论文摘要
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. 388 g/kg和0. 138 g/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。
论文目录
文章来源
类型: 期刊论文
作者: 段宏伟,韩鲁佳,黄光群
关键词: 小麦秸秆,元素含量预测,光谱降噪,偏最小二乘回归,激光诱导击穿光谱
来源: 农业机械学报 2019年02期
年度: 2019
分类: 农业科技,工程科技Ⅱ辑
专业: 新能源,农业工程
单位: 中国农业大学工学院
基金: 教育部创新团队发展计划项目(IRT1293),欧盟框架计划项目(690142)
分类号: S216.2
页码: 290-296
总页数: 7
文件大小: 207K
下载量: 177
相关论文文献
标签：小麦秸秆论文; 元素含量预测论文; 光谱降噪论文; 偏最小二乘回归论文; 激光诱导击穿光谱论文;