基于极限学习机利用可见-近红外光谱数据判别土壤类型的方法研究

作     者：董伟 李雷 DONG Wei;LI Lei

作者机构：中铁第四勘察设计院集团有限公司湖北武汉430063 

基　　金：中铁第四勘察设计院集团有限公司科技研究开发项目(2018K100) 国家重点研发计划多尺度水盐诊断与预测技术及方法(2017YFC0403302)资助 

出 版 物：《土壤通报》 (Chinese Journal of Soil Science)

年 卷 期：2020年第51卷第3期

页      码：505-510页

摘      要：为了实现土壤类型的快速无损识别,提出了一种利用可见-近红外光谱、基于极限学习机的土壤类型鉴别方法。首先,获取4种不同类型土壤的320个样本波长在325~1075 nm范围内的可见-近红外光谱数据;其次,用主成分分析的数学方法对数据进行降维处理,最终提取了三个主成分来代表原光谱数据;再次,将320个样本的数据随机分为测试集和预测集两个部分,建立极限学习机模型,利用该模型对土壤类型进行识别。实验结果表明,将极限学习机应用于土壤类型的识别精度可达100%,其训练速度和泛化性优于BP神经网络和支持向量机,能够快速、准确、无损鉴别土壤类型,使用方便,具有推广价值。

主 题 词：可见-近红外光谱 极限学习机(ELM) 土壤 分类识别 

学科分类：09[农学] 0903[农学-动物生产类] 090301[090301] 

核心收录：

D　O　I：10.19336/j.cnki.trtb.2020.03.01

馆 藏 号：203968230...