期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于PCA-DBO-SVR的林地土壤有机质高光谱反演模型
被引量：
2
1
作者
邓昀
王君
+1 位作者
陈守学
石媛媛
《光谱学与光谱分析》
北大核心
2025年第2期569-583,共15页
森林土壤有机碳(SOC)是土壤中的有机物质(SOM)的碳部分,它对维持森林生态系统的平衡和稳定非常重要。传统实验通过化学方法分析土壤中有机物质的含量进而计算土壤中的有机碳,此类化学方法费时费力且产生化学废水污染环境。高光谱技术可...
森林土壤有机碳(SOC)是土壤中的有机物质(SOM)的碳部分,它对维持森林生态系统的平衡和稳定非常重要。传统实验通过化学方法分析土壤中有机物质的含量进而计算土壤中的有机碳,此类化学方法费时费力且产生化学废水污染环境。高光谱技术可以非接触、高效率地检测出土壤的养分信息。针对现有机器学习土壤有机质预测模型的精度和计算效率方面的不足,以广西国有黄冕林场和国有雅长林场为土壤样品采集点,基于全光谱数据利用主成分分析算法(PCA)筛选特征波段的最佳波长数量,并利用比一阶微分处理数据更加精细且能平衡光谱噪声和光谱分辨率之间的关系的分数阶微分为预处理方法之一对光谱数据进行变换处理,最后采用相对于传统的中心化算法拥有较高鲁棒性和容错能力的蜣螂算法(DBO)对支持向量回归机(SVR)的高斯核函数的参数组合进行优化。研究结果表明,PCA-DBO-SVR模型可以有效提高土壤有机质预测的决定系数R^(2)并降低预测均方根误差(RMSE)。PCA-DBO-SVR在对比预测模型中表现出最佳的泛化性能和准确度,其验证集R^(2)为0.942,RMSE为2.989 g·kg^(-1),展现了较好的准确性。
展开更多
关键词
近红外光谱
分数阶微分
蜣螂优化算法
土壤养分预测
支持向量回归机
在线阅读
下载PDF
职称材料
题名
基于PCA-DBO-SVR的林地土壤有机质高光谱反演模型
被引量：
2
1
作者
邓昀
王君
陈守学
石媛媛
机构
广西嵌入式技术与智能系统重点实验室
桂林理工大学计算机科学与工程学院
广西壮族自治区林业科学研究院
出处
《光谱学与光谱分析》
北大核心
2025年第2期569-583,共15页
基金
国家自然科学基金项目(32360374)
广西自然科学基金项目(2018GXNSFAA281235)资助。
文摘
森林土壤有机碳(SOC)是土壤中的有机物质(SOM)的碳部分,它对维持森林生态系统的平衡和稳定非常重要。传统实验通过化学方法分析土壤中有机物质的含量进而计算土壤中的有机碳,此类化学方法费时费力且产生化学废水污染环境。高光谱技术可以非接触、高效率地检测出土壤的养分信息。针对现有机器学习土壤有机质预测模型的精度和计算效率方面的不足,以广西国有黄冕林场和国有雅长林场为土壤样品采集点,基于全光谱数据利用主成分分析算法(PCA)筛选特征波段的最佳波长数量,并利用比一阶微分处理数据更加精细且能平衡光谱噪声和光谱分辨率之间的关系的分数阶微分为预处理方法之一对光谱数据进行变换处理,最后采用相对于传统的中心化算法拥有较高鲁棒性和容错能力的蜣螂算法(DBO)对支持向量回归机(SVR)的高斯核函数的参数组合进行优化。研究结果表明,PCA-DBO-SVR模型可以有效提高土壤有机质预测的决定系数R^(2)并降低预测均方根误差(RMSE)。PCA-DBO-SVR在对比预测模型中表现出最佳的泛化性能和准确度,其验证集R^(2)为0.942,RMSE为2.989 g·kg^(-1),展现了较好的准确性。
关键词
近红外光谱
分数阶微分
蜣螂优化算法
土壤养分预测
支持向量回归机
Keywords
Near-infrared spectroscopy
Fractional derivative
Dung beetle Optimization algorithm
Soil nutrient prediction
Support vector machine regression
分类号
TP399 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于PCA-DBO-SVR的林地土壤有机质高光谱反演模型
邓昀
王君
陈守学
石媛媛
《光谱学与光谱分析》
北大核心
2025
2
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
