基于超限學習機的礦區(qū)土壤重金屬高光譜反演
【圖文】：
第2期馬偉波等:基于超限學習機的礦區(qū)土壤重金屬高光譜反演·215·型的特征輸入參數，統(tǒng)計結果見表2。圖1土壤光譜曲線Fig.1Soilspectralcurve表2特征變量選取結果統(tǒng)計Table2Statisticsoftheselectionofcharacteristicvaria-bles預處理變換ZnCrCdCuAsPb連續(xù)統(tǒng)去除變換1211911139一階導數變換1158576二階導數變換5121391011標準正態(tài)變量變換562447總計3334322934332研究方法筆者引入ELM方法進行反演建模，并與傳統(tǒng)的PLS方法和近年來興起的SVM方法進行對比分析。2.1PLSPLS由歐洲經濟計量學家Herman于19世紀80年代首次提出，是對多元線性回歸建模的一種改進，，可以實現多對多的建模，在建模過程中集中了主成分分析、典型相關性分析和線性回歸分析方法的特點。此方法在高光譜反演領域應用較為廣泛［16］。2.2SVMSVM是一種基于結構化風險最小的統(tǒng)計學習方法，它能夠按照給定誤差分離一組訓練數據的最優(yōu)化分離超平面，能處理小樣本、非線性、高維數的問題，并克服神經網絡中局部極小值的難點。SVM在遙感領域的應用中能夠成功處理小樣本訓練集，并且具有較高的精度［17］。2.3ELMELM由HUANG等［18］提出，是求解單隱層前饋神經網絡(single-hidden-layerfeedforwardnetworks，SLFN)的一種算法。ELM以其快速學習的能力、良好的廣泛性和簡單的參數設置等優(yōu)點而廣泛應用于各個領域。根據HUANG等［18－21］研究結果，ELM原理如下。對于一個單隱層神經網絡，假設有N個任意樣本(Xi，ti)，其中Xi=［Xi1，Xi2，…，Xin］T=Ｒn，ti=［ti1，ti2，…，tim］T∈Ｒm。對有L個隱層節(jié)點的單隱層神經網絡，可以表示為∑Li=1βig(Wi·Xi+
第2期馬偉波等:基于超限學習機的礦區(qū)土壤重金屬高光譜反演·217·練出最接近客觀實際的模型，也越能反映出模型的穩(wěn)定性效能。虛線為對重金屬濃度排序擬合的趨勢線，橢圓閉合線表示該范圍內重金屬濃度排序無明顯線性關系且分布整體離散。圖2重金屬濃度排序分布Fig.2Concentrationordinationanddistributionofheavymetals4結論通過引入ELM建模方法，利用可見光近紅外光譜對土壤重金屬含量進行反演研究，采用EＲMS/M統(tǒng)計量結合Ｒ2和EＲMS對預測結果進行綜合評價。EＲMS/M統(tǒng)計量能夠在一定程度上直觀反映預測誤差的分布情況，同時使得多種重金屬的預測結果可以進行橫向對比。對3種建模方法的對比分析發(fā)現，在重金屬濃度總體差異不明顯時，ELM算法的預測能力強于SVM;在重金屬含量空間分布差異較大時，ELM模型穩(wěn)定性有所減弱，但其預測能力基本與SVM相當�？傮w而言，ELM算法對樣本總體分布均勻的數據的預測精度要強于SVM，對樣本總體分布差異明顯的數據則穩(wěn)定性有所減弱，但預測能力與SVM相當。后期可通過優(yōu)化試驗設計，獲取大樣本量數據進行反演預測，以探索樣本數對模型穩(wěn)定性的影響。參考文獻:［1］董霽紅．礦區(qū)充填復墾土壤重金屬分布規(guī)律及主要農作物污染評價［D］．徐州:中國礦業(yè)大學，2009．［2］KINOSHITAＲ，MOEBIUS-CLUNEBN，VANESHM，etal．Strate-giesforSoilQualityAssessmentUsingVisibleandNear-InfraredＲe-flectanceSpectroscopyinaWesternKenyaChronosequence［J］．SoilScienceSocietyofAmericaJournal，2012，76(5):1776－1788．［3］SOＲIANO-DISLAJM，JANIKLJ，VISCAＲＲAＲOSSELＲA，etal．ThePerformanceofVisible，Near-，andMid-InfraredＲeflec-tanceSpectroscopyforPredictionofSo
【作者單位】： 中國礦業(yè)大學環(huán)境與測繪學院;環(huán)境保護部南京環(huán)境科學研究所;
【基金】：國家科技基礎性工作專項(2014FY110800) 國家自然科學基金(41471356)
【分類號】：X53;X87
【相似文獻】
相關期刊論文 前10條
1 李永華;楊林生;李海蓉;王五一;唐登銀;;湘黔汞礦區(qū)土壤汞的化學形態(tài)及污染特征[J];環(huán)境科學;2007年03期
2 謝娟;徐友寧;;某礦區(qū)土壤及作物中汞的分析與評價[J];黃金;2010年11期
3 鐘順清;;礦區(qū)土壤污染與修復[J];資源開發(fā)與市場;2007年06期
4 于皓;賓澤全;;廣西礦區(qū)土壤重金屬分析及對農作物的污染與控制[J];大眾科技;2011年04期
5 李紹生;;永城礦區(qū)土壤中九種元素背景值調查研究[J];煤礦環(huán)境保護;1991年03期
6 王少鋒,馮新斌,仇廣樂,肖唐付;貴州濫木廠汞礦區(qū)土壤與大氣間氣態(tài)汞交換通量及影響因素研究[J];地球化學;2004年04期
7 楊大歡,李方林;遵義銅鑼井錳礦區(qū)土壤錳等元素的環(huán)境地球化學特征[J];貴州地質;2005年02期
8 李航彬;楊志輝;袁平夫;鄧立聰;王兵;蘇長青;;湘中銻礦區(qū)土壤重金屬銻的污染特征[J];環(huán)境科學與技術;2011年01期
9 孫靜靜;戴萬宏;俞佳;;大工山古銅遺址區(qū)礦區(qū)土壤對銅的吸附特性研究[J];黑龍江科學;2013年04期
10 胡學玉;孫宏發(fā);陳德林;;大冶礦區(qū)土壤重金屬積累對土壤酶活性的影響[J];生態(tài)環(huán)境;2007年05期
相關會議論文 前7條
1 周濤發(fā);張鑫;袁峰;李湘凌;范裕;;銅陵礦區(qū)土壤中鋅存在形態(tài)與生物有效性[A];中國礦物巖石地球化學學會第十屆學術年會論文集[C];2005年
2 王必英;甄洋;;煤礦區(qū)土壤污染成因與對策[A];2013中國環(huán)境科學學會學術年會論文集（第五卷）[C];2013年
3 徐冬寅;張江華;陳華清;柯海玲;;小秦嶺某金礦區(qū)土壤和小麥Cd污染研究[A];第六屆全國環(huán)境化學大會暨環(huán)境科學儀器與分析儀器展覽會摘要集[C];2011年
4 龍健;楊江江;李娟;劉方;;貴州高原高硫煤礦區(qū)土壤重金屬污染特征及生態(tài)風險評價研究[A];山地環(huán)境與生態(tài)文明建設——中國地理學會2013年學術年會·西南片區(qū)會議論文集[C];2013年
5 高國龍;張望;周連碧;;有色金屬礦區(qū)土壤重金屬污染防控技術與實踐[A];2013中國環(huán)境科學學會學術年會論文集（第五卷）[C];2013年
6 徐爭啟;庹先國;滕彥國;;攀枝花釩鈦磁鐵礦礦區(qū)土壤重金屬潛在生態(tài)危害評價[A];中國礦物巖石地球化學學會第11屆學術年會論文集[C];2007年
7 陳華君;欒景麗;何艷明;熊國煥;楊勇;;云南金屬礦區(qū)土壤重金屬污染現狀及生物修復技術研究進展[A];2013中國環(huán)境科學學會學術年會論文集（第五卷）[C];2013年
相關重要報紙文章 前1條
1 本報記者 陳相花;大寶山，如何再現青山綠水？[N];中國國土資源報;2005年
相關博士學位論文 前1條
1 劉靜靜;典型煤礦區(qū)土壤中烴類化合物的地球化學循環(huán)研究[D];中國科學技術大學;2014年
相關碩士學位論文 前10條
1 耿丹;織金縣煤礦區(qū)土壤-農作物重金屬污染特征及農作物食用風險評價研究[D];貴州師范大學;2015年
2 馮麗娟;貴州興仁煤礦區(qū)土壤/沉積物中砷的地球化學研究[D];貴州大學;2007年
3 吳明文;南丹部分尾礦區(qū)土壤及優(yōu)勢植物重金屬含量研究[D];廣西大學;2007年
4 劉小艇;煤礦區(qū)土壤重金屬污染的空間分異性研究[D];西安科技大學;2010年
5 楊陽;基于GIS的煤礦區(qū)土壤信息管理系統(tǒng)構建[D];西安科技大學;2014年
6 楊曉偉;內蒙古某礦區(qū)土壤As污染特征研究[D];遼寧工程技術大學;2013年
7 孫葉芳;礦區(qū)土壤重金屬毒性評價及污染修復[D];浙江大學;2005年
8 趙歐亞;淀粉和苜蓿促進煤礦區(qū)土壤高環(huán)PAHs污染的真菌修復研究[D];河北農業(yè)大學;2015年
9 葉元元;多金屬礦區(qū)土壤重金屬的高光譜定量估算研究[D];中國礦業(yè)大學;2014年
10 高彥鑫;北京密云水庫上游金屬礦區(qū)土壤中重金屬污染及風險評價[D];首都師范大學;2012年
本文編號：2537117
本文鏈接：http://sikaile.net/kejilunwen/huanjinggongchenglunwen/2537117.html
