排序方式: 共有11条查询结果,搜索用时 15 毫秒
1.
2.
采用化学热磨机械浆(CTMP)工艺,以桉木与杨木2种木材为原料,初步研究了超声波辅助木片常压浸渍及其漂白效果。通过监测体系中的残余氢氧化钠的量来探究外部环境体系(温度、时间和用碱量)对超声波辅助木片常压浸渍的影响,结果表明:超声波辅助处理浸渍,桉木为温度75℃,时间30 min,用碱量6%;杨木为温度75℃,时间30 min,用碱量5%,此较优条件下,桉木白度提高2.83%(ISO),残余过氧化氢质量分数提高了4.4个百分点,碱吸收量达41.5 kg/t,较未经超声波处理后的桉木的碱吸收量提高了5.06%;杨木白度无变化,而残余过氧化氢质量分数提高了2.73个百分点,碱吸收量达38.75 kg/t,较未经超声波处理的杨木碱吸收量提高了6.15%。 相似文献
3.
用常规方法测定了4种常用制浆杨木的化学成分和基本密度,并采集了样品的近红外光谱。对光谱进行预处理后,运用偏最小二乘法和交互验证的方法,分别确定最佳主成分数并建立样品综纤维素、木素、苯-醇抽出物、基本密度的校正模型。独立验证中模型的决定系数(R2val)分别为0.9050、0.9098、0.9112、0.9165;预测均方根误差(RMSEP)分别为0.40%、0.42%、0.19%和0.0050 g/cm3;相对分析误差(RPD)分别为3.24、3.33、3.36和3.46;绝对偏差(AD)分别为-0.49%~0.77%、-0.66%~0.63%、-0.28%~0.33%、-0.0094~0.0068 g/cm3,预测均方根误差和绝对偏差基本符合对误差的要求,4个模型能够满足制浆造纸中常用杨木材性的快速测定。 相似文献
4.
本研究探讨了采用工业型光谱仪和实验型光谱仪建立近红外模型用于快速预测木片材性的可行性,分析对比不同光谱仪的建模效果。针对不同材性指标分析特点,通过光谱信号校正和特征波长筛选算法优化模型预测性能,建立适宜的建模方法。结果表明,基于工业型光谱仪建立的近红外模型对木片水分、基本密度、纤维形态等物理性能指标表现出更高的预测精度,而化学组分含量的预测精度与实验型光谱仪无显著差异。工业型光谱仪木片理化材性近红外模型适用于制浆原料品质评价和工业过程分析。 相似文献
5.
6.
通过采集5种木材近红外光谱特征曲线,结合化学计量学技术建立预测模型,对不同种木材进行快速无损检测。设计正交试验L24(2×4×3×8)对光谱特征曲线进行优化预处理。利用TQ8.6软件对正交试验结果进行判别分析。结果显示,选择多元散射校正(MSC)、Savitzky-Golay平滑对波段10 000~4 000 cm-1进行光谱预处理,提取主成分为8时,光谱判别正确率为100%。将22种已知种类木材光谱信息导入预测模型,进一步评估预测模型的性能,验证通过率为100%,获得了较理想的预测结果。该方法的建立为木材种类鉴别提供了一个新方法,同时为其他木种植物的鉴别提供参考。 相似文献
7.
为了实现制浆原料材性的快速测定,用常规方法测定了147个相思木材样品的化学成分和基本密度,并采集了样品的近红外光谱。对原始光谱进行预处理后,运用偏最小二乘法和交互验证的方法,建立样品综纤维素、木质素、苯醇抽出物、基本密度的校正模型,4个模型建立过程中所提取的最佳主成分数分别为10、 8、 9和9。对4种校正模型进行独立验证,得到其决定系数(Rval2)分别为0.910 3、0.950 5、 0.970 6和0.969 5;预测均方根误差(RMSEP)分别为0.45%、 0.32%、 0.21%和0.007 1 g/cm3;相对分析误差(RPD)值分别为3.34、 4.50、 5.82、 5.73;绝对偏差(AD)分别为-0.60%~0.68%、-0.50%~0.48%、-0.29%~0.33%和-0.009 7~0.009 1 g/cm3,RMSEP和AD基本符合测定对误差的要求,4个模型能够满足制浆造纸工业中速生相思木材的快速测定。 相似文献
8.
为实现制浆材材性的快速测定,首先用常规方法测定了144个制浆材样品的冷水、热水、苯-醇和1% NaOH抽出物含量,并采集了样品的近红外光谱,然后对原始光谱进行预处理,并运用Lasso算法及交互验证建立最优校正模型。对模型进行独立验证,决定系数R2val分别为0.9186、0.9085、0.9241、0.9760,预测均方根误差分别为0.24%、0.30%、0.28%、0.38%,相对分析误差分别为3.50、3.31、3.63、6.45,绝对偏差分别为-0.42%~0.37%、-0.43%~0.41%、-0.47%~0.40%、-0.55%~0.57%。这些模型预测性能能够满足制浆造纸工业的要求,同时,也证实了Lasso算法用于制浆材抽出物测定的可行性。 相似文献
9.
用常规方法测定了104个速生桉木样品的综纤维素、聚戊糖、酸不溶木素及苯醇抽出物含量并采集了样品的近红外光谱。对原始光谱进行多元散射校正后,运用偏最小二乘法和交互验证的方法,确定最佳主成分数并建立样品相关化学成分含量的校正模型。独立验证中综纤维素、聚戊糖、酸不溶木素和苯醇抽出物模型的决定系数Rval2分别为0.9067、0.9033、0.9504、0.9570;预测均方根误差(RMSEP)分别为0.33%、0.50%、0.31%、0.17%;相对分析误差(RPD)值分别为3.22、3.20、4.43、4.73;绝对偏差(AD)分别为-0.53~0.60%、-0.95~0.77%、-0.55~0.52%、-0.22~0.29%,四个校正模型较好地预测了验证集样品的化学成分含量,基本满足制浆造纸工业中快速测定速生桉木原料的需求。 相似文献
10.