基于SPASSABP的小麦秸秆含水率检测模型

摘要

为提高基于电容法的小麦秸秆含水率检测模型的检测精度,扩大含水率检测范围,提高模型适应性,本文以小麦秸秆为研究对象,使用LCR数字电桥,测量含水率为10.43%~25.89%的秸秆在频率0.05~100 kHz、容积密度90.03~179.42 kg/m^(3)和温度25~40℃内的电容,利用连续投影法(Successive projections algorithm,SPA)和主成分分析法(Principal component analysis,PCA)对原始数据进行预处理,提取特征频率,选用反向传播神经网络(Back propagation neural network,BPNN)在全频率及2个特征频率下分别建立秸秆含水率、容积密度、温度的定量分析模型,引入麻雀搜索算法(Sparrow search algorithm,SSA)优化反向传播神经网络模型。试验结果表明,基于全频率构建的模型较基于SPA算法构建的模型预测效果略好,综合考虑模型复杂度和预测性能,本研究选用基于SPA算法结合SSA算法优化后的BP神经网络模型(SPASSABP)作为小麦秸秆含水率的检测模型,其预测集R^(2)_(P)、RMSEP和RPDP分别为0.9832、0.00550和7.715。利用该模型对13个含水率为10.62%~25.59%的秸秆样本进行预测,含水率预测结果的相对误差为-5.27%~5.52%,其中96.8%的预测误差在±5%以内。由此说明,模型具有较高的准确性和较好的鲁棒性。