CN112345382A - 一种热处理木材力学强度的检测方法 - Google Patents
一种热处理木材力学强度的检测方法 Download PDFInfo
- Publication number
- CN112345382A CN112345382A CN202011209686.7A CN202011209686A CN112345382A CN 112345382 A CN112345382 A CN 112345382A CN 202011209686 A CN202011209686 A CN 202011209686A CN 112345382 A CN112345382 A CN 112345382A
- Authority
- CN
- China
- Prior art keywords
- mechanical strength
- heat
- treated wood
- color
- characterization model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 239000010875 treated wood Substances 0.000 title claims abstract description 58
- 238000000034 method Methods 0.000 title claims abstract description 22
- 238000012360 testing method Methods 0.000 claims abstract description 58
- 239000002023 wood Substances 0.000 claims abstract description 42
- 238000012512 characterization method Methods 0.000 claims abstract description 32
- 238000001514 detection method Methods 0.000 claims abstract description 27
- 238000010438 heat treatment Methods 0.000 claims abstract description 20
- 238000012549 training Methods 0.000 claims abstract description 19
- 238000012706 support-vector machine Methods 0.000 claims abstract description 17
- 238000011156 evaluation Methods 0.000 claims abstract description 6
- 238000010276 construction Methods 0.000 claims abstract description 4
- 230000008569 process Effects 0.000 claims abstract description 4
- 238000005452 bending Methods 0.000 claims description 28
- 230000006870 function Effects 0.000 description 9
- 239000000463 material Substances 0.000 description 8
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 6
- 238000005259 measurement Methods 0.000 description 6
- 238000012935 Averaging Methods 0.000 description 4
- 241000249899 Populus tomentosa Species 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 239000007789 gas Substances 0.000 description 3
- 238000002715 modification method Methods 0.000 description 3
- 229910052757 nitrogen Inorganic materials 0.000 description 3
- 230000001681 protective effect Effects 0.000 description 3
- 238000012827 research and development Methods 0.000 description 3
- 238000010998 test method Methods 0.000 description 3
- 238000010521 absorption reaction Methods 0.000 description 2
- 230000001066 destructive effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000002427 irreversible effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 229920002488 Hemicellulose Polymers 0.000 description 1
- 206010003549 asthenia Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 210000002421 cell wall Anatomy 0.000 description 1
- 239000003153 chemical reaction reagent Substances 0.000 description 1
- 238000005336 cracking Methods 0.000 description 1
- 238000002790 cross-validation Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 125000002887 hydroxy group Chemical group [H]O* 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N3/00—Investigating strength properties of solid materials by application of mechanical stress
- G01N3/20—Investigating strength properties of solid materials by application of mechanical stress by applying steady bending forces
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N1/00—Sampling; Preparing specimens for investigation
- G01N1/28—Preparing specimens for investigation including physical details of (bio-)chemical methods covered elsewhere, e.g. G01N33/50, C12Q
- G01N1/44—Sample treatment involving radiation, e.g. heat
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N3/00—Investigating strength properties of solid materials by application of mechanical stress
- G01N3/24—Investigating strength properties of solid materials by application of mechanical stress by applying steady shearing forces
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/46—Wood
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2203/00—Investigating strength properties of solid materials by application of mechanical stress
- G01N2203/0014—Type of force applied
- G01N2203/0023—Bending
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2203/00—Investigating strength properties of solid materials by application of mechanical stress
- G01N2203/0014—Type of force applied
- G01N2203/0025—Shearing
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Wood Science & Technology (AREA)
- Investigating Strength Of Materials By Application Of Mechanical Stress (AREA)
Abstract
本发明公开一种热处理木材力学强度的检测方法,其通过测定热处理木材的颜色值表征热处理木材力学强度,用于实现热处理木材力学强度的在线无损检测。具体为用支持向量机构建颜色‑力学强度表征模型,模型构建过程包括:选取热处理木材试件作为训练组试件,测定训练组试件的颜色值和力学强度;构建基于支持向量机的热处理木材颜色‑力学强度表征模型;组织训练样本集对表征模型进行训练学习;测定测试组试件的颜色值,组织测试样本集,代入表征模型,计算力学强度;比较计算得出的力学强度和实测力学强度,调整所述表征模型的参数;确定所述表征模型的评价指标。本发明可实现热处理木材力学强度的在线无损检测。
Description
技术领域
本发明属于木材检测技术领域,涉及一种热处理木材力学强度的无损检测,具体涉及一种热处理木材力学强度的检测方法。
背景技术
木材是一种可再生资源,因为它的可更新、可选育、投资少、无污染的特性,越来越被人们重视,而木材的尺寸稳定性差是制约其利用的主要问题之一,开裂翘曲等变形会严重影响木材的加工利用。木材高温热处理改性是现阶段改善木材尺寸稳定性科学有效且应用较为广泛的改性方法,具有环保、不需要额外加入活性化学试剂和操作较为简单等优点。
木材高温热处理是指在160℃-250℃的温度下加热处理木材,改变木材的物理和化学性质,半纤维素的降解使得木材细胞壁中羟基减少,木材的吸湿性和吸水性降低,尺寸稳定性和耐候性等性能得以改善和提高,且热处理后的试件颜色显得更加厚重古朴,提高了木材的附加值,是当前各类木材改性方法中实用性强,经济效益显著,环境友好的改性方法。木材高温热处理的缺陷主要在于降低木材部分力学性能参数,尤其是热处理温度高于200℃时,木材的力学强度损失严重,极大地影响了木制品的使用。
然而,木材的力学强度检测是破坏性的试验,会对木材样本造成不可逆的损害,检测耗时且提高检测成本。因为木材的各向异性,力学性能检测需要重复的样本量较大,对于一些材种珍贵、样本稀少的试件,检测其力学强度就成一大难题。
发明内容
热处理木材力学强度检测会对试件产生不可逆的破坏性,增加检测成本且效率低。本发明的目的在于解决这一技术问题。
为解决上述技术问题,本发明提供一种热处理木材力学强度的检测方法,其核心在于用支持向量机构建一个用热处理木材颜色表征其力学强度的模型,实现热处理木材力学强度的在线无损检测。具体地,一种热处理木材力学强度的检测方法,其通过测定热处理木材的颜色值表征热处理木材力学强度,用于实现热处理木材力学强度的在线无损检测;所述颜色值为明度指数值、红绿轴色品指数值、黄蓝轴色品指数值,所述力学强度为抗弯强度、抗弯弹性模量和顺纹抗剪强度之一。
支持向量机是解决分类和回归问题的一种机器学习技术,通过最大化分类间隔控制分类器的复杂度,将原始输入空间映射到高维特征空间,并在特征空间中寻求最优分类超平面,以近似实现结构风险最小化原则,利用核函数映射技术,将高维特征空间中的内积运算转化为低维空间中的非线性运算,具有理论严密,适应性强,全局优化,训练功效高和泛化性能好等优点。基于支持向量机,本发明提供了一种热处理木材力学强度的检测方法,开发出一种通过颜色参数表征热处理木材力学性能参数的预测模型,在木材的生产、贸易和使用中可以实现热处理木材力学强度无损检测的目的,同时提高检测效率,降低检测成本,减少试材浪费,为热处理木材力学强度在线无损检测及便携式快速测试仪的研发提供了技术支持。
进一步地,所述热处理木材力学强度的检测方法,其用支持向量机构建颜色-力学强度表征模型,所述表征模型构建过程包括:
选取热处理木材试件作为训练组试件,测定训练组试件的颜色值和力学强度;
构建基于支持向量机的热处理木材颜色-力学强度表征模型;
组织训练样本集对所述表征模型进行训练学习;
测定测试组试件的颜色值,组织测试样本集,代入所述表征模型,计算力学强度;
比较计算得出的力学强度和实测力学强度,调整所述表征模型的参数;
确定所述表征模型的评价指标。
为了进一步阐述本发明的技术思路,现将所述表征模型构建过程进行详细描述。
(1)测定训练组试件的L*、a*、b*值颜色值和力学强度值
选取一定条件的热处理木材试件,采用可见光分光测色仪测量CIE(1976)L*、a*、b*值(其中,L*为明度指数,a*为红绿轴色品指数,b*为黄蓝轴色品指数),测量结果取平均值。参照国家标准GB/T 1936.1-2009《木材抗弯强度试验方法》、GB/T 1936.2-2009《木材抗弯弹性模量试验方法》和GB/T 1937-2009《木材顺纹抗剪强度试验方法》,测量处理木材的抗弯强度MOR、抗弯弹性模量MOE和顺纹抗剪强度SOR。
(2)组织输入数据及输出数据样本集
根据测量的数据,由输入参数L*、a*、b*的值构成输入数据集X{xi,i=1,2,…,n},由抗弯强度MOR、抗弯弹性模量MOE和顺纹抗剪强度SOR之一构成输出数据集Y{yi,i=1,2,…,n},其中n为样本总数,xi为由L*、a*、b*构成的输入参数,yi为输出参数(抗弯强度MOR、抗弯弹性模量MOE和顺纹抗剪强度SOR之一)。
(3)构建基于支持向量机的热处理木材颜色-力学强度表征模型
利用支持向量机预测,其实就是构造如下的一个函数映射:
这样对给定的数据样本集:{(xi,yi),…(xn,yn)},n为测试样本总数,xi为由L*、a*、b*构成的输入参数,yi为输出参数(抗弯强度MOR、抗弯弹性模量MOE和顺纹抗剪强度SOR之一)。支持向量机回归问题是寻找函数f(x),对于输入x便用y=f(x)来推断对应的y值。
上述公式(1)式中各参数的选取或计算方式如下:
1)核函数K(x,y)选择
其中xi为训练样本集中由L*、a*、b*构成的输入参数,n为训练样本总数,yi为输出参数(抗弯强度MOR、抗弯弹性模量MOE和顺纹抗剪强度SOR之一)。
3)b的求解:
上式(3)中ε和C为模型参数,ε为一正常数,C为惩罚因子,其他符号含义同前。
(4)输入已有颜色、力学参数数据对模型进行训练学习
组织训练样本集,每个样本有输入特征(分别为三个颜色值L*、a*、b*)和三个输出属性(分别为抗弯强度MOR、抗弯弹性模量MOE和顺纹抗剪强度SOR)。
为了简化处理,分别建立输入特征(三个颜色值)与每个输出属性的支持向量预测模型。通过将训练样本带入模型,可以通过训练获得针对不同输出属性(MOR,MOE,SOR)的三个支持向量回归模型。
(5)测定试验组试件的L*、a*、b*值颜色值并代入模型
将测试样本集分别带入对应的三个支持向量回归模型,计算得到抗弯强度MOR、抗弯弹性模量MOE和顺纹抗剪强度SOR。
(6)比较预测力学强度数据与实测数据并调整模型参数
利用给定训练样本,通过交叉验证方式确定最佳模型参数ε和C。
(7)确定热处理木材颜色-力学强度表征模型的误差、拟合优度等参数
平均绝对误差(MAE)
均方误差(MSE)
拟合优度(R2)
进一步地,所述热处理木材力学强度的检测方法,如上所述,其所述颜色值为热处理木材的明度指数值、红绿轴色品指数值、黄蓝轴色品指数值,所述力学强度为抗弯强度、抗弯弹性模量和顺纹抗剪强度之一。
进一步地,所述热处理木材力学强度的检测方法,如上所述,所述评价指标包括平均绝对误差、均方误差和拟合优度。
进一步地,所述热处理木材力学强度的检测方法,如上所述,所述表征模型包括热处理木材颜色-抗弯强度表征模型、热处理木材颜色-抗弯弹性模量表征模型、热处理木材颜色-顺纹抗剪强度征模型。
另外,本发明还提供了所述热处理木材力学强度的检测方法在木材检测方面的应用。采用本发明所述方法实现热处理木材力学强度的在线无损检测,为便携式热处理木材力学性能测试仪的研发提供了有效的理论基础和支持。
与现有技术相比,本发明所述热处理木材力学强度的检测方法的优点或有益效果包括以下方面。
1)本领域普通技术人员易于知晓,木材高温热处理不可避免的会降低木材部分力学性能,然而木材的力学强度检测具有破坏性,尤其不适用于稀缺性试材检测,因此,需要对现有力学强度检测方法进行技术改进。本发明所述热处理木材力学强度的检测方法,用支持向量机构建一个用热处理木材颜色表征其力学强度的模型,实现热处理木材力学强度的在线无损检测。
2)本发明构建了基于支持向量机的热处理木材颜色-力学强度表征模型,从理论上将颜色和力学强度联系起来。在实践应用中,对于木材贸易中较大的试件,或试验中样本数量过于庞大的试件,实现了颜色参数对热处理木材力学强度快速、精准的无损在线检测。另外,本发明为便携式热处理木材力学性能测试仪的研发提供了有效的理论基础和支持。
附图说明
图1是实施例1所述试材的抗弯弹性模量预测值与真实测定值的比较图。
图2是实施例2所述试材的抗弯强度预测值与真实测定值的比较图。
图3是实施例3所述试材的抗剪强度预测值与真实测定值的比较图。
具体实施方式
为了更好地理解本发明的技术特点,下面结合具体的实施例对本发明作进一步的说明。需要指出的是,所给实施例并不是对本发明保护范围的限制。
实施例1
选取尺寸为20mm(R)×100mm(T)×390mm(L)的毛白杨试件,以氮气做为保护气,热处理温度分别为180℃、200℃和220℃,热处理时间分别为2h、4h、6h、8h、10h,每组选取10块木材,在热处理后试件表面选取9个点,采用可见光分光测色仪测量CIE(1976)L*、a*、b*值,测量结果取平均值。
后将每一块尺寸为20mm(R)×100mm(T)×390mm(L)的热处理试件加工成2个尺寸为20mm(R)×20mm(T)×300mm(L)的试件,参照国家标准GB/T1936.2-2009《木材抗弯弹性模量试验方法》测量处理材的抗弯弹性模量,测量结果取平均值。将每组颜色参数和抗弯弹性模量用支持向量机模型训练学习,后将其他组试件的颜色参数代入,与模型预测力学强度参数值比较(见图1),计算误差和拟合度。得出平均绝对误差为0.2466,均方误差为0.0973,拟合优度为0.9246,预测结果较为准确。
实施例2
选取尺寸为20mm(R)×100mm(T)×390mm(L)的毛白杨试件,以氮气做为保护气,热处理温度分别为180℃、200℃和220℃,热处理时间分别为2h、4h、6h、8h、10h,每组选取10块木材,在热处理后试件表面选取9个点,采用可见光分光测色仪测量CIE(1976)L*、a*、b*值,测量结果取平均值。
后将每一块尺寸为20mm(R)×100mm(T)×390mm(L)的热处理试件加工成2个尺寸为20mm(R)×20mm(T)×300mm(L)的试件,参照国家标准GB/T1936.1-2009《木材抗弯强度试验方法》测量处理材的抗弯强度,测量结果取平均值。将每组颜色参数和抗弯强度用支持向量机模型训练学习,后将其他组试件的颜色参数代入,与模型预测力学强度参数值比较(见图2),计算误差和拟合度。得出平均绝对误差为3.1537,均方误差为16.8375,拟合优度为0.9692,预测结果较为准确。
实施例3
选取尺寸为20mm(R)×100mm(T)×390mm(L)的毛白杨试件,以氮气做为保护气,热处理温度分别为180℃、200℃和220℃,热处理时间分别为2h、4h、6h、8h、10h,每组选取10块木材,在热处理后试件表面选取9个点,采用可见光分光测色仪测量CIE(1976)L*、a*、b*值,测量结果取平均值。
后将每一块尺寸为20mm(R)×100mm(T)×390mm(L)的热处理试件加工成2个上下底分别为30mm和40mm直角梯形状的试件,参照国家标准GB/T 1937-2009《木材顺纹抗剪强度试验方法》测量处理材的抗剪强度,测量结果取平均值。将每组颜色参数和抗剪强度用支持向量机模型训练学习,后将其他组试件的颜色参数代入,与模型预测力学强度参数值比较(见图3),计算误差和拟合度。得出平均绝对误差为0.6164,均方误差为0.5733,拟合优度为0.9334,预测结果较为准确。
上面结合实施例对本发明做了进一步的叙述,但本发明并不限于上述实施方式,在本领域的普通技术人员所具备的知识范围内,还可以在不脱离本发明宗旨的前提下做出各种变化。
Claims (7)
1.一种热处理木材力学强度的检测方法,其通过测定热处理木材的颜色值表征热处理木材力学强度,用于实现热处理木材力学强度的在线无损检测;所述颜色值为明度指数值、红绿轴色品指数值、黄蓝轴色品指数值,所述力学强度为抗弯强度、抗弯弹性模量和顺纹抗剪强度之一。
2.根据权利要求1所述热处理木材力学强度的检测方法,其特征在于,用支持向量机构建颜色-力学强度表征模型,所述表征模型构建过程包括:
选取热处理木材试件作为训练组试件,测定训练组试件的颜色值和力学强度;
构建基于支持向量机的热处理木材颜色-力学强度表征模型;
组织训练样本集对所述表征模型进行训练学习;
测定测试组试件的颜色值,组织测试样本集,代入所述表征模型,计算力学强度;
比较计算得出的力学强度和实测力学强度,调整所述表征模型的参数;
确定所述表征模型的评价指标。
3.根据权利要求2所述热处理木材力学强度的检测方法,其特征在于,所述颜色值为热处理木材的明度指数值、红绿轴色品指数值、黄蓝轴色品指数值,所述力学强度为抗弯强度、抗弯弹性模量和顺纹抗剪强度之一。
4.根据权利要求2所述热处理木材力学强度的检测方法,其特征在于,所述评价指标包括平均绝对误差、均方误差和拟合优度。
6.根据权利要求2所述热处理木材力学强度的检测方法,其特征在于,所述表征模型包括热处理木材颜色-抗弯强度表征模型、热处理木材颜色-抗弯弹性模量表征模型、热处理木材颜色-顺纹抗剪强度征模型。
7.权利要求1-6任一项所述热处理木材力学强度的检测方法在木材检测方面的应用。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011209686.7A CN112345382A (zh) | 2020-11-03 | 2020-11-03 | 一种热处理木材力学强度的检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011209686.7A CN112345382A (zh) | 2020-11-03 | 2020-11-03 | 一种热处理木材力学强度的检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112345382A true CN112345382A (zh) | 2021-02-09 |
Family
ID=74356495
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011209686.7A Pending CN112345382A (zh) | 2020-11-03 | 2020-11-03 | 一种热处理木材力学强度的检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112345382A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104931450A (zh) * | 2015-04-15 | 2015-09-23 | 北京林业大学 | 一种热处理木材力学强度的预测方法 |
CN105654203A (zh) * | 2015-12-31 | 2016-06-08 | 西北农林科技大学 | 一种基于支持向量机的黄瓜全程光合速率预测模型及建立方法 |
CN106127330A (zh) * | 2016-06-18 | 2016-11-16 | 上海大学 | 基于最小二乘支持向量机的脉动风速预测方法 |
CN106313241A (zh) * | 2016-09-28 | 2017-01-11 | 北京林业大学 | 一种增强竹材吸附性能的热改性及其预测方法 |
CN106845136A (zh) * | 2017-02-21 | 2017-06-13 | 上海大学 | 一种基于支持向量机的针阀体挤压研磨精度预测方法 |
US20190088235A1 (en) * | 2015-12-30 | 2019-03-21 | Empa Eidgenoessische Materialpruefungs- Und Forschungsanstalt | Method for improving the acoustic properties of spruce resonance wood |
CN111444629A (zh) * | 2020-04-15 | 2020-07-24 | 中国二冶集团有限公司 | 一种基于支持向量机的钢筋锈蚀参数预测方法 |
-
2020
- 2020-11-03 CN CN202011209686.7A patent/CN112345382A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104931450A (zh) * | 2015-04-15 | 2015-09-23 | 北京林业大学 | 一种热处理木材力学强度的预测方法 |
US20190088235A1 (en) * | 2015-12-30 | 2019-03-21 | Empa Eidgenoessische Materialpruefungs- Und Forschungsanstalt | Method for improving the acoustic properties of spruce resonance wood |
CN105654203A (zh) * | 2015-12-31 | 2016-06-08 | 西北农林科技大学 | 一种基于支持向量机的黄瓜全程光合速率预测模型及建立方法 |
CN106127330A (zh) * | 2016-06-18 | 2016-11-16 | 上海大学 | 基于最小二乘支持向量机的脉动风速预测方法 |
CN106313241A (zh) * | 2016-09-28 | 2017-01-11 | 北京林业大学 | 一种增强竹材吸附性能的热改性及其预测方法 |
CN106845136A (zh) * | 2017-02-21 | 2017-06-13 | 上海大学 | 一种基于支持向量机的针阀体挤压研磨精度预测方法 |
CN111444629A (zh) * | 2020-04-15 | 2020-07-24 | 中国二冶集团有限公司 | 一种基于支持向量机的钢筋锈蚀参数预测方法 |
Non-Patent Citations (3)
Title |
---|
ZONGYING FU 等: "Assessment of mechanical properties based on the changes of chromatic values in heat treatment wood", MEASUREMENT, vol. 152, pages 102 - 105 * |
杨红 等: "高温高压蒸汽改性落叶松木材力学性能预测模型的建立", 东北林业大学学报, vol. 44, no. 4, pages 77 - 80 * |
韩阳等: "SVM、BP神经网络、线性回归的比较研究", 华北理工大学学报(自然科学版), vol. 39, no. 2, 30 April 2017 (2017-04-30), pages 105 - 109 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105260805B (zh) | 一种基于异构分类器选择性融合的锑矿品位软测量方法 | |
CN110400231B (zh) | 一种加权非线性贝叶斯的电能计量设备失效率预估方法 | |
CN106094786A (zh) | 基于集成型独立元回归模型的工业过程软测量方法 | |
CN111310348A (zh) | 一种基于pso-lssvm的材料本构模型预测方法 | |
CN104899425A (zh) | 一种高炉铁水硅含量的变量选择预报方法 | |
CN110472349B (zh) | 一种基于eemd和深度卷积网络的热轧钢性能预测方法 | |
CN109615156A (zh) | 一种元器件国产化替代应用验证综合评价方法 | |
Lauzon-Gauthier et al. | The Sequential Multi-block PLS algorithm (SMB-PLS): Comparison of performance and interpretability | |
CN111104972A (zh) | 基于遗传算法优化支持向量机多分类器的台区低电压风险识别方法 | |
CN109165807A (zh) | 一种基于概率神经网络的电能质量综合评估方法 | |
CN105092519A (zh) | 基于增量偏最小二乘法的样品成份测定方法 | |
CN106295852A (zh) | 聚酰亚胺基纳米复合薄膜击穿场强预测模型及其构建方法和应用 | |
CN109406898A (zh) | 一种融合多特征量综合评估油纸绝缘老化程度的方法 | |
CN113533133B (zh) | 一种基于机器学习的沥青动态黏弹特性预测方法 | |
CN102621953A (zh) | 一种橡胶硬度的在线自动质量监控和预测模型更新的方法 | |
CN112345382A (zh) | 一种热处理木材力学强度的检测方法 | |
CN105354347B (zh) | 一种菱镁矿矿石品级分类建模方法 | |
Weiss et al. | People's Republic of China's export threat to ASEAN: Competition in the US and Japanese markets | |
CN106326677B (zh) | 一种pta装置醋酸消耗的软测量方法 | |
US20230307093A1 (en) | Method for predicting dna recombination sites based on xgboost | |
CN109636050B (zh) | 基于mds的rbf对石化行业生产能力的预测模型 | |
CN113344410B (zh) | 配电网节能改造多维评估方法、系统、终端和存储介质 | |
Dechun et al. | Regional energy efficiency in China based on a three-stage DEA model | |
CN112381145A (zh) | 基于最近相关谱聚类的高斯过程回归多模型融合建模方法 | |
CN114970610A (zh) | 一种基于格拉姆角场增强的电力变压器状态辨识方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |