期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于中红外光谱与机器学习的生物炭表面碳氧元素及基团含量预测模型研究 被引量：1
1
作者 曹红亮 王盼 +3 位作者 王卓超 杨争鸣 马家敏 徐洋 《农业机械学报》 北大核心 2025年第4期344-352,共9页
为了实现生物炭表面碳氧元素与活性基团的高精快速预测,基于课题组积累的120组生物炭样品,建立了包含生物炭中红外光谱和表面碳氧元素及其赋存形态定量表征信息的数据集;采用支持向量机(SVM)、随机森林(RF)机器学习智能建模方法,结合区... 为了实现生物炭表面碳氧元素与活性基团的高精快速预测,基于课题组积累的120组生物炭样品,建立了包含生物炭中红外光谱和表面碳氧元素及其赋存形态定量表征信息的数据集;采用支持向量机(SVM)、随机森林(RF)机器学习智能建模方法,结合区间偏最小二乘法(IPLS)和主成分分析法(PCA)等特征筛选策略,构建了IPLS+RF、IPLS+SVM、PCA+RF、PCA+SVM共4种预测模型,实现了表面碳氧元素含量(SC、SO)以及8种碳氧赋存形态共计10个预测目标的定量快速预测。其中,碳氧赋存形态有来自C1s能谱的C=C、C-C、C-O、C=O、O=C-O共5种形态(CC=C、CC-C、CC-O、CC=O、CO=C-O)以及来自O1s能谱的C=O、C-O、O=C-O共3种形态(OC=O、OC-O、OO=C-O)。研究结果表明:生物炭表面碳元素的主要赋存形态为CC=C、OC-O,生物炭表面氧元素的主要赋存形态为CC-O、CC=O、CO=C-O以及OC=O;特征波段4 000~3 464 cm-1和1 588~650 cm-1均包含与生物炭表面碳氧元素含量及其赋存形态高度相关的特征信息,但1 588~650 cm-1蕴含的信息更为丰富;从模型预测精度来看,IPLS+RF、IPLS+SVM、PCA+RF、PCA+SVM这4种预测模型均具有良好的预测能力,IPLS+SVM和PCA+SVM尤为突出,对10个预测目标的最优模型决定系数均在0.93以上;但从模型稳定性和泛化能力来看,CC-C、CO=C-O、OC=O、OC-O还有待进一步提升。 展开更多
关键词 生物炭 碳氧基团 红外光谱 机器学习 定量预测
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部