可见-近红外光谱的潮间带沉积物有机碳含量的几种模型预测方法

发布时间：2021-03-15 08:08

　　可见-近红外光谱已被证明是一种快速、有效的有机碳（TOC）含量预测方法。但是,当前利用光谱预测TOC含量的研究对象主要为土壤或湖泊沉积物,还未见潮间带海洋沉积物的研究报道。为了快速准确预测潮间带沉积物TOC含量,通过异常样本剔除、光谱特征变换、特征波长提取相结合,构建TOC预测模型,即,采集潮间带沉积物样品光谱,采用马氏距离、标准杠杆值和学生残差联合分析的方法剔除异常样本,利用多元散射校正（MSC）、平滑+微分进行光谱变换,利用遗传算法（GA）提取特征波长,采用偏最小二乘法（PLS）、最小二乘支持向量机（LSSVM）和BP神经网络（BPNN）对沉积物TOC含量进行建模和预测,通过决定系数（R²）和剩余估计偏差（PRD）来评价模型精度。结果表明,剔除异常样本有助于提升模型精度, BPNN模型的检验R²和PRD分别提升了28%和39%。MSC光谱变换效果优于平滑+微分,基于MSC光谱变换的PLS, LSSVM和BPNN模型检验R²分别为0.81, 0.86和0.78, PRD分别为2.25, 2.59和2.07,比平滑+微分... 

【文章来源】：光谱学与光谱分析. 2020,40(04)北大核心

【文章页数】：5 页

【部分图文】：

潮间带沉积物反射光谱

【参考文献】：
期刊论文
[1]基于连续投影算法与BP神经网络的玉米叶片SPAD值高光谱估算[J]. 董哲,杨武德,朱洪芬,郭琪,王子轩,白建伟.  山西农业科学. 2019(05)
[2]基于近红外光谱的红提维生素C含量、糖度及总酸含量无损检测方法[J]. 高升,王巧华,李庆旭,施行.  分析化学. 2019(06)
[3]基于遗传算法的土壤质地高光谱预测模型研究[J]. 乔天,吕成文,肖文凭,吕凯,水宏伟.  土壤通报. 2018(04)
[4]砂姜黑土土壤有机碳高光谱特征与定量估算模型的研究[J]. 杨红飞,郑黎明,郜中要,王若澜,王友保.  安徽农业大学学报. 2018(01)
[5]基于高光谱数据的高寒草地土壤有机碳预测模型研究[J]. 崔霞,宋清洁,张瑶瑶,胥刚,孟宝平,高金龙.  草业学报. 2017(10)
[6]应用遗传算法结合连续投影算法近红外光谱检测土壤有机质研究[J]. 章海亮,罗微,刘雪梅,何勇.  光谱学与光谱分析. 2017(02)
[7]小波包-局部最相关算法提高土壤有机碳含量高光谱预测精度[J]. 张锐,李兆富,潘剑君.  农业工程学报. 2017(01)
[8]基于近红外光谱快速分析东南极湖泊沉积物化学元素含量[J]. 王哲,聂亚光,陈倩倩,刘文齐,刘晓东.  极地研究. 2016(03)
[9]江汉平原土壤有机碳含量高光谱预测模型优选[J]. 卢延年,刘艳芳,陈奕云,姜庆虎.  中国农学通报. 2014(26)
[10]基于遗传算法近红外光谱检测土壤养分的研究[J]. 刘雪梅,章海亮.  灌溉排水学报. 2013(02)



本文编号：3083852