投稿须知
  《光谱学与光谱分析》(国际标准刊号:ISSN 1000-0593, CODEN码:GYGFED, 国内统一刊号:CN 11-2200/O4)是中国科学技术协会主管,中国光学学会主办,由钢铁研究总院、中国科学院物理研究所、北京大学、清华大学共同承办的专业性学术刊物,主要报道我国光谱学与光谱分析学科具有创新性的研究成果,反映国内外光谱 ...

基于变量优选和ELM算法的土壤含水量预测研究

作者: 蔡亮红 丁建丽

关键词: 光谱学 土壤水分 小波变换 变量优选 极限学习机

摘要:土壤水分含量(SMC)的快速估测对干旱半干旱地区的精准农业发展具有重要的意义.以渭干河-库车河绿洲为靶区,采用小波变换(WT )对反射光谱进行1~8层小波分解,通过相关性分析确定最大分解层数,再通过竞争性自适应重加权(CRAS)、连续投影算法(SPA)和CARS-SPA耦合算法进行特征波长筛选.基于全波段构建BP神经网络模型和基于特征波长构建BP神经网络、支持向量机、随机森林和极限学习机模型,并进行对比分析.结果显示:(1)随着小波分解的进行,总体上L6在去噪的同时还尽可能的保留了光谱原始特征,为最大分解层;(2)小波变换和CARS-SPA算法的结合使其在建立模型时较为彻底的去除噪声和无信息变量,同时消除变量间的共线性;(3)在所有的SMC预测模型中,相对于BP神经网络、 SVM , ELM 和RF具有更好的预测能力,其中L6-CARS-SPA-ELM精度最高,其RMSEC=0.015 1 ,R2c=0.916 6 , RMSEP=0.014 2 ,R2p=0.935 4 ,RPD=2.323 9 .这体现出ELM预测模型对非线性问题的强解析能力和模型的稳健性,为该研究区SMC的预测提供新的思路.


上一篇: 黄土高原水蚀风蚀交错区不同类型生物土壤结皮光谱特征
下一篇: 基于空间谱的玉米叶片铜铅污染区分及程度监测

Copyright@2003 China Physical Science & Technology All Rights Reserved
中国物理学会 版权所有 2013 京ICP备05002789号