结合灵敏度降维和支持向量回归的土壤元素定量分析方法
为提高土壤元素定量分析的精度,提出一种结合灵敏度降维与贝叶斯优化算法支持向量回归(BOA-SVR)的土壤元素定量分析方法.利用便携式X射线荧光(XRF)分析仪测量得到土壤的XRF光谱,采用迭代离散小波变换对光谱进行本底扣除,并将计算的各元素净峰面积作为模型输入特征.通过灵敏度分析研究了不同输入特征集合对预测精度的影响,以实现特征降维.将样本分为训练集和测试集,通过均方根误差和决定系数评价模型的预测精度,基于Cu和As元素对比了全特征输入下的BOA-SVR模型、特征降维后的BOA-SVR模型、单参数偏最小二乘法模型的预测结果.实验结果表明,特征降维后的BOA-SVR模型在Cu和As元素预测中都获得最好的预测结果.
光谱学、X射线荧光光谱、贝叶斯优化算法、支持向量回归、灵敏度分析
60
TN247(光电子技术、激光技术)
国家自然科学基金62075028
2023-05-09(万方平台首次上网日期,不代表论文的发表时间)
共8页
371-378