机器学习算法辅助的GPS信噪比观测值土壤湿度反演

摘要：

利用BP神经网络和支持向量回归机两种机器学习算法,构建基于机器学习算法的GNSS卫星反射信号土壤湿度反演模型,并与线性回归统计模型和实测数据进行对比分析.结果表明:基于机器学习算法的GNSS卫星反射信号土壤湿度反演方法获取的土壤湿度结果与土壤湿度参考值误差较小,反演模型的决定系数分别为0.9283和0.9131,均方根误差为0.0266和0.0326,线性回归统计模型的决定系数分别为0.5532和0.8598,均方差根误差分别为0.0939和0.0416.说明利用回归算法定量估测土壤湿度明显优于线性回归统计模型,且基于支持向量回归机的土壤湿度反演模型定量估测土壤湿度优于基于BP神经网络算法的土壤湿度反演模型,证明了该方法的可靠性,为土壤湿度的实时反演研究提供了一种新方法.

关键词：BP神经网络算法、支持向量回归机、信噪比、土壤湿度

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51174206

在线出版日期：2018-12-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：106-111