大豆秸稈成分近紅外光譜分析快速檢測方法研究

【摘要】：我國正處于經(jīng)濟(jì)飛速發(fā)展時(shí)期,近年來我國對能源需求也急劇增加,我國已經(jīng)處于連年能源短缺,供需不均衡的狀態(tài),對外原油依賴度也越來越大,面對這種狀況我國提出了改善能源結(jié)構(gòu),合理有效的利用新能源和可再生能源的指導(dǎo)方針,其中生物質(zhì)能源是可再生能源中重要的一部分,在我國每年都有大量的生物質(zhì)資源被廢棄,如何合理而有效的利用生物質(zhì)能源是一個(gè)嚴(yán)峻而適時(shí)的考驗(yàn),生物質(zhì)能源的開發(fā)和利用會為我國能源短缺問題找到新的突破口和根本性解決方案。目前對于生物質(zhì)能的利用主要還是集中于制造燃料酒精及生物柴油,但是受制于制造工藝和技術(shù)的限制,傳統(tǒng)化學(xué)方法無法實(shí)現(xiàn)生物質(zhì)成分含量及其配比的實(shí)時(shí)和在線化檢測,缺少明確配比的指導(dǎo)使得生物燃料在制造過程中燃料質(zhì)量和產(chǎn)量無法得到保障。本文以此為切入點(diǎn),以大豆秸稈為研究對象,采用近紅外光譜分析技術(shù)探索實(shí)現(xiàn)大豆秸稈主要成分纖維素、半纖維素和木質(zhì)素含量的快速檢測方法,希望通過該技術(shù)的逐步完善和成熟為日后生物燃料生產(chǎn)過程提出一種實(shí)時(shí)和在線化快速檢測方案。首先在黑龍江省內(nèi)采集了160株不同地區(qū)和品種的大豆秸稈后,完成對大豆秸稈的化學(xué)定標(biāo)及光譜掃描,同時(shí)對近紅外光譜分析中的各種數(shù)據(jù)處理方法和建模方法進(jìn)行了論證。主要研究結(jié)果如下:(1)對大豆秸稈成分纖維素、半纖維素、木質(zhì)素進(jìn)行了樣品正態(tài)分析,確保所選樣品具有代表性,通過建立頻數(shù)直方圖和分布的正態(tài)性檢驗(yàn)圖對三種成分進(jìn)行統(tǒng)計(jì),其中三種樣品布爾變量h=0,顯著性指標(biāo)sig=1,95%置信區(qū)間都包含有假設(shè)均值,證明模型樣品的選取是具有充分代表性的。(2)對大豆秸稈光譜進(jìn)行了多重相關(guān)性分析,其中大豆秸稈光譜之間的互相關(guān)性較低,互相關(guān)性低可以保持模型的穩(wěn)定,不易放大計(jì)算誤差,光譜和化學(xué)測定值之間的相關(guān)性總體保持穩(wěn)定,其中半纖維素在4000-12000cm-1范圍內(nèi)呈現(xiàn)由負(fù)相關(guān)逐步逼近正相關(guān)趨勢,多數(shù)波長相關(guān)系數(shù)保持在0.4以上,適合用來建立定量分析模型,木質(zhì)素和纖維素樣品在7500--12000cm-1相關(guān)系數(shù)保持穩(wěn)定在0.5左右,也適于用來建立定量分析模型。(3)采用馬氏距離、霍特林T2統(tǒng)計(jì)、X-Y殘差進(jìn)行異常樣本的選擇,并提出了基于X-Y殘差和杠桿值的3D視圖分析法進(jìn)行異常樣本選取,結(jié)果表明四種方法都可以有效準(zhǔn)確得找到異常樣本,但由于四種算法的判別依據(jù)不同在異常樣本選取上具有一定差異性,在三種成分定量分析模型中3D視圖分析法都準(zhǔn)確而有效的找到了異常樣本,在進(jìn)行樣本剔除后模型精度大幅提升,校正集決定系數(shù)R2分別提升了7.76%,12.09%,9.04%,交互驗(yàn)證均方誤差根RMSECV分別降低了0.076,0.1731,0.0942。(4)采用小波變換處理進(jìn)行光譜去噪,分別選取DB小波,Haar小波和Symlet小波在不同分解層數(shù)下選擇penalty全局閾值、Bridge-massart分層閾值和缺省閾值方法進(jìn)行光譜信號的分解和重構(gòu),并與其它傳統(tǒng)去噪方法進(jìn)行對比,最終對半纖維素和木質(zhì)素分別選取Symlet2-2層分解和DB2-2層分解小波基對光譜進(jìn)行處理,經(jīng)去噪后驗(yàn)證集決定系數(shù)分別從0.462524、0.653223提升至0.6314158、0.7816511。(5)分別對纖維素、半纖維素和木質(zhì)素進(jìn)行特征波段選擇,選取相關(guān)系數(shù)法,間隔偏最小二乘(IPLS)、連續(xù)投影算法(SPA)、遺傳算法(GA)、和移動窗口最小二乘法(MWPLS)、其中IPLS選取間隔50點(diǎn)和間隔70點(diǎn)分別進(jìn)行特征波段選取,SPA分別選擇全譜波段和IPLS特征波段內(nèi)根據(jù)最大有效波長m_max=10、20、30、40條件下進(jìn)行特征選取,GA在全譜及IPLS特征波段內(nèi)依據(jù)評估次數(shù)evaluate=50、100條件下的特征波長選取。各種算法相對于全譜模型模型驗(yàn)證結(jié)果具有大幅提升。(6)對半纖維素和纖維素校正模型采用了BP神經(jīng)網(wǎng)絡(luò)進(jìn)行模型建立,并與PLS模型進(jìn)行了驗(yàn)證對比,其中BP神經(jīng)網(wǎng)絡(luò)在建立模型之前進(jìn)行了最優(yōu)參數(shù)選擇,最終選擇隱含層節(jié)點(diǎn)為20、動量因子0.6和學(xué)習(xí)速率0.6,學(xué)習(xí)次數(shù)3500次的BP模型。(7)對木質(zhì)素校正模型采用了支持向量回歸(SVR)模型,并與PLS模型進(jìn)行了對比,其中SVM中分別對懲罰因子C、核參數(shù)γ的選取與驗(yàn)證集均方誤差RMSEP進(jìn)行了論證,并對四種核函數(shù)分別進(jìn)行選擇對比,最終選擇了懲罰因子C為100,核參數(shù)γ為10-4的基于RBF核函數(shù)的模型。以上研究的逐步深入和完善,對生物質(zhì)秸稈成分快速檢測提供可靠的技術(shù)保障和數(shù)據(jù)支持,同時(shí)也為日后生物燃料實(shí)現(xiàn)生產(chǎn)過程在線檢測及專用檢測儀器的研發(fā)提供理論指導(dǎo)。 【關(guān)鍵詞】：大豆秸稈 近紅外光譜分析 小波變換 偏最小二乘 支持向量機(jī)
【學(xué)位授予單位】：東北農(nóng)業(yè)大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2015
【分類號】：S216.2
【目錄】：

• 摘要8-10
• 英文摘要10-12
• 1 前言12-27
• 1.1 研究背景12-13
• 1.2 國內(nèi)外研究現(xiàn)狀13-18
• 1.2.1 可再生能源發(fā)展現(xiàn)狀13-15
• 1.2.2 作物秸稈現(xiàn)有的檢測方法及其改進(jìn)15-16
• 1.2.3 近紅外快速檢測方法在秸稈檢測中的應(yīng)用16-18
• 1.3 近紅外光譜分析技術(shù)簡介18-24
• 1.3.1 原理及光譜特征18-19
• 1.3.2 近紅外光譜采集19-21
• 1.3.3 分析流程21-22
• 1.3.4 近紅外光譜分析評價(jià)指標(biāo)22-23
• 1.3.5 近紅外光譜分析技術(shù)特點(diǎn)及應(yīng)用23-24
• 1.4 本文研究內(nèi)容及技術(shù)路線24-27
• 1.4.1 研究內(nèi)容24-25
• 1.4.2 技術(shù)路線25-27
• 2 大豆秸稈半纖維素近紅外檢測27-67
• 2.1 樣品采集標(biāo)定及光譜測量27-31
• 2.1.1 樣品采集制備及標(biāo)定27-30
• 2.1.2 光譜采集30-31
• 2.2 樣品分析31-33
• 2.2.1 樣品采集制備及標(biāo)定31-32
• 2.2.2 多重相關(guān)性分析32-33
• 2.3 預(yù)處理分析方法33-59
• 2.3.1 異常樣本剔除33-39
• 2.3.2 樣品集的劃分39-40
• 2.3.3 光譜去噪處理40-50
• 2.3.4 特征波長選擇50-59
• 2.4 定量分析模型59-66
• 2.4.1 偏最小二乘回歸59-61
• 2.4.2 BP神經(jīng)網(wǎng)絡(luò)61-66
• 2.5 本章小結(jié)66-67
• 3 大豆秸稈木質(zhì)素近紅外檢測67-86
• 3.1 樣品采集標(biāo)定及光譜測量67
• 3.1.1 樣品采集制備及標(biāo)定67
• 3.1.2 光譜測量67
• 3.2 樣品分析67-69
• 3.2.1 樣品正態(tài)分析67-68
• 3.2.2 多重相關(guān)性分析68-69
• 3.3 預(yù)處理分析方法69-81
• 3.3.1 異常樣本剔除69-72
• 3.3.2 樣本集的劃分72-73
• 3.3.3 光譜去噪處理73-75
• 3.3.4 特征波長選擇75-81
• 3.4 定量分析模型建立81-85
• 3.4.1 偏最小二乘回歸81
• 3.4.2 支持向量機(jī)回歸81-85
• 3.5 本章小結(jié)85-86
• 4 大豆秸稈纖維素近紅外檢測86-98
• 4.1 樣品采集標(biāo)定及光譜測量86
• 4.1.1 樣品采集制備及標(biāo)定86
• 4.1.2 光譜測量86
• 4.2 樣品分析86-88
• 4.2.1 樣品正態(tài)分析86-87
• 4.2.2 多重相關(guān)性分析87-88
• 4.3 預(yù)處理分析方法88-96
• 4.3.1 異常樣本剔除88-91
• 4.3.2 樣品集的劃分91-92
• 4.3.3 光譜去噪處理92
• 4.3.4 特征波長選擇92-96
• 4.4 定量分析模型建立96-97
• 4.5 本章小結(jié)97-98
• 5 結(jié)論98-100
• 致謝100-101
• 參考文獻(xiàn)101-110
• 攻讀博士學(xué)位期間發(fā)表的學(xué)術(shù)論文110

您可以在本站搜索以下學(xué)術(shù)論文文獻(xiàn)來了解更多相關(guān)內(nèi)容

稻谷脂肪酸值近紅外光譜快速測定技術(shù)研究    范維燕;林家永;邢邯;竇發(fā)德;吳玉凱;

近紅外光譜技術(shù)的定性和定量分析    張榮;吳文娟;

用近紅外光譜法快速無損檢測苦豆子和決明子單粒種子生活力的研究    朱麗偉;黃艷艷;楊麗明;孫寶啟;孫群;

大豆品質(zhì)近紅外光譜分析儀測量數(shù)據(jù)處理    王智宏;周逢道;

基于正交信號校正的噴氣燃料近紅外光譜去噪研究    李華;王菊香;邢志娜;申剛;

近紅外光譜的主成分判別分析應(yīng)用于秈稻貯藏時(shí)間的快速鑒別    謝定;魏玉翠;歐陽建勛;劉永樂;俞健;王達(dá)能;伍湘東;

水面光譜數(shù)據(jù)的核回歸平滑去干擾分析    韋玉春;王國祥;程春梅;

基于近紅外光譜技術(shù)的農(nóng)作物病害診斷    王曉麗;周國民;

近紅外光譜分析技術(shù)在大米檢測中的應(yīng)用    齊龍;朱克衛(wèi);馬旭;蘇彩珠;

優(yōu)質(zhì)稻谷儲藏期間的品質(zhì)變化    樂恭林;王建國;曾慶林;周建群;

改進(jìn)多項(xiàng)式迭代擬合紅外光譜基線校正方法    馬恒;王志斌;張記龍;趙冬娥;陳媛媛;

基于Vis/NIR光譜不同粒徑下土壤碳氮的預(yù)測研究    李碩

基于可見/近紅外光譜的外來入侵植物鑒別研究    李舸

FTIR/ATR光譜應(yīng)用于甘蔗制糖廢水COD的定量分析    紀(jì)強(qiáng)

基于近紅外光譜技術(shù)的水稻葉部病害診斷模型構(gòu)建    王曉麗

基于NIRS和LS-SVM的蘋果內(nèi)部品質(zhì)無損檢測和模糊識別的研究    高玨

中紅外ATR光譜法血糖檢測實(shí)驗(yàn)與數(shù)據(jù)處理    陳露詩

柑橘果園四項(xiàng)數(shù)字化信息的模型構(gòu)建    張冬強(qiáng)

近紅外光譜技術(shù)快速檢測秈稻主要成分及新陳度的研究    徐彥

油菜品質(zhì)多參數(shù)近紅外檢測技術(shù)的建立與應(yīng)用    劉培

血紅蛋白FTIR/ATR光譜分析的模型優(yōu)化與穩(wěn)定性    韓筠

采用改變樣品的制備方法進(jìn)行稻谷脂肪酸值測定的試驗(yàn)    劉波

影響脂肪酸值測定因素探討    楊軍,肖學(xué)彬

脂肪酸值儀法測定稻米脂肪酸值研究    何學(xué)超;郭道林;肖學(xué)彬;蘭盛斌;石恒;張鳳枰;董德良;馮永建;喬莉娜;姜濤;鞏福生;高素芬;汪喜波;

淺議稻谷脂肪酸值的準(zhǔn)確測定    龐文淥;

稻谷脂肪酸值滴定終點(diǎn)的判定條件    王平;徐明亮;蘇宏元;蔣宗寶;孫偉華;李蓉;陳雪梅;吉進(jìn)國;

近紅外光譜技術(shù)進(jìn)展    陸婉珍;

影響近紅外光譜分析結(jié)果準(zhǔn)確性的因素    李勇,魏益民,王鋒

農(nóng)產(chǎn)品近紅外光譜分析系統(tǒng)綜述    張銀橋;趙博;王輝;毛文華;張小超;

基于近紅外光譜分析的多模型建模方法研究    劉勝;范雅婷;

現(xiàn)代近紅外光譜分析在制糖和制藥工業(yè)中的應(yīng)用    曹干

農(nóng)產(chǎn)品品質(zhì)近紅外光譜分析結(jié)果影響因素研究綜述    于海燕,應(yīng)義斌,劉燕德

葡萄酒發(fā)酵過程主要參數(shù)近紅外光譜分析    張樹明;楊陽;梁學(xué)軍;李景明;倪元穎;

農(nóng)產(chǎn)品近紅外光譜分析中的多模型共識方法研究    張明錦;李廷軍;

基于相關(guān)系數(shù)法與遺傳算法的啤酒酒精度近紅外光譜分析    陳斌,王豪,林松,趙杰文

煙草中三種主要成分的近紅外光譜分析與化學(xué)分析方法比較    陳鷹,丁映,樂俊明

淺談農(nóng)產(chǎn)品無損檢測    初旭宏;

近紅外光譜分析及應(yīng)用    馬競濤;

輕質(zhì)石油燃料質(zhì)量指標(biāo)近紅外光譜分析方法標(biāo)準(zhǔn)研究    田高友;

近紅外光譜分析中干擾組分光譜的去除    杜一平;Sumaporn Kasemsumran;Yukihiro Ozaki;

近紅外光譜分析在食品、藥品成分檢測中的應(yīng)用    劉本清;

支持向量機(jī)在近紅外光譜分析中的應(yīng)用    祝詩平;王剛;吳靜珠;王一鳴;

基于近紅外光譜分析的數(shù)據(jù)處理方法研究進(jìn)展    劉潔;李小昱;李培武;王為;劉鵬;張榮榮;

數(shù)據(jù)處理方法在近紅外光譜分析中的應(yīng)用進(jìn)展    劉潔;李小昱;李培武;王為;張榮榮;張軍;

Multiblock PLS方法用于植物樣本的近紅外光譜分析    景明;蔡文生;邵學(xué)廣;

化學(xué)計(jì)量學(xué)方法在近紅外光譜分析中的應(yīng)用    張卓勇;

近紅外光譜分析中波長選擇的必要性    邵學(xué)廣;蔡文生;徐恒;

基于近紅外光譜分析的大豆油質(zhì)量檢測方法研究    王立琦

功能性富集材料用于微量成分的近紅外光譜分析    寧宇

野外礦物近紅外光譜分析關(guān)鍵技術(shù)研究    王智宏

近紅外光譜分析模型優(yōu)化和模型轉(zhuǎn)移算法研究    鄭開逸

大豆秸稈成分近紅外光譜分析快速檢測方法研究    孔慶明

黃酒品質(zhì)和酒齡的近紅外光譜分析方法研究    于海燕