摘要：群体智能算法适用于解决高维、多目标优化问题,将群体智能算法应用于土壤含水率可见光和近红外(Vis-nIR)光谱分析,有利于实现土壤含水率光谱预测模型的优化和实时土壤含水率测量传感器的研制。该研究利用高分辨率光谱仪,通过人工配置获取不同含水率土壤,获取不同含水率水平的土壤光谱数据。采用孤立森林算法(Isolation Forest algorithm,iForest)查找并去除光谱数据中的异常值,BP神经网络构建土壤含水率预测模型,以预测均方根误差(RMSEP)为评价标准,采用蝠鲼优化算法(MRFo)、黏菌算法(SMA)等8种新型群体智能算法来选取土壤含水率特征波长。结果表明,仅从预测结果来看,MRFo结果最佳,但综合考虑选择波长占比和模型预测结果,SMA表现更优。同时,通过对传统智能算法遗传算法(GA)和粒子群算法(PSo)建模结果的比较分析,发现新型群体智能算法在土壤含水率特征波长选取上具有更好表现。综合所有智能算法选取结果,筛选出490 nm、513 nm、543 nm、900 nm和926 nm作为土壤含水率敏感波长,为基于Vis-nIR的实时土壤含水率传感器的设计提供参考依据。