可見-近紅外光譜已被證明是一種快速、有效的有機(jī)碳（TOC）含量預(yù)測方法。但是,當(dāng)前利用光譜預(yù)測TOC含量的研究對象主要為土壤或湖泊沉積物,還未見潮間帶海洋沉積物的研究報(bào)道。為了快速準(zhǔn)確預(yù)測潮間帶沉積物TOC含量,通過異常樣本剔除、光譜特征變換、特征波長提取相結(jié)合,構(gòu)建TOC預(yù)測模型,即,采集潮間帶沉積物樣品光譜,采用馬氏距離、標(biāo)準(zhǔn)杠桿值和學(xué)生殘差聯(lián)合分析的方法剔除異常樣本,利用多元散射校正（MSC）、平滑+微分進(jìn)行光譜變換,利用遺傳算法（GA）提取特征波長,采用偏最小二乘法（PLS）、最小二乘支持向量機(jī)（LSSVM）和BP神經(jīng)網(wǎng)絡(luò)（BPNN）對沉積物TOC含量進(jìn)行建模和預(yù)測,通過決定系數(shù)（R²）和剩余估計(jì)偏差（PRD）來評價模型精度。結(jié)果表明,剔除異常樣本有助于提升模型精度, BPNN模型的檢驗(yàn)R²和PRD分別提升了28%和39%。MSC光譜變換效果優(yōu)于平滑+微分,基于MSC光譜變換的PLS, LSSVM和BPNN模型檢驗(yàn)R²分別為0.81, 0.86和0.78, PRD分別為2.25, 2.59和2.07,比平滑+微分... 

【文章來源】：光譜學(xué)與光譜分析. 2020,40(04)北大核心

【文章頁數(shù)】：5 頁

【部分圖文】：

潮間帶沉積物反射光譜

【參考文獻(xiàn)】：
期刊論文
[1]基于連續(xù)投影算法與BP神經(jīng)網(wǎng)絡(luò)的玉米葉片SPAD值高光譜估算[J]. 董哲,楊武德,朱洪芬,郭琪,王子軒,白建偉.  山西農(nóng)業(yè)科學(xué). 2019(05)
[2]基于近紅外光譜的紅提維生素C含量、糖度及總酸含量無損檢測方法[J]. 高升,王巧華,李慶旭,施行.  分析化學(xué). 2019(06)
[3]基于遺傳算法的土壤質(zhì)地高光譜預(yù)測模型研究[J]. 喬天,呂成文,肖文憑,呂凱,水宏偉.  土壤通報(bào). 2018(04)
[4]砂姜黑土土壤有機(jī)碳高光譜特征與定量估算模型的研究[J]. 楊紅飛,鄭黎明,郜中要,王若瀾,王友保.  安徽農(nóng)業(yè)大學(xué)學(xué)報(bào). 2018(01)
[5]基于高光譜數(shù)據(jù)的高寒草地土壤有機(jī)碳預(yù)測模型研究[J]. 崔霞,宋清潔,張瑤瑤,胥剛,孟寶平,高金龍.  草業(yè)學(xué)報(bào). 2017(10)
[6]應(yīng)用遺傳算法結(jié)合連續(xù)投影算法近紅外光譜檢測土壤有機(jī)質(zhì)研究[J]. 章海亮,羅微,劉雪梅,何勇.  光譜學(xué)與光譜分析. 2017(02)
[7]小波包-局部最相關(guān)算法提高土壤有機(jī)碳含量高光譜預(yù)測精度[J]. 張銳,李兆富,潘劍君.  農(nóng)業(yè)工程學(xué)報(bào). 2017(01)
[8]基于近紅外光譜快速分析東南極湖泊沉積物化學(xué)元素含量[J]. 王哲,聶亞光,陳倩倩,劉文齊,劉曉東.  極地研究. 2016(03)
[9]江漢平原土壤有機(jī)碳含量高光譜預(yù)測模型優(yōu)選[J]. 盧延年,劉艷芳,陳奕云,姜慶虎.  中國農(nóng)學(xué)通報(bào). 2014(26)
[10]基于遺傳算法近紅外光譜檢測土壤養(yǎng)分的研究[J]. 劉雪梅,章海亮.  灌溉排水學(xué)報(bào). 2013(02)



本文編號：3083852