基于SWCSS-CARS算法的综纤维素近红外分析模型传递OA北大核心CSTPCD

纸浆材综纤维素的近红外快速无损检测是提高造纸工业智能制造水平的重要手段之一。然而,在实际应用中已有的近红外模型往往无法预测不同仪器测得的木材样品光谱,从而大大限制了该技术的广泛应用。为了降低重新建模和维护的成本,需要运用模型转移技术。笔者以实现纸浆材综纤维素含量近红外分析模型在3台棱光光谱仪器上的共享为目标,以在3台同型号的近红外光谱仪采集的纸浆材样本为研究对象,采用竞争性自适应重加权采样(CARS)波长优化算法,减少筛选稳定一致性波长(SWCSS)方法中无效波长的不利影响,以提高模型对2台从机测量样品的分析能力。建立基于SWCSS-CARS算法的偏最小二乘回归(PLSR)模型,并将其对从机样品的分析能力与单独的SWCSS和CARS的分析能力进行对比分析。结果表明,以综纤维素为基础的SWCSS-CARS方法选出的30个波长建立的主机模型对2台从机样品分析的RPD均大于4.6,Akaike信息准则(A IC)的值为67.68,远远小于模型传递前的3209.83和SWCSS算法的942.82,降低了光谱矩阵的维数,显著提高了模型传递效率。表明SWCSS-CARS算法能够有效去除SWCSS方法中的无效波长,实现了纸浆材综纤维素含量模型在3台同型号近红外光谱仪间的共享。