林业科学

作者：王晓曼1,吕建雄2,李贤军1,吴义强1,李新功1,郝晓峰1,乔建政1,徐康1,*

单位：1. 中南林业科技大学材料科学与工程学院　长沙 4100042. 中国林业科学研究院木材工业研究所　北京 100091

关键词：浸胶竹束,干燥,含水率,粒子群优化算法,反向传播,神经网络

基金：国家自然科学基金面上项目（32371981，32071852）；湖湘青年英才项目（2023RC3161）；湖南省自然科学基金项目（2024JJ8278，2023JJ30993，2023JJ60161）。

目的: 利用人工神经网络模型预测浸胶竹束干燥过程含水率变化，揭示干燥温度、干燥时间、铺装方式和初始含水率对浸胶竹束干燥过程含水率变化的影响规律，为浸胶竹束高质高效干燥提供参考依据。方法: 基于浸胶竹束干燥过程含水率实测数据，以干燥温度、干燥时间、铺装方式和初始含水率为输入变量，干燥过程含水率为输出变量，制作数据集。将数据集划分为训练集（308个测试数据，占总数据量的70%）、验证集（66个测试数据，占总数据量的15%）和测试集（66个测试数据，占总数据量的15%），采用粒子群优化算法（PSO）优化反向传播（BP）神经网络初始权重与阈值，构建PSO-BP神经网络预测模型，并进行验证分析。结果: PSO-BP神经网络模型具有较强的预测能力，在模型测试集中，决定系数（R2）、均方误差（MSE）、平均绝对误差（MAE）和剩余预测残差（RPD）分别达0.98、1.27、3.73和7.96。相较BP神经网络，PSO-BP神经网络的R2和RPD分别提高6.53%和110.2%，MSE和MAE分别降低54.0%和71.86%。模型验证表明，干燥温度和铺装方式是影响浸胶竹束干燥过程含水率变化的主要因素，二者对PSO-BP神经网络模型预测结果影响显著。干燥温度为60 ℃时，在4种不同铺装方式下PSO-BP神经网络模型展现出较好预测效果，其R2均超过0.969且MSE均低于3；铺装层数为3时，在4种不同干燥温度下PSO-BP神经网络模型表现最佳，其R2均超过0.99且MSE均低于2。干燥时间和浸胶竹束初始含水率对PSO-BP神经网络模型预测结果影响不显著。结论: PSO-BP神经网络模型在浸胶竹束干燥过程含水率预测中表现出准确性，可有效解决传统BP神经网络预测误差大、收敛速度慢等问题，为浸胶竹束高质高效干燥提供技术支撑。

来源：2025年第5期

《林业科学》期刊编辑部

查看林业科学杂志2025年第5期