基于深度学习的土壤氮含量可见/近红外光谱建模

发布时间：2022-08-02 14:23

　　相比传统方法,光谱法进行土壤分析具有低成本、高效、无损的优点。提出了基于粒子群优化卷积神经网络的土壤光谱分析模型,以达到快速、高效、准确的土壤元素分析。选用粒子群算法对卷积神经网络的结构进行优化,进一步提升CNN的预测准确率。结果表明,相比传统的CNN,PLS,LSSVM等建模方法,所提出的模型具有更高的预测准确率。 

【文章页数】：2 页

【参考文献】：
期刊论文
[1]基于深度稀疏学习的土壤近红外光谱分析预测模型[J]. 王儒敬,陈天娇,汪玉冰,汪六三,谢成军,张洁,李瑞,陈红波.  发光学报. 2017(01)

博士论文
[1]基于可见光近红外光谱的土壤成分预测模型研究[D]. 史杨.中国科学技术大学 2018

硕士论文
[1]基于粒子群算法优化卷积神经网络结构[D]. 白燕燕.内蒙古大学 2019



本文编号：3668689