基于集成提升算法的土壤速效氮近红外光谱回归预测
速效氮含量的预测在土壤养分诊断中具有重要意义,通过特征选择和回归预测算法可有效地提高速效氮光谱检测模型的预测精度.选取了皖南地区的188个黄红壤土样本作为对象,利用7种预处理方法对光谱数据进行了校正,结合移动窗口法和5种智能优化类算法进行特征选择后,再基于多种集成提升(Boosting)算法建立36种回归校正模型来分析比较.实验结果表明:基于粒子群优化(PSO)的特征优选算法优选出的202个光谱特征主要集中在600~1000 nm,利用此特征构建出的Adaptive Boosting(AdaBoost)模型性能最佳,其土壤速效氮预测精度提高到0.944.所提方法不仅提高了土壤速效氮预测精度,而且在特征区间优选算法上进行了探讨,具有一定的理论价值.
光谱学、近红外光谱、土壤、速效氮、特征选择、Boosting
58
S153.6(土壤学)
引进国际先进农业科学技术计划计划;引进国际先进农业科学技术计划计划;安徽省教育厅项目
2021-10-22(万方平台首次上网日期,不代表论文的发表时间)
共11页
547-557