基于极限学习机的土壤硝态氮预测模型研究

发布时间：2017-11-10 10:21

  本文关键词：基于极限学习机的土壤硝态氮预测模型研究

  更多相关文章： 土壤硝态氮 离子选择电极 能斯特模型 极限学习机

【摘要】：利用极限学习机模型解译高氯离子干扰下盐碱土中硝酸根离子选择电极响应信号,系统分析了漂移校正算法、能斯特及极限学习机模型对电极法硝态氮(NO~-_3-N)预测结果准确性的影响差异。结果表明,漂移校正算法可明显提高传感器标定方程的重复性和一致性,响应斜率及截距电位的波动范围分别缩小了3.67%和7.25%;极限学习机模型的最优隐含层节点数为14;基于极限学习机的电极法NO~-_3-N质量浓度预测模型可较好抑制盐碱土中氯离子干扰,与标准检测结果之间的最大绝对误差和均方根误差分别为6.36 mg/L和4.02 mg/L。相关研究结论可为电极法测土过程中的信号校正、数据处理模型和模型参数选取提供参考。
【作者单位】： 中国农业大学现代精细农业系统集成研究教育部重点实验室;中国农业大学农业部信息获取技术重点实验室;
【基金】：国家自然科学基金项目(31201136、61134011)
【分类号】：S151.9
【正文快照】： 引言离子选择电极(Ion-selective electrode,ISE)具有对目标离子直接测定、操作简单、量程大、灵敏性好等优点,因此在土壤主要速效养分在线检测和动态管理应用中已开展了一些积极的研究探索[1-2]。但在测土应用中,离子选择电极法也反映出连续测定电位漂移及特异性不理想等问题，

本文编号：1166219