| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-16页 |
| ·引言 | 第8页 |
| ·近红外光谱分析技术简介 | 第8-9页 |
| ·光谱分析方法及化学计量学分析 | 第9-13页 |
| ·光谱数据的预处理 | 第9-10页 |
| ·近红外光谱分析流程 | 第10-11页 |
| ·化学计量学分析 | 第11-13页 |
| ·近红外光谱在木材无损检测中的应用 | 第13-15页 |
| ·国外主要研究概况 | 第13-14页 |
| ·国内主要研究概况 | 第14-15页 |
| ·研究内容 | 第15页 |
| ·研究目的及意义 | 第15-16页 |
| 2 近红外光谱技术预测落叶松木材密度 | 第16-29页 |
| ·引言 | 第16页 |
| ·样品的制备与数据采集 | 第16-17页 |
| ·样品的制备 | 第16-17页 |
| ·样品近红外光谱的获取 | 第17页 |
| ·数据分析建模 | 第17-24页 |
| ·基于线性偏最小二乘法建立落叶松预测模型 | 第18-19页 |
| ·基于高斯核变换的非线性偏最小二乘法建立落叶松密度模型 | 第19-22页 |
| ·Bootstrap方法对光谱信息变量筛选 | 第22-24页 |
| ·模型的评价 | 第24页 |
| ·结果与讨论 | 第24-28页 |
| ·落叶松样品的近红外光谱 | 第24-25页 |
| ·光谱数据的处理 | 第25页 |
| ·主成分数的选择对模型的影响 | 第25-28页 |
| ·线性与非线性偏最小二乘法建模对比分析 | 第28页 |
| ·本章小结 | 第28-29页 |
| 3 基于近红外光谱不同波段的落叶松含水率预测模型 | 第29-36页 |
| ·引言 | 第29页 |
| ·实验部分 | 第29-31页 |
| ·样品的制备与含水率的测定 | 第29-30页 |
| ·样品近红外光谱信息的采集 | 第30页 |
| ·数据处理 | 第30-31页 |
| ·结果与讨论 | 第31-35页 |
| ·不同含水率落叶松木材近红外光谱特征 | 第31页 |
| ·不同波段范围下光谱预处理对模型的影响 | 第31-35页 |
| ·本章小结 | 第35-36页 |
| 4 运用近红外光谱结合BP神经网络预测落叶松纤维素结晶度 | 第36-45页 |
| ·引言 | 第36页 |
| ·BP神经网络 | 第36-38页 |
| ·BP神经网络简介 | 第36-37页 |
| ·BP神经网络结构 | 第37页 |
| ·BP神经网络计算步骤 | 第37-38页 |
| ·实验部分 | 第38-40页 |
| ·样品的制备 | 第38-39页 |
| ·样品纤维素结晶度的测定 | 第39页 |
| ·样品近红外光谱的采集 | 第39-40页 |
| ·数据处理与分析 | 第40页 |
| ·结果与讨论 | 第40-43页 |
| ·BP网络参数的优化 | 第40-42页 |
| ·实验结果 | 第42-43页 |
| ·本章小结 | 第43-45页 |
| 结论 | 第45-47页 |
| 参考文献 | 第47-52页 |
| 攻读学位期间发表的学术论文 | 第52-53页 |
| 致谢 | 第53-54页 |