基于可见近红外光谱比较主成分回归、偏最小二乘回归和反向传播神经网络对土壤氮的...
基于可见近红外光谱比较主成分回归、偏最小二乘回归和反向传播神经网络对土壤氮的预测研究建模方法是影响可见近红外光谱定量结果的主要因素之一。在470~1000 nm波段的12个土壤剖面对48个剖面样经过风干、研磨、过筛后进行光谱采集。经一阶微分变换及Savizky-Golay平滑处理后，分别应用主成分回归(PCR)、偏最小二乘回归(PLSR)和反向传播神经网络(BPNN)3种方法建立土壤全氮(TN)的定量模型。 PCR与PLSR两线性模型的决定系数(R2)分别为0.74和0.8，其剩余预测偏差(RPD)分别为2.23和2.22，但两模型仅能用于TN的粗略估计。由PCR提供主成分数，PLSR提供潜变量(LV)数分别作为BPNN的输入所构建的两个非线性模型均明显优于线性模型PCR和PLSR。其中以4个LV作为输入的BPNN-LV模型预测性能最优，R2 以及RPD分别达到0.9和3.11。实验结果表明，提取可见近红外光谱的PLSR LV因子作为BPNN的输入，所建定量模型可用于土壤氮纵向时空分布的快速准确预测。
页:
[1]