- 相关推荐
基于中红外光声光谱的聚合物包膜控释肥料养分释放曲线预测
摘要：以聚丙烯酸酯类系列水基聚合物包膜控释肥料为样品,测定了包膜肥料养分的释放曲线并原位测定了肥料包膜的中红外光声光谱,分析了不同肥料的.养分释放曲线以及不同包膜材料的红外光声光谱特征；采用广义回归神经网络模型(GRNN),以肥料包膜红外光声光谱的主成分作为GRNN模型的输入层,并以包膜肥料养分释放曲线为输出层,构建了预测养分释放曲线的GRNN模型.结果表明,GRNN模型能快速有效地预测包膜肥料养分释放曲线,其预测相关系数(R2)达0.93以上；包膜的探测深度明显影响释放曲线的预测误差,最小预测误差为7.14％,平均为10.28％,且基于包膜表层红外光声光谱的预测误差最小.因此,结合GRNN模型,红外光声光谱可为包膜肥料养分释放曲线的快速预测提供新手段. 作者： 申亚珍[1]杜昌文[2]周健民[2]王火焰[2]陈小琴[2] Author： SHEN Ya-zhen[1] DU Chang-wen[2] ZHOU Jian-min[2] WANG Huo-yan[2] CHEN Xiao-qin[2] 作者单位： 中国科学院南京土壤研究所,土壤与农业可持续发展国家重点实验室,江苏南京210008;中国科学院研究生院,北京100049中国科学院南京土壤研究所,土壤与农业可持续发展国家重点实验室,江苏南京210008 期 刊： 光谱学与光谱分析 ISTICEISCIPKU Journal： Spectroscopy and Spectral Analysis 年，卷(期)： 2012, 32(2) 分类号： S143 关键词： 红外光声光谱 包膜肥料 GRNN模型 释放曲线 机标分类号： O61 O43 机标关键词： 红外光声光谱 水基聚合物 包膜控释肥料 养分释放曲线 曲线预测 Photoacoustic Spectroscopy Fourier Transform Profiles Nutrient Release 肥料养分 包膜肥料 最小预测误差 广义回归神经网络模型 GRNN 聚丙烯酸酯类 原位测定 相关系数 误差最小 探测深度 快速预测 基金项目： 国家十二五科技支撑计划项目，中国科学院院地合作项目，美国蓝月基金项目资助【基于中红外光声光谱的聚合物包膜控释肥料养分释放曲线预测】相关文章：
包膜尿素的养分释放特征及其肥效07-06
基于中红外光谱检测牛奶中掺杂的尿素06-05
基于主成分分析和BP神经网络的土壤养分近红外光谱检测10-07
控释肥料促农业增效11-08
在环境科学中应用红外光谱技术12-14
控释肥养分控释特性及其应用研究进展07-29
基于近红外光谱技术的农作物病害诊断07-08