陈 芳 程献宝 黄安民 王学顺

(1.北京林业大学理学院 北京 100083；2.中国林业科学研究院木材工业研究所 北京 100091)

木材弹性模量(elastic modulus)是表征木材力学性能最重要、最具特征的指标之一，是实现木材力学性能无损检测及强度在线自动分级的重要参数和依据。传统的木材弹性模量检测主要采用静态弯曲法，不仅对木材破坏性极大，而且操作过程复杂，测量用时较长，无法满足实际需要，如何快速、准确地检测木材弹性模量一直是科研人员的研究热点(Özparpucuetal.，2019)。近红外光谱(near-infrared spectrum，NIR)分析技术是近年来分析化学领域发展较为迅速的高新技术之一，具有快速、准确、简便、无损等优点(毛莎莎等，2010)，广泛应用于食品业、农业、化学工业、烟草等领域(张建强等，2018)。在国外，Kelley等(2004)、Jones等(2006)已将NIR分析技术用于研究不同树种的木材性质，在国内，利用NIR分析技术提取木材性质信息方面的研究也越来越成熟。传统的木材近红外光谱预测方法主要有主成分回归法(principal component analysis, PCA)(郝勇等，2019)、偏最小二乘法(partial least squares，PLS)(汪紫阳等，2019)等，但这些方法适用于建立线性模型，对高度非线性数据无法精确模拟。

支持向量机(support vector machine，SVM)是一种用于解决小样本、非线性及高维模式识别下统计估计和预测问题的新方法，在手写数字识别、金融工程、生物信息学等领域均有出色表现(Djemaietal.，2016)。谭念等(2017)将SVM与近红外光谱分析技术相结合用于树种识别，并对杉木(Cunninghamialanceolata)密度进行预测(谭念等，2018)，取得了不错的效果。杨双艳等(2018)基于近红外光谱和粒子群(particle swarm optimization, PSO)-SVM算法探索烟叶自动分级，认为该算法可作为烟叶分级的一种新型高效方法应用于生产。……