基于近红外光谱和稀疏偏最小二乘回归的生物质工业分析

林木生物质能源作为一种新型可再生能源,具有非常广阔的发展前景。基于近红外光谱技术,首次引入稀疏偏最小二乘回归建立木屑生物质的工业分析模型,用于生物质燃料特性的快速分析测定。工业分析总共测定了80种木屑的水分、灰分、挥发分和固定碳含量百分比;按照样品种类和产地将其划分为训练集和测试集,利用近红外光谱仪采集光谱数据并进行小波滤波处理;再利用稀疏偏最小二乘回归建立木屑生物质的定量分析模型,并与主成分回归、偏最小二乘回归、最小绝对收敛及变量筛选方法的建模效果进行比较。结果证明,相对于以上三种建模方法,稀疏偏最小二乘回归能够挑选出有重要影响的波长群组,降低非目标波段的噪声干扰,从而增强数学模型的解释能力并提高定量分析的准确度。利用稀疏偏最小二乘回归算法挑选的波长区间基本覆盖了工业分析中水分的吸收峰,而对于灰分、挥发分和固定碳的吸收峰波段尚无准确定位,需要继续探讨。总体而言,稀疏偏最小二乘回归能够减少无关信息的干扰,提高模型定量分析的准确度,增强模型的解释能力,将会在近红外光谱技术应用领域内起到重要作用。

生物质近红外光谱模型传递方法的研究

在建立近红外光谱预测模型时,由于受到环境、温度以及其他因素的影响,使得原模型无法预测新样本成分,造成模型预测精度的下降。文章探讨了基于近红外光谱技术的林木类生物质工业分析的预测模型在不同时间之间的转移方法,即采用斜率/截距校正和分段式直接校正两种方法进行研究。结果表明:采用斜率/截距方法后,对于工业分析,模型的RMSEP比转移前分别降低了0.91,0.78,1.23和1.03,R2分别上升了96.97%,37.99%,23.83%和23.51%;采用分段式直接校正方法后,模型的RMSEP比转移前分别降低了0.93,0.83,1.24和1.08,R2分别上升了102.22%,43.73%,26.92%和29.35%。经过模型转移方法处理后,预测结果的精度有较大程度的改善,尤其是采用分段式直接校正方法的效果更为明显。