基于极限学习机利用可见-近红外光谱数据判别土壤类型的方法研究

摘要：

为了实现土壤类型的快速无损识别,提出了一种利用可见-近红外光谱、基于极限学习机的土壤类型鉴别方法.首先,获取4种不同类型土壤的320个样本波长在325～1075 nm范围内的可见-近红外光谱数据;其次,用主成分分析的数学方法对数据进行降维处理,最终提取了三个主成分来代表原光谱数据;再次,将320个样本的数据随机分为测试集和预测集两个部分,建立极限学习机模型,利用该模型对土壤类型进行识别.实验结果表明,将极限学习机应用于土壤类型的识别精度可达100％,其训练速度和泛化性优于BP神经网络和支持向量机,能够快速、准确、无损鉴别土壤类型,使用方便,具有推广价值.

关键词：可见-近红外光谱、极限学习机(ELM)、土壤、分类识别

所属期刊栏目：51

分类号：S152.3(土壤学)

资助基金：中铁第四勘察设计院集团有限公司科技研究开发项目;国家重点研发计划多尺度水盐诊断与预测技术及方法

在线出版日期：2020-10-16（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：505-510