文献类型：期刊文献

中文题名：近红外光谱技术结合4种算法分析尾巨桉-马占相思制浆原料的混合程度和主化学成分

作者：吴珽[1,2] 梁龙[1] 朱北平[1] 邓拥军[1] 房桂干[1]

第一作者：吴珽

机构：[1]中国林业科学研究院林产化学工业研究所,生物质化学利用国家工程实验室,国家林业和草原局林产化学工程重点实验室,江苏省生物质能源与材料重点实验室,南京210042;[2]金东纸业(江苏)股份有限公司,镇江212132

年份：2021

期号：4

起止页码：9-15

中文期刊名：江苏造纸

基金：中国博士后科学基金资助项目“木质纤维原料化学机械法制浆工艺过程智能优化研究”(2019M661780);国家重点研发计划项目课题“高效清洁制浆与功能化产品生产技术研究”(2017YFD0601005)。

语种：中文

中文关键词：近红外光谱;LASSO算法;混合原料;制浆造纸;成分含量

分类号：G63

摘要：为缓解我国木浆供应压力,满足混合原料制浆的实际需求,进行了近红外快速分析混合制浆原料的研究。采集了145个人为控制尾巨桉含量的尾巨桉-马占相思混合样品近红外光谱,用常规方法测定其综纤维素、聚戊糖、Klason木质素含量。对原始光谱进行一阶导数与标准正态变换预处理后,分别运用偏最小二乘法、支持向量机法、人工神经网络法和LASSO算法建立尾巨桉、综纤维素、聚戊糖、Klason木质素含量分析模型。其中LASSO法建立的尾巨桉含量和综纤维素含量分析模型最优,预测均方根误差(RMSEP)分别为1.80%、0.60%;绝对偏差(八0)范围分别为-3.03%~3.17%、-1.03%~0.98%,模型性能能够满足较精确的快速分析。偏最小二乘法建立的聚戊糖含量分析模型最优,预测均方根误差为0.75%,绝对偏差范围为-1.26%?1.33%;支持向量机法建立的Klason木质素含量分析模型最优,预测均方根误差为0.48%,绝对偏差范围为-0.82%~0.86%,两个模型性能适用于非精确性的分析。本研究为混合制浆原料的快速分析提供了可能,同时也证实了LASSO算法的适用性。