高光谱技术的水上苯乙烯厚度反演模型研究

摘要：

针对水上发生化学品泄露时传统监测手段不能及时准确地获取泄露污染物的厚度问题,提出了以高光谱数据为基础数据,提取出与污染物厚度相关性较好的特征变量作为预测变量,结合python中的机器学习,通过4种预测模型进行污染物厚度反演.本文以水上泄露常见的化学品苯乙烯为例,测定不同厚度的水上苯乙烯及其对应的高光谱数据集,通过相关系数以及p值极值提取法,筛选出的11个特征变量,分别建立了多元线性回归(MLR)、偏最小二乘(PLSR)、支持向量机(SVM)和随机森林(RF)4种苯乙烯厚度反演模型.结果 显示,4种反演模型都可以达到相对较好的反演效果,其中随机森林模型反演效果相对较好,其相关系数(R2)为0.938 6,均方根误差(RMSE)为20.94,完全可以用于水上苯乙烯厚度反演.

关键词：苯乙烯、机器学习、随机森林、厚度反演

所属期刊栏目：45

分类号：P237(摄影测量学与测绘遥感)

资助基金：国家自然科学基金项目;国家重点研发计划课题项目;重庆市社会事业与民生保障科技创新专项重点研发项目

在线出版日期：2020-05-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：103-109