- 相關推薦
基于中紅外光聲光譜的聚合物包膜控釋肥料養分釋放曲線預測
摘要：以聚丙烯酸酯類系列水基聚合物包膜控釋肥料為樣品,測定了包膜肥料養分的釋放曲線并原位測定了肥料包膜的中紅外光聲光譜,分析了不同肥料的養分釋放曲線以及不同包膜材料的紅外光聲光譜特征；采用廣義回歸神經網絡模型(GRNN),以肥料包膜紅外光聲光譜的主成分作為GRNN模型的輸入層,并以包膜肥料養分釋放曲線為輸出層,構建了預測養分釋放曲線的GRNN模型.結果表明,GRNN模型能快速有效地預測包膜肥料養分釋放曲線,其預測相關系數(R2)達0.93以上；包膜的探測深度明顯影響釋放曲線的預測誤差,最小預測誤差為7.14％,平均為10.28％,且基于包膜表層紅外光聲光譜的預測誤差最小.因此,結合GRNN模型,紅外光聲光譜可為包膜肥料養分釋放曲線的快速預測提供新手段. 作者： 申亞珍[1]杜昌文[2]周健民[2]王火焰[2]陳小琴[2] Author： SHEN Ya-zhen[1] DU Chang-wen[2] ZHOU Jian-min[2] WANG Huo-yan[2] CHEN Xiao-qin[2] 作者單位： 中國科學院南京土壤研究所,土壤與農業可持續發展國家重點實驗室,江蘇南京210008;中國科學院研究生院,北京100049中國科學院南京土壤研究所,土壤與農業可持續發展國家重點實驗室,江蘇南京210008 期 刊： 光譜學與光譜分析 ISTICEISCIPKU Journal： Spectroscopy and Spectral Analysis 年，卷(期)： 2012, 32(2) 分類號： S143 關鍵詞： 紅外光聲光譜 包膜肥料 GRNN模型 釋放曲線 機標分類號： O61 O43 機標關鍵詞： 紅外光聲光譜 水基聚合物 包膜控釋肥料 養分釋放曲線 曲線預測 Photoacoustic Spectroscopy Fourier Transform Profiles Nutrient Release 肥料養分 包膜肥料 最小預測誤差 廣義回歸神經網絡模型 GRNN 聚丙烯酸酯類 原位測定 相關系數 誤差最小 探測深度 快速預測 基金項目： 國家十二五科技支撐計劃項目，中國科學院院地合作項目，美國藍月基金項目資助【基于中紅外光聲光譜的聚合物包膜控釋肥料養分釋放曲線預測】相關文章：
包膜尿素的養分釋放特征及其肥效04-27
基于主成分分析和BP神經網絡的土壤養分近紅外光譜檢測04-29
控釋肥料促農業增效04-27
在環境科學中應用紅外光譜技術04-27
控釋肥養分控釋特性及其應用研究進展05-02
基于Usher曲線的深基坑位移預測方法04-30
基于彈光調制的紅外光譜吸收法在室內VOC檢測中的研究05-07
基于傅里葉變換紅外光譜的土傳真菌分類研究05-07