1、為充分利用國內農林廢棄物資源，提高農林生物質率，課題針對傳統(tǒng)林木類生物質熱值分析方法耗時長等缺點，利用近紅外光譜技術結合化學計量學設計了用于林木類生物質熱值的分析方法。該方法的基本思路是利用近紅外光譜技術獲取林木類生物質樣本的光譜數(shù)據(jù)，再建立光譜數(shù)據(jù)與熱值之間的定量分析模型，從而實現(xiàn)生物質高位熱值和低位熱值的快速預測。具體研究內容如下：
　　(1)根據(jù)林木類生物質的種類和產地，采集國內代表性樣本共110份，按照標準熱值測定方法進行

2、分析；
　　(2)采集110份樣本的近紅外光譜數(shù)據(jù)。對樣本近紅外光譜數(shù)據(jù)進行小波濾波預處理并利用主成分回歸和偏最小二乘回歸方法建模，求出模型的均方誤差根RMSEP、決定系數(shù)R2和預測相對誤差RPD三項指標，并根據(jù)模型指標評價建模結果；
　　(3)在傳統(tǒng)的主成分分析(PCA)和偏最小二乘法(PLS)的基礎上，課題引入局部加權偏最小二乘方法。局部加權偏最小二乘是以待測對象為中心，對建模數(shù)據(jù)進行加權，建立適用于待測對象的模型，進一

3、步提高模型質量。局部加權偏最小二乘法結合生物質近紅外光譜數(shù)據(jù)與高、低位熱值數(shù)據(jù)建立預測模型。結果表明，與傳統(tǒng)方法相比，基于局部加權偏最小二乘法的熱值分析模型的預測精度和穩(wěn)定性均有所提高。
　　根據(jù)實驗結果可以看出，課題所建立的模型對林木類生物質樣本的高、低位熱值實現(xiàn)了準確預測，其中以局部加權偏最小二乘方法建模取得的預測效果最佳，高位熱值預測均方誤差根(RMSEP)為13、相關系數(shù)(R2)為0.962、以及相對分析誤差(RPD)為3