語言:

卷积神经网络用于近红外光谱预测土壤含水率

王璨;武新慧;李恋卿;王玉顺;李志伟

光谱学与光谱分析, 2018, Vol.38 (1), p.36-41 [同儕審閱期刊]

可取得全文

引用被引用

傳送到

題名:
卷积神经网络用于近红外光谱预测土壤含水率
著者: 王璨; 武新慧; 李恋卿; 王玉顺; 李志伟
主題: 卷积神经网络 ; 土壤含水率 ; 近红外光谱 ; 预测模型
所屬期刊: 光谱学与光谱分析, 2018, Vol.38 (1), p.36-41
描述: 近红外光谱分析技术在土壤含水率预测方面具有独特的优势,是一种便捷且有效的方法。卷积神经网络作为高性能的深度学习模型,能够从复杂光谱数据中自主提取有效特征结构进行学习,与传统的浅层学习模型相比具有更强的模型表达能力。将卷积神经网络用于近红外光谱预测土壤含水率,并提出了有效的卷积神经网络光谱回归建模方法,简化了光谱数据的预处理要求,且具有更高的光谱预测精度。首先对不同含水率下土壤样品的光谱反射率数据进行简单的预处理,通过主成分分析减少光谱数据量,并将处理后的光谱数据变换为二维光谱信息矩阵,以适应卷积神经网络特殊的学习结构。然后基于卷积神经网络算法,设置双层卷积和池化结构逐层提取光谱数据的内部特征信息,并采用局部连接和权值共享减少网络参数、提高泛化性能。通过试验优化网络结构和各项参数,最终获得针对土壤光谱数据的卷积神经网络土壤含水率预测模型,并与传统的BP,PLSR和LSSVM模型进行对比实验。结果表明在训练样本达到一定数量时,卷积神经网络的预测精度和回归拟合度均高于三种传统模型。在少量训练样本参与建模的情况下,模型预测表现高于BP神经网络,但略低于PLSR和LSSVM模型。随着参与训练样本量的增加,卷积神经网络的预测精度和回归拟合度也随之稳定提升,达到并显著优于传统模型水平。因此,卷积神经网络能够利用近红外光谱数据对土壤含水率做出有效预测,且在较多样本参与建模时取得更好效果。
出版者: 山西农业大学工学院,山西太谷,030801%南京农业大学资源环境学院,江苏南京,210095
語言: 中文
識別號: ISSN: 1000-0593
DOI: 10.3964/j.issn.1000-0593(2018)01-0036-06
資源來源: Alma/SFX Local Collection

返回到檢索清單

檢索清單 1 下ㄧ個記錄下ㄧ頁

卷积神经网络用于近红外光谱预测土壤含水率

王璨;武新慧;李恋卿;王玉顺;李志伟

正在檢索遠程資料庫，請稍等