為提高土壤養(yǎng)分近紅外光譜預(yù)測(cè)模型的魯棒性和預(yù)測(cè)精度,提出一種基于改進(jìn)遺傳算法的近紅外區(qū)間光譜特征波長(zhǎng)變量選擇方法.利用土壤速效磷近紅外光譜全光譜波長(zhǎng)變量純度梯度的正負(fù)變化次數(shù)將全光譜劃分為多個(gè)波長(zhǎng)間隔,以偏最小二乘回歸模型(PLS-R)輸出的變量投影重要性系數(shù)(V_VIP)大于1作為提取準(zhǔn)則,提取對(duì)土壤養(yǎng)分預(yù)測(cè)目標(biāo)量解釋性較強(qiáng)的波長(zhǎng)間隔,并合并成一個(gè)區(qū)間光譜.建立區(qū)間光譜特征波長(zhǎng)變量(FWV)PLS-R模型,利用改進(jìn)遺傳算法選擇PLS-R的均方根誤差為最小對(duì)應(yīng)的FWV為最優(yōu)FWV.試驗(yàn)結(jié)果表明:該方法在區(qū)間光譜選擇最優(yōu)FWV,能提高回歸模型的魯棒性和預(yù)測(cè)精度,簡(jiǎn)化模型結(jié)構(gòu);改進(jìn)遺傳算法采用一種改進(jìn)的實(shí)數(shù)編碼差分變異算子,擴(kuò)大了全局最優(yōu)解搜索空間,提高了收斂速度.

【文章頁數(shù)】：7 頁

【文章目錄】：
1 光譜特征波長(zhǎng)選擇方法
    1.1 全光譜波長(zhǎng)變量純度行向量
    1.2 全光譜波長(zhǎng)變量純度梯度行向量
    1.3 全光譜波長(zhǎng)變量投影重要性系數(shù)
    1.4 改進(jìn)遺傳優(yōu)化算法
    1.5 區(qū)間光譜提取與特征波長(zhǎng)選擇方法
2 回歸模型評(píng)價(jià)標(biāo)準(zhǔn)
3 試驗(yàn)結(jié)果與分析
    3.1 土壤樣本與光譜數(shù)據(jù)集
        3.1.1 土壤樣本采集與處理
        3.1.2 校正集與驗(yàn)證集劃分
    3.2 建模方法試驗(yàn)結(jié)果
    3.3 預(yù)測(cè)模型分析與比較
    3.4 改進(jìn)遺傳算法與粒子群算法的比較分析
4 結(jié) 論



本文編號(hào)：3814168