基于HJ-1A CCD影像和ELM模型的太湖叶绿素a预测研究

摘要：

以典型二类水体——太湖为例,基于环境一号遥感影像,构建了基于ELM模型的叶绿素a浓度预测模型,将预测结果与传统的BP人工神经网络和支持向量机SVM进行了比较.研究结果表明:ELM模型预测值与实测值之间的R2高达0.9114,而BP和SVM模型的R2分别为0.3663和0.7448,均方根误差RMSE由BP模型和SVM模型的3.7288μg/L和2.1324μg/L降为ELM模型的1.3270μg/L,ELM模型的平均相对误差MRE=2.65％,小于BP模型的6.59％和SVM模型的3.89％;与其他两种方法相比,ELM模型反演太湖水体叶绿素a浓度精度更高,ELM模型参数选择简单,可以显著提高模型的学习速度,不易陷入局部最优值,具有更好的泛化性能;ELM模型可以有效地应用于内陆水体叶绿素a浓度的预测.

关键词：叶绿素a预测、HJ-1A CCD影像、极限学习机(ELM)、内陆湖泊、太湖

所属期刊栏目：31

分类号：X832;X87(环境监测)

在线出版日期：2020-12-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：16-22