基于超限学习机的矿区土壤重金属高光谱反演
【图文】：
第2期马伟波等:基于超限学习机的矿区土壤重金属高光谱反演·215·型的特征输入参数，统计结果见表2。图1土壤光谱曲线Fig.1Soilspectralcurve表2特征变量选取结果统计Table2Statisticsoftheselectionofcharacteristicvaria-bles预处理变换ZnCrCdCuAsPb连续统去除变换1211911139一阶导数变换1158576二阶导数变换5121391011标准正态变量变换562447总计3334322934332研究方法笔者引入ELM方法进行反演建模，并与传统的PLS方法和近年来兴起的SVM方法进行对比分析。2.1PLSPLS由欧洲经济计量学家Herman于19世纪80年代首次提出，是对多元线性回归建模的一种改进，，可以实现多对多的建模，在建模过程中集中了主成分分析、典型相关性分析和线性回归分析方法的特点。此方法在高光谱反演领域应用较为广泛［16］。2.2SVMSVM是一种基于结构化风险最小的统计学习方法，它能够按照给定误差分离一组训练数据的最优化分离超平面，能处理小样本、非线性、高维数的问题，并克服神经网络中局部极小值的难点。SVM在遥感领域的应用中能够成功处理小样本训练集，并且具有较高的精度［17］。2.3ELMELM由HUANG等［18］提出，是求解单隐层前馈神经网络(single-hidden-layerfeedforwardnetworks，SLFN)的一种算法。ELM以其快速学习的能力、良好的广泛性和简单的参数设置等优点而广泛应用于各个领域。根据HUANG等［18－21］研究结果，ELM原理如下。对于一个单隐层神经网络，假设有N个任意样本(Xi，ti)，其中Xi=［Xi1，Xi2，…，Xin］T=Ｒn，ti=［ti1，ti2，…，tim］T∈Ｒm。对有L个隐层节点的单隐层神经网络，可以表示为∑Li=1βig(Wi·Xi+
第2期马伟波等:基于超限学习机的矿区土壤重金属高光谱反演·217·练出最接近客观实际的模型，也越能反映出模型的稳定性效能。虚线为对重金属浓度排序拟合的趋势线，椭圆闭合线表示该范围内重金属浓度排序无明显线性关系且分布整体离散。图2重金属浓度排序分布Fig.2Concentrationordinationanddistributionofheavymetals4结论通过引入ELM建模方法，利用可见光近红外光谱对土壤重金属含量进行反演研究，采用EＲMS/M统计量结合Ｒ2和EＲMS对预测结果进行综合评价。EＲMS/M统计量能够在一定程度上直观反映预测误差的分布情况，同时使得多种重金属的预测结果可以进行横向对比。对3种建模方法的对比分析发现，在重金属浓度总体差异不明显时，ELM算法的预测能力强于SVM;在重金属含量空间分布差异较大时，ELM模型稳定性有所减弱，但其预测能力基本与SVM相当。总体而言，ELM算法对样本总体分布均匀的数据的预测精度要强于SVM，对样本总体分布差异明显的数据则稳定性有所减弱，但预测能力与SVM相当。后期可通过优化试验设计，获取大样本量数据进行反演预测，以探索样本数对模型稳定性的影响。参考文献:［1］董霁红．矿区充填复垦土壤重金属分布规律及主要农作物污染评价［D］．徐州:中国矿业大学，2009．［2］KINOSHITAＲ，MOEBIUS-CLUNEBN，VANESHM，etal．Strate-giesforSoilQualityAssessmentUsingVisibleandNear-InfraredＲe-flectanceSpectroscopyinaWesternKenyaChronosequence［J］．SoilScienceSocietyofAmericaJournal，2012，76(5):1776－1788．［3］SOＲIANO-DISLAJM，JANIKLJ，VISCAＲＲAＲOSSELＲA，etal．ThePerformanceofVisible，Near-，andMid-InfraredＲeflec-tanceSpectroscopyforPredictionofSo
【作者单位】： 中国矿业大学环境与测绘学院;环境保护部南京环境科学研究所;
【基金】：国家科技基础性工作专项(2014FY110800) 国家自然科学基金(41471356)
【分类号】：X53;X87
【相似文献】
相关期刊论文 前10条
1 李永华;杨林生;李海蓉;王五一;唐登银;;湘黔汞矿区土壤汞的化学形态及污染特征[J];环境科学;2007年03期
2 谢娟;徐友宁;;某矿区土壤及作物中汞的分析与评价[J];黄金;2010年11期
3 钟顺清;;矿区土壤污染与修复[J];资源开发与市场;2007年06期
4 于皓;宾泽全;;广西矿区土壤重金属分析及对农作物的污染与控制[J];大众科技;2011年04期
5 李绍生;;永城矿区土壤中九种元素背景值调查研究[J];煤矿环境保护;1991年03期
6 王少锋,冯新斌,仇广乐,肖唐付;贵州滥木厂汞矿区土壤与大气间气态汞交换通量及影响因素研究[J];地球化学;2004年04期
7 杨大欢,李方林;遵义铜锣井锰矿区土壤锰等元素的环境地球化学特征[J];贵州地质;2005年02期
8 李航彬;杨志辉;袁平夫;邓立聪;王兵;苏长青;;湘中锑矿区土壤重金属锑的污染特征[J];环境科学与技术;2011年01期
9 孙静静;戴万宏;俞佳;;大工山古铜遗址区矿区土壤对铜的吸附特性研究[J];黑龙江科学;2013年04期
10 胡学玉;孙宏发;陈德林;;大冶矿区土壤重金属积累对土壤酶活性的影响[J];生态环境;2007年05期
相关会议论文 前7条
1 周涛发;张鑫;袁峰;李湘凌;范裕;;铜陵矿区土壤中锌存在形态与生物有效性[A];中国矿物岩石地球化学学会第十届学术年会论文集[C];2005年
2 王必英;甄洋;;煤矿区土壤污染成因与对策[A];2013中国环境科学学会学术年会论文集（第五卷）[C];2013年
3 徐冬寅;张江华;陈华清;柯海玲;;小秦岭某金矿区土壤和小麦Cd污染研究[A];第六届全国环境化学大会暨环境科学仪器与分析仪器展览会摘要集[C];2011年
4 龙健;杨江江;李娟;刘方;;贵州高原高硫煤矿区土壤重金属污染特征及生态风险评价研究[A];山地环境与生态文明建设——中国地理学会2013年学术年会·西南片区会议论文集[C];2013年
5 高国龙;张望;周连碧;;有色金属矿区土壤重金属污染防控技术与实践[A];2013中国环境科学学会学术年会论文集（第五卷）[C];2013年
6 徐争启;庹先国;滕彦国;;攀枝花钒钛磁铁矿矿区土壤重金属潜在生态危害评价[A];中国矿物岩石地球化学学会第11届学术年会论文集[C];2007年
7 陈华君;栾景丽;何艳明;熊国焕;杨勇;;云南金属矿区土壤重金属污染现状及生物修复技术研究进展[A];2013中国环境科学学会学术年会论文集（第五卷）[C];2013年
相关重要报纸文章 前1条
1 本报记者 陈相花;大宝山，如何再现青山绿水？[N];中国国土资源报;2005年
相关博士学位论文 前1条
1 刘静静;典型煤矿区土壤中烃类化合物的地球化学循环研究[D];中国科学技术大学;2014年
相关硕士学位论文 前10条
1 耿丹;织金县煤矿区土壤-农作物重金属污染特征及农作物食用风险评价研究[D];贵州师范大学;2015年
2 冯丽娟;贵州兴仁煤矿区土壤/沉积物中砷的地球化学研究[D];贵州大学;2007年
3 吴明文;南丹部分尾矿区土壤及优势植物重金属含量研究[D];广西大学;2007年
4 刘小艇;煤矿区土壤重金属污染的空间分异性研究[D];西安科技大学;2010年
5 杨阳;基于GIS的煤矿区土壤信息管理系统构建[D];西安科技大学;2014年
6 杨晓伟;内蒙古某矿区土壤As污染特征研究[D];辽宁工程技术大学;2013年
7 孙叶芳;矿区土壤重金属毒性评价及污染修复[D];浙江大学;2005年
8 赵欧亚;淀粉和苜蓿促进煤矿区土壤高环PAHs污染的真菌修复研究[D];河北农业大学;2015年
9 叶元元;多金属矿区土壤重金属的高光谱定量估算研究[D];中国矿业大学;2014年
10 高彦鑫;北京密云水库上游金属矿区土壤中重金属污染及风险评价[D];首都师范大学;2012年
本文编号：2537117
本文链接：https://www.wllwen.com/kejilunwen/huanjinggongchenglunwen/2537117.html
