基于可见光近红外光谱的土壤成分预测模型研究

发布时间：2021-04-25 00:36

　　土壤成分信息的获取技术,是开展测土配方施肥项目、研究作物生长规律的基础,对土地资源的有效管理利用、种植业的精细化运营都具有重要的作用。近红外光谱分析是一种利用物质的光谱特征鉴别物质品种或定量分析物质化学组分的技术,具有非接触式测量、多组分同时预测、使用成本低廉等优点。将近红外光谱分析技术应用在土壤成分信息的获取中,能够大量减少土壤信息获取的成本,促进测土配方施肥及精准农业的进步。使用近红外光谱分析方法获取土壤成分信息的关键在于建立土壤近红外光谱和土壤成分的关系。大面积、大尺度下的土壤样本具有高度的多样性,为实现土壤成分信息的准确预测,课题研究了统计学习方法在建模中的应用,探讨了线性模型的预测效果及影响因素,并提出两种新的基于神经网络的非线性模型。主要研究内容和结论如下:1.基于线性模型的土壤有机碳含量预测。多元线性回归、主成分回归、偏最小二乘回归和逐步回归是常用的线性校正模型。此研究比较了使用这四种线性模型对大面积、大尺度的土壤数据集进行建模的预测效果,分析了模型输入采用原始光谱或导数光谱、光谱曲线使用不同的采样间隔、校正样本数目等因素对线性模型预测结果的影响,揭示了光谱预处理方式对预... 

【文章来源】：中国科学技术大学安徽省 211工程院校 985工程院校

【文章页数】：96 页

【学位级别】：博士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 研究背景及意义
    1.2 研究现状
        1.2.1 国内外研究现状
        1.2.2 存在问题和研究方向
    1.3 研究内容
    1.4 论文结构安排
第2章 光谱分析及预测建模的相关研究基础
    2.1 近红外光漫反射检测原理
    2.2 化学模式识别的概念与应用
    2.3 近红外光谱预测建模方法
    2.4 神经网络模型基础
        2.4.1 神经网络模型原理
        2.4.2 神经网络模型的训练
    2.5 本章小结
第3章 线性模型及光谱预处理方法
    3.1 引言
    3.2 线性校正模型
        3.2.1 多元线性回归模型
        3.2.2 主成分回归模型
        3.2.3 偏最小二乘回归模型
        3.2.4 逐步回归模型
    3.3 光谱预处理方法
    3.4 实验与分析
        3.4.1 LUCAS土壤数据集介绍
        3.4.2 实验方法
        3.4.3 光谱导数对预测性能的影响
        3.4.4 PCR和PLSR的成分数对预测性能的影响
        3.4.5 光谱采样间隔和样本数量对预测性能的影响
    3.5 本章小结
第4章 改进自动编码器模型及有机质含量等级预测
    4.1 引言
    4.2 自动编码器模型
    4.3 改进自动编码器模型
        4.3.1 模型设计思路
        4.3.2 改进自动编码器的实现
        4.3.3 损失函数的定义
        4.3.4 多类分类模型的评价
    4.4 实验与分析
        4.4.1 土壤数据集及处理
        4.4.2 实验方法
        4.4.3 光谱曲线特征
        4.4.4 基于改进自动编码器的结果
        4.4.5 不同建模方法性能对比
    4.5 本章小结
第5章 基于卷积神经网络的土壤成分预测
    5.1 引言
    5.2 深度学习与表示学习
    5.3 深度卷积神经网络
        5.3.1 卷积神经网络
        5.3.2 深度卷积神经网络的设计
        5.3.3 卷积神经网络的训练
    5.4 实验与分析
        5.4.1 实验方法
        5.4.2 光谱曲线特征
        5.4.3 模型预测结果及评价
        5.4.4 讨论
    5.5 本章小结
第6章 总结与展望
    6.1 主要工作及成果
    6.2 创新点
    6.3 研究展望
参考文献
附录 基于批量梯度下降法的多层感知器训练算法
致谢
在读期间发表的学术论文与取得的其他研究成果



本文编号：3158361