基于深度稀疏学习的土壤近红外光谱分析预测模型

摘要：

提出一种基于深度稀疏学习的土壤近红外光谱分析预测模型。首先，使用稀疏特征学习方法对土壤近红外光谱数据进行约简，实现土壤近红外光谱内容的稀疏表示；然后采用径向基函数神经网络以稀疏表示特征系数为输入，以所测土壤成分为输出，分别建立土壤有机质、速效磷、速效钾的非线性预测模型。结果表明用该模型预测土壤有机质的含量是可行的，但对土壤速效磷和速效钾含量的预测还需对模型做进一步的优化。

关键词：土壤近红外光谱、深度稀疏学习、神经网络模型

所属期刊栏目：38

分类号：O235(控制论、信息论（数学理论）)

资助基金：中国科学院科技服务网络计划KFJ-EW-STS-069；国家自然科学基金31671586资助项目Supported by Science and Technology Service Network Initiative of Chinese Science AcademyKFJ-EW-STS-069； National Natu-ral Science foundation of China31671586

在线出版日期：2017-03-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：109-116