论文部分内容阅读
利用近红外光谱结合误差反向传播神经网络(BP)对三种人工林木材(尾叶桉、马尾松、南方无性系I-72杨)进行识别,探讨隐含层神经元个数、光谱预处理方法、光谱范围对BP网络模型的影响,并与SIMCA法所建模型做比较。结果表明:(1)BP网络结合全波段(780~2 500nm)近红外光谱数据建模,识别正确率达到97.78%,并确定隐含层神经元数为13;(2)全波段光谱建模比短波段(780~1 100nm)和长波段(1 100~2 500nm)光谱建模识别效果好,其识别正确率分别为97.78%,95.56%和96.67%,用一阶导数和二阶导数对全波段光谱进行预处理后,BP网络模型识别正确率分别为93.33%和71.11%;用多元散射校正(MSC)对全波段光谱进行预处理后,BP网络模型识别正确率为98.89%,(3)在三种波段(780~2 500,780~1 100和1 100~2 500nm)光谱建模的情况下,BP网络建模识别正确率分别为95.56%,96.67%和97.78%,SIMCA模型识别正确率分别为76.67%,81.11%和82.22%,BP网络建模比SIMCA法建模对三种人工林木材的识别正确率高。