提供参考。

用micro:bit进行物联网TDS水质检测实验

创客社团的学生是学校里动手能力与探索欲较强的一群孩子,科学课上的学习经历往往能激发他们更大的好奇心。一群接触过开源硬件课程的他们会如何以自己独特的视角观察与发现身边和水有关的问题,又会用怎样的技术手段来满足自己的好奇心呢?本文以宁波市广济中心小学创客社团成员的实践为例,为广大教师提供一种引导学生利用物联网技术对身边的水资源进行数字化科学探究的思路。