[其他资源] 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...

[复制链接]

字体大小: 正常放大

1047521767

1158 主题	15 听众	1万积分

TA的每日心情

	开心 2023-7-31 10:17

签到天数: 198 天

[LV.7]常住居民III

自我介绍: 数学中国浅夏

电梯直达

1^#

发表于 2021-12-26 10:35 |只看该作者 |倒序浏览

|招呼Ta 关注Ta

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。