基于可见-近红外光谱和神经网络的土壤类型鉴别

摘要：

提出一种利用近红外光谱快速、无损鉴别土壤种类的方法。首先利用近红外光谱仪测定不同种类土壤的光谱特征曲线，利用主成分分析法提取主成分，再结合人工神经网络建立模型进行类型鉴别。主成分分析表明，主成分1、2、3的累积方差贡献率达到99．839％，可以很好地代表原始数据特征。以主成分分析得到的前3个主成分作为神经网络输入，以土壤类型为输出，通过对30个样本的训练学习，分别建立了反向传播人工神经网络（ BP）和径向基函数人工神经网络（ RBF）。对10个样本进行预测，结果表明2种模型预测的准确性均达到100％。 RBF神经网络运行时间明显小于BP网络，具有一定优势。

关键词：可见-近红外光谱、土壤类型、主成分分析、BP神经网络、RBF神经网络、分类鉴别

分类号：S155;O657.33(土壤学)

资助基金：国家自然科学基金-新疆联合基金编号U1203182；国家自然科学基金编号51279166；高等学校学科创新引智计划编号B12007；水资源与水电工程科学国家重点实验室项目编号2011B083；西北农林科技大学大学生创新创业训练计划编号1210712077。

在线出版日期：2014-05-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：284-286