咨询与建议

看过本文的还看了

相关文献

该作者的其他文献

文献详情 >基于PCA-DBO-SVR的林地土壤有机质高光谱反演模型 收藏

基于PCA-DBO-SVR的林地土壤有机质高光谱反演模型

Hyperspectral Inversion Model of Forest Soil Organic Matter Based on PCA-DBO-SVR

作     者:邓昀 王君 陈守学 石媛媛 DENG Yun;WANG Jun;CHEN Shou-xue;SHI Yuan-yuan

作者机构:广西嵌入式技术与智能系统重点实验室广西桂林541004 桂林理工大学计算机科学与工程学院广西桂林541004 广西壮族自治区林业科学研究院广西南宁530002 

出 版 物:《光谱学与光谱分析》 (Spectroscopy and Spectral Analysis)

年 卷 期:2025年第45卷第2期

页      面:569-583页

核心收录:

学科分类:081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术(可授工学、理学学位)] 

基  金:国家自然科学基金项目(32360374) 广西自然科学基金项目(2018GXNSFAA281235)资助 

主  题:近红外光谱 分数阶微分 蜣螂优化算法 土壤养分预测 支持向量回归机 

摘      要:森林土壤有机碳(SOC)是土壤中的有机物质(SOM)的碳部分,它对维持森林生态系统的平衡和稳定非常重要。传统实验通过化学方法分析土壤中有机物质的含量进而计算土壤中的有机碳,此类化学方法费时费力且产生化学废水污染环境。高光谱技术可以非接触、高效率地检测出土壤的养分信息。针对现有机器学习土壤有机质预测模型的精度和计算效率方面的不足,以广西国有黄冕林场和国有雅长林场为土壤样品采集点,基于全光谱数据利用主成分分析算法(PCA)筛选特征波段的最佳波长数量,并利用比一阶微分处理数据更加精细且能平衡光谱噪声和光谱分辨率之间的关系的分数阶微分为预处理方法之一对光谱数据进行变换处理,最后采用相对于传统的中心化算法拥有较高鲁棒性和容错能力的蜣螂算法(DBO)对支持向量回归机(SVR)的高斯核函数的参数组合进行优化。研究结果表明,PCA-DBO-SVR模型可以有效提高土壤有机质预测的决定系数R^(2)并降低预测均方根误差(RMSE)。PCA-DBO-SVR在对比预测模型中表现出最佳的泛化性能和准确度,其验证集R^(2)为0.942,RMSE为2.989 g·kg^(-1),展现了较好的准确性。

读者评论 与其他读者分享你的观点

用户名:未登录
我的评分