造價(jià)通
更新時(shí)間：2025.03.15
落葉松木材干燥的BP神經(jīng)網(wǎng)絡(luò)模型研究

格式：pdf

大小：106KB

頁(yè)數(shù)：

以落葉松木材為研究對(duì)象,實(shí)驗(yàn)在東北林業(yè)大學(xué)干燥實(shí)驗(yàn)室進(jìn)行,采用MATLAB中l(wèi)og-sigmoid型函數(shù)(logsig)和線性函數(shù)(purelin)為神經(jīng)元的作用函數(shù),用落葉松木材的干燥溫度、濕度、循環(huán)風(fēng)速及平衡含水率作為輸入變量,以木材含水率作為輸出變量,構(gòu)建了4∶S∶1的木材干燥的BP人工神經(jīng)網(wǎng)絡(luò)模型。用120組數(shù)據(jù)對(duì)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練及檢驗(yàn),得最適宜的網(wǎng)絡(luò)結(jié)構(gòu)為4∶10∶1,均方誤差函數(shù)mse=0.001 7,總體擬合精度為96.86%。該模型能夠運(yùn)用到相同條件下的其他樹種的木材干燥。

基于近紅外技術(shù)的落葉松木材密度預(yù)測(cè)模型

格式：pdf

大?。?span class="single-tag-height">392KB

頁(yè)數(shù)： 4頁(yè)

運(yùn)用近紅外光譜對(duì)落葉松(Larix gemelinii Rupr)樣品密度進(jìn)行了研究,分別運(yùn)用偏最小二乘法及主成分回歸建立預(yù)測(cè)模型,并用建立的模型分別對(duì)每一個(gè)樣品進(jìn)行了預(yù)測(cè)?；谄钚《朔ǖ男ＵＰ图膀?yàn)證模型相關(guān)系數(shù)分別為0.964和0.918,校正標(biāo)準(zhǔn)誤差及預(yù)測(cè)標(biāo)準(zhǔn)誤差分別為0.016和0.021,模型預(yù)測(cè)值與實(shí)測(cè)值決定系數(shù)為0.93;主成分回歸模型中,校正模型及驗(yàn)證模型相關(guān)系數(shù)分別為0.954和0.911,校正標(biāo)準(zhǔn)誤差及預(yù)測(cè)標(biāo)準(zhǔn)誤差分別為0.017和0.023,模型預(yù)測(cè)值與實(shí)測(cè)值決定系數(shù)為0.91。研究表明:基于主成分回歸法與偏最小二乘法的近紅外光譜分析建模,都可以實(shí)現(xiàn)對(duì)落葉松木材密度的有效預(yù)測(cè),但相比較而言,偏最小二乘法略優(yōu)于主成分回歸法,所建立的模型對(duì)落葉松木材密度預(yù)測(cè)更加準(zhǔn)確可靠。

熱門知識(shí)

落葉模型

精華知識(shí)

落葉模型

最新知識(shí)

落葉模型
點(diǎn)擊加載更多>>

相關(guān)問(wèn)答

落葉模型
點(diǎn)擊加載更多>>
專題概述
落葉模型相關(guān)專題

分類檢索：