基于傅里叶红外光谱预测翅荚木顺纹抗压强度

以傅里叶红外光谱研究为基础,测量翅荚木样本抗压强度与光谱数据,剔除异常值,选择多元散射校正对光谱数据进行预处理,采用SPA算法对光谱波数进行选择,利用PLS建立抗压强度预测模型,加入试样的厚度与宽度作为自变量进行比较。结果表明:采用SPA算法对预处理后的光谱数据进行波段选择可以加强光谱的预测能力,最后预测模型的决定系数与预测标准偏差分别为0.900 0、1.536 6,能够满足对翅荚木无损检测的需求,若添加样本的宽度与厚度作为自变量,建立的预测模型决定系数与预测标准偏差分别为0.904 6、0.932 5与1.710 9、1.368 5。

冻融循环处理毛竹抗弯强度预测模型构建

为了对冻融处理后的毛竹力学性能进行无损检测,以傅里叶红外光谱研究为基础,对106组不同次数冻融循环处理的竹材进行力学检测,并将测得的红外光谱数据经过蒙特卡洛异常值剔除、数据集划分、数据预处理后,利用偏最小二乘法(PLS)确定最佳主因子数,建立了毛竹抗弯强度预测模型。结果表明,随着冻融循环处理次数的增加,毛竹的维管束表面出现了不同程度的裂损,导致竹材的抗弯强度逐渐下降。通过数据预处理方式可以有效地提高模型的预测精度,其中MSC+1^(st)D预处理能够得出更优的结果,预测相关系数(R^(2))与预测标准偏差(RMSEP)分别为0.9350和5.2899。