【摘要】：本文在建立土壤有機質含量的近紅外模型時,分別使用了偏最小二乘回歸(PLSR)、主成分回歸(PCR)和支持向量機回歸(SVR)這三種建模方法,并從校正集選擇、光譜預處理方法、模型參數(shù)選擇等方面進行了研究的,研究結果如下:(1)分別以采集的146個土樣和主成分分析選出的79個土樣作為校正集,并建立模型。通過比較兩個模型的參數(shù)指標,發(fā)現(xiàn)兩個模型的相關系數(shù)(R)以及均方根誤差(RMSEC)均非常接近,交叉驗證的結果也是如此,由此可以說明,篩選出的土壤樣品具有代表性,可以作為校正集樣品。(2)對比6種不同的光譜預處理組合方法,發(fā)現(xiàn)對原始光譜采用“一階導數(shù)、SG卷積平滑和多元散射校正(MSC)”的預處理組合方法時,所構建模型的預測精度最佳,并優(yōu)于未采用預處理的模型。其中校正模型的相關系數(shù)(R)為0.9771,均方根誤差(RMSEC)為0.055;驗證模型的相關系數(shù)(R)為0.9508,均方根誤差(RMSEP)為0.084。(3)采用“一階導數(shù)、SG卷積平滑和多元散射校正”的預處理方法,分別利用偏最小二乘回歸(PLS)和主成分回歸(PCR)建立土壤有機質含量的預測模型。其中采用偏最小二乘回歸(PLSR)模型的預測效果最佳,在PLS因子為7時,其校正模型的相關系數(shù)(R)為0.9793,均方根誤差(RMSEC)為0.0529;驗證模型的相關系數(shù)(R)為0.9653,均方根誤差(RMSEP)為0.0695;交叉驗證結果的相關系數(shù)(R)為0.9268,均方根誤差(RMSECV)為0.0986。而利用主成分回歸(PCR)構建的預測模型,主成分數(shù)為13,其校正模型的相關系數(shù)(R)為0.9560,均方根誤差(RMSEC)為0.0781;驗證模型的相關系數(shù)(R)為0.9229,均方根誤差(RMSEP)為0.101;交叉驗證結果的相關系數(shù)(R)為0.9163,均方根誤差(RMSECV)為0.107。在研究中,使用偏最小二乘回歸建立的模型要比利用主成分回歸建立的模型更加優(yōu)異。(4)采用“一階導數(shù)、SG卷積平滑和多元散射校正”的預處理方法,并對光譜數(shù)據(jù)進行[-1,1]區(qū)間的歸一化處理,通過研究分析,核函數(shù)選擇徑向基核函數(shù),最佳的參數(shù)c為8,g為0.00097656,最終建立支持向量機回歸的預測模型,并且具有較高的精度。使用該模型分別對訓練集和測試集進行預測,其結果為,訓練集的預測值與實測值的相關系數(shù)為0.9709,均方根誤差為0.06907,測試集的預測值與實測值的相關系數(shù)為0.9460,均方根誤差為0.1111。由此可知,采用非線性建模方法也可以實現(xiàn)對土壤有機質的精確分析,并且對土壤有機質的擬合能力非常好。
【學位授予單位】：河南農業(yè)大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：S153.621
【圖文】：

圖1-1 為近紅外光譜作用于土樣作用的原理圖。由比耳定律可知[2]，土壤的養(yǎng)分有高低之分，土壤的類型也存在著差異，這就會導致土樣光譜也存在差異，這就為近紅外光譜分析技術預測土壤樣品中養(yǎng)分含量提供了可能。圖 1-1 近紅外光譜作用于土樣原理圖Fig.1-1 The principle of near infrared spectroscopy in soil sample1.1.2 近紅外光譜分析技術特點近紅外光譜技術在分析有機化合物中擁有很多優(yōu)勢，使它能在短時間內成長起來，而且應用在

圖 3-1 近紅外分析儀的積分球固體采樣模塊Fig.3-1 Integrating sphere solid sampling module of near infrared analyzer模方法究采用的建模方法有偏最小二乘回歸，主成分回歸，支持向量機回歸。

圖3-2支持向量機結構圖

【參考文獻】

相關期刊論文 前10條

1 紀文君;史舟;周清;周煉清;;幾種不同類型土壤的VIS-NIR光譜特性及有機質響應波段[J];紅外與毫米波學報;2012年03期

2 張娟娟;田永超;姚霞;曹衛(wèi)星;馬新明;朱艷;;基于近紅外光譜的土壤全氮含量估算模型[J];農業(yè)工程學報;2012年12期

3 田永超;張娟娟;姚霞;曹衛(wèi)星;朱艷;;基于近紅外光聲光譜的土壤有機質含量定量建模方法[J];農業(yè)工程學報;2012年01期

4 劉煥軍;趙春江;王紀華;黃文江;張新樂;;黑土典型區(qū)土壤有機質遙感反演[J];農業(yè)工程學報;2011年08期

5 申艷;張曉平;梁愛珍;時秀煥;范如芹;楊學明;;近紅外光譜分析法測定東北黑土有機碳和全氮含量[J];應用生態(tài)學報;2010年01期

6 袁石林;馬天云;宋韜;何勇;鮑一丹;;土壤中總氮與總磷含量的近紅外光譜實時檢測方法[J];農業(yè)機械學報;2009年S1期

7 周文超;孫旭東;陳興苗;劉燕德;;近紅外透射光譜無損檢測贛南臍橙糖度的研究[J];農機化研究;2009年05期

8 鄭立華;李民贊;潘孌;孫建英;唐寧;;基于近紅外光譜技術的土壤參數(shù)BP神經(jīng)網(wǎng)絡預測[J];光譜學與光譜分析;2008年05期

9 宋海燕;何勇;;基于OSC和PLS的土壤有機質近紅外光譜測定[J];農業(yè)機械學報;2007年12期

10 周淑平;程貴敏;李衛(wèi)紅;田曉霞;;植煙土壤中全氮和有機質含量的近紅外快速分析[J];安徽農業(yè)科學;2007年26期

本文編號：2753812