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3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：
基于响应面分析的聚甲基丙烯酸甲酯表面微观生物污损超声防除研究 被引量：2
1
作者 郑良 李越凡 +1 位作者 赵强 郑靖 《表面技术》 EI CAS CSCD 北大核心 2021年第4期319-327,共9页
目的基于Box-Behnken设计和响应面分析,借助表面形貌表征和污损面积占比分析,通过方程拟合和试验验证,探究了超声时间、功率和频率对光学材料聚甲基丙烯酸甲酯(PMMA)表面海洋微观生物污损防除的影响,为超声防污技术在海洋光学仪器水下... 目的基于Box-Behnken设计和响应面分析,借助表面形貌表征和污损面积占比分析,通过方程拟合和试验验证,探究了超声时间、功率和频率对光学材料聚甲基丙烯酸甲酯(PMMA)表面海洋微观生物污损防除的影响,为超声防污技术在海洋光学仪器水下窗口微观生物污损防除的应用上提供一定的理论依据和数据支撑。方法以天然海水为介质,采用动态培养的方法构建PMMA表面微观污损,借助激光共聚焦显微镜(CLSM),综合单因素实验和三因素三水平Box-Behnken设计,考察超声时间、超声功率、超声频率对超声防除PMMA表面微观污损的影响规律,通过响应面分析获取超声频率、超声时间、超声功率之间的超声防污交互作用,建立超声参数对防污效果的回归方程,最后结合实际工况给出具有最佳污损防除效果的超声工作参数。结果防污效果随超声频率的增加而降低,随超声功率和超声时间的增加而提高。相对超声功率和超声时间,超声频率对PMMA表面微观污损防除的影响更显著。回归方程能够很好地预测不同超声参数下的防污效果,可用于不同污损情况下超声工况的选择设计。当超声时间为5 min、超声功率为40 W、超声频率为40 kHz时,海水动态培养96 h后,PMMA表面的微观污损超声防污效果可达到98.63%以上。结论基于响应面分析技术,建立超声参数对超声防污效果的回归方程,有助于选择合适的超声工况,从而使超声防污技术应用于海洋光学仪器水下窗口表面的微观生物污损防除。 展开更多
关键词 聚甲基丙烯酸甲酯 水下窗口 微观生物污损 超声防污 BOX-BEHNKEN设计 响应面分析
在线阅读 下载PDF
光谱数据预处理对潮间带沉积物氮LSSVM模型的影响研究 被引量：1
2
作者 吕美蓉 任国兴 +5 位作者 李雪莹 范萍萍 刘杰 孙中梁 侯广利 刘岩 《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2020年第8期2409-2414,共6页
光谱数据变换和光谱特征波长提取是二种重要的光谱预处理方法,对消除环境等干扰具有重要的作用。以往文献主要对比研究不同的光谱数据变换方法,光谱特征波长提取方法的对比研究以及二者的组合研究较少。为了获取适宜的光谱预处理方法,... 光谱数据变换和光谱特征波长提取是二种重要的光谱预处理方法,对消除环境等干扰具有重要的作用。以往文献主要对比研究不同的光谱数据变换方法,光谱特征波长提取方法的对比研究以及二者的组合研究较少。为了获取适宜的光谱预处理方法,提高潮间带沉积物氮的最小二乘支持向量机(LSSVM)模型精度,研究了4种光谱变换方法与3种特征波长提取方法组合对沉积物氮LSSVM模型精度的影响,以期实现潮间带沉积物氮的精确预测。研究结果表明,多元散射校正(MSC)或标准正态变换(SVN)光谱变换方法提高了光谱与氮含量的相关性,最高相关系数分别达到0.69和0.71;并且提高了LSSVM模型的预测精度,模型的预测R^2和RPD分别为0.88,0.87和2.78,2.69。无信息变量消除(UVE)特征波长提取方法也提高了LSSVM模型的预测精度,模型预测R^2和RPD分别0.89和2.70。但是,UVE提取的特征波长并不都与氮含量具有高相关性。此外,组合运用UVE特征波长提取方法和MSC或SVN光谱变换方法,也提高了模型预测精度,但并不优于单独运用UVE特征波长提取方法或单独运用MSC及SVN光谱变换方法。研究结果可为潮间带沉积物氮估算和光谱数据预处理提供技术参考。 展开更多
关键词 光谱数据变换 光谱特征波长提取 光谱预处理 潮间带沉积物
在线阅读 下载PDF
可见-近红外光谱的潮间带沉积物有机碳含量的几种模型预测方法 被引量：9
3
作者 吕美蓉 任国兴 +4 位作者 李雪莹 范萍萍 孙中梁 侯广利 刘岩 《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2020年第4期1082-1086,共5页
可见-近红外光谱已被证明是一种快速、有效的有机碳(TOC)含量预测方法。但是,当前利用光谱预测TOC含量的研究对象主要为土壤或湖泊沉积物,还未见潮间带海洋沉积物的研究报道。为了快速准确预测潮间带沉积物TOC含量,通过异常样本剔除、... 可见-近红外光谱已被证明是一种快速、有效的有机碳(TOC)含量预测方法。但是,当前利用光谱预测TOC含量的研究对象主要为土壤或湖泊沉积物,还未见潮间带海洋沉积物的研究报道。为了快速准确预测潮间带沉积物TOC含量,通过异常样本剔除、光谱特征变换、特征波长提取相结合,构建TOC预测模型,即,采集潮间带沉积物样品光谱,采用马氏距离、标准杠杆值和学生残差联合分析的方法剔除异常样本,利用多元散射校正(MSC)、平滑+微分进行光谱变换,利用遗传算法(GA)提取特征波长,采用偏最小二乘法(PLS)、最小二乘支持向量机(LSSVM)和BP神经网络(BPNN)对沉积物TOC含量进行建模和预测,通过决定系数(R^2)和剩余估计偏差(PRD)来评价模型精度。结果表明,剔除异常样本有助于提升模型精度, BPNN模型的检验R^2和PRD分别提升了28%和39%。MSC光谱变换效果优于平滑+微分,基于MSC光谱变换的PLS, LSSVM和BPNN模型检验R^2分别为0.81, 0.86和0.78, PRD分别为2.25, 2.59和2.07,比平滑+微分提升了9%~20%(R^2)和11%~22%(PRD),意味着MSC具有较强的TOC信息提取能力。GA不利于增加预测模型精度,基于GA特征波长的模型预测R^2降低了9%~36%, PRD降低了18%~33%,可能与GA提取的特征波长数量偏少有关。BPNN模型的预测精度最低,可能与其容易陷入局部极小点有关。PLS模型精度较高,可以很好的预测潮间带沉积物TOC含量。基于异常样本剔除和MSC光谱变换, PLS模型的建模R^2为0.98,检验R^2为0.81, RPD为2.25。LSSVM模型精度更优于PLS, LSSVM模型建模R^2为0.99,检验R^2和RPD分别为0.86和2.59,显示极好的TOC定量预测能力。总之,针对潮间带沉积物TOC含量预测,可以将剔除异常样本、 MSC光谱变换、 LSSVM建模结合起来,以获得可靠、稳定的预测模型。 展开更多
关键词 潮间带沉积物 可见-近红外光谱 预测模型 有机碳含量
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