基于支持向量机算法的造纸过程磨后纤维形态软测量模型

本研究提出了一种基于支持向量机（SVM）算法的造纸过程磨后浆料纤维形态软测量模型，该模型利用原始浆板纤维形态参数和磨浆参数作为输入，用于在线软测量生产过程中的磨后浆料纤维形态。结果表明，采用SVM算法进行建模时，7种磨后浆料纤维形态软测量模型的平均相对误差在2.87%~5.61%之间，均优于采用偏最小二乘回归（PLS）算法的建模效果（平均相对误差3.09%~6.60%），模型精度良好，满足生产中纤维形态实时检测对误差的要求。     

基于梯度增强决策树算法的纸张质量软测量模型

本研究提出了一种基于梯度增强决策树(GBDT)算法的纸张质量软测量模型,该方法可在线软测量纸张的关键物理指标如抗张强度、柔软度和松厚度。结果表明,采用GBDT进行纸张质量软测量时,抗张强度、柔软度和松厚度的平均相对误差分别为7. 21%、7. 38%和3. 5%;采集新数据验证后,纸张抗张强度、柔软度和松厚度的平均相对误差分别为6. 87%、6. 88%和3. 12%,表明模型对新验证数据的预测结果精度高。