造價通
更新時間：2025.05.10
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

頁數(shù)：

以落葉松木材為研究對象,實驗在東北林業(yè)大學干燥實驗室進行,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)對網(wǎng)絡(luò)模型進行訓練及檢驗,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)測模型

格式：pdf

大小：392KB

頁數(shù)： 4頁

運用近紅外光譜對落葉松(Larix gemelinii Rupr)樣品密度進行了研究,分別運用偏最小二乘法及主成分回歸建立預(yù)測模型,并用建立的模型分別對每一個樣品進行了預(yù)測?；谄钚《朔ǖ男ＵＰ图膀炞C模型相關(guān)系數(shù)分別為0.964和0.918,校正標準誤差及預(yù)測標準誤差分別為0.016和0.021,模型預(yù)測值與實測值決定系數(shù)為0.93;主成分回歸模型中,校正模型及驗證模型相關(guān)系數(shù)分別為0.954和0.911,校正標準誤差及預(yù)測標準誤差分別為0.017和0.023,模型預(yù)測值與實測值決定系數(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,都可以實現(xiàn)對落葉松木材密度的有效預(yù)測,但相比較而言,偏最小二乘法略優(yōu)于主成分回歸法,所建立的模型對落葉松木材密度預(yù)測更加準確可靠。

精華知識

落葉模型

最新知識

落葉模型
點擊加載更多>>

相關(guān)問答

落葉模型
點擊加載更多>>
專題概述
落葉模型相關(guān)專題

分類檢索：