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
3
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
监测采样间隔对土壤墒情预测模型性能的影响
被引量：
2
1
作者
张武
洪汛
+2 位作者
李蒙
宋一帆
金秀
《甘肃农业大学学报》
CAS
CSCD
北大核心
2020年第1期221-228,共8页
【目的】为了实现准确的农田土壤墒情预测,以茶园不同深度的土壤墒情为对象,对不同的监测采样间隔下的多种茶园土壤墒情预测模型进行了对比研究.【方法】经相关性分析,确定了时段初始湿度、光照、空气温度、空气湿度、土壤温度、土壤电...
【目的】为了实现准确的农田土壤墒情预测,以茶园不同深度的土壤墒情为对象,对不同的监测采样间隔下的多种茶园土壤墒情预测模型进行了对比研究.【方法】经相关性分析,确定了时段初始湿度、光照、空气温度、空气湿度、土壤温度、土壤电导率和降雨量7种影响因子,对土壤墒情分别建立了多元二次回归、BP神经网络和LSTM深度学习模型.研究了10、30、60、90、120 min等不同监测采样间隔下土壤墒情的预测精度,同时对3种模型的预测结果进行了对比分析.【结果】LSTM深度学习模型的平均相对误差为0.399%,在3种模型中最小.多元二次回归模型的预测误差随着采样间隔的增大而增大,BP神经网络与LSTM深度学习模型在采样间隔为30 min时预测误差最小,平均相对误差<0.5%.研究认为,最合适的监测采样间隔为30 min,且LSTM深度学习模型具有稳定性好、精度高的特点,适用于土壤墒情预测.【结论】本研究结果为土壤墒情监测采样间隔的设定和建模方法的运用提供依据,对土壤墒情预测模型的研究和应用具有重要意义.
展开更多
关键词
采样间隔
预测模型
土壤墒情
在线阅读
下载PDF
职称材料
基于可见-近红外光谱预处理建模的土壤速效氮含量预测
被引量：
6
2
作者
方向
金秀
+1 位作者
朱娟娟
李绍稳
《浙江农业学报》
CSCD
北大核心
2019年第9期1523-1530,共8页
以皖南地区采集的188份黄红壤样本为研究对象,利用地物非成像光谱仪获取原始光谱数据。首先,分析样本在350~1657nm波段经过预处理变换的平均光谱反射率曲线特征,再基于原始光谱,以及经29种预处理变换后的光谱,分别结合偏最小二乘回归(PL...
以皖南地区采集的188份黄红壤样本为研究对象,利用地物非成像光谱仪获取原始光谱数据。首先,分析样本在350~1657nm波段经过预处理变换的平均光谱反射率曲线特征,再基于原始光谱,以及经29种预处理变换后的光谱,分别结合偏最小二乘回归(PLSR)和径向基核函数(RBF)-PLSR算法,建立60个针对土壤速效氮含量的预测模型,并进行模型优化;然后,以模型的决定系数(R2)和相对分析误差(RPD)来评价模型性能。结果显示,基于Savitaky-Golay卷积平滑和对数变换预处理的光谱,用PLSR建立的模型最适用于土壤速效氮含量的校正预测,其在建模集中R2=0.94、RPD=3.88,预测集中R2=0.91、RPD=3.38。该模型达到A类预测精度,可实现对土壤速效氮含量的定量估测。
展开更多
关键词
高光谱分析
土壤速效氮
预处理
模型
在线阅读
下载PDF
职称材料
土壤速效磷近红外迁移学习预测方法研究
被引量：
6
3
作者
郑文瑞
李绍稳
+3 位作者
韩亚鲁
石胜群
朱先志
金秀
《分析测试学报》
CAS
CSCD
北大核心
2020年第10期1274-1281,共8页
可见-近红外光谱技术是对土壤速效磷含量定量估测的有效手段,但某一地区土壤采集的光谱数据建立的模型在给其它地区使用时会出现预测精度低、模型失效等问题。该文以皖南土壤样本为源域,皖北土壤样本为目标域,通过迁移学习方法建立了预...
可见-近红外光谱技术是对土壤速效磷含量定量估测的有效手段,但某一地区土壤采集的光谱数据建立的模型在给其它地区使用时会出现预测精度低、模型失效等问题。该文以皖南土壤样本为源域,皖北土壤样本为目标域,通过迁移学习方法建立了预测模型,以提高土壤速效磷预测模型的准确性,并比较了迁移前后预测模型的精度。结果显示,皖南地区模型不能直接用于皖北地区,会出现模型失效问题,该模型的决定系数(R2)和相对分析误差(RPD)分别为-0.19和0.92,预测均方根误差(RMSEP)为1.04;样本量不大的皖北地区建立模型的预测精度不高,R2和RPD分别为0.61和1.60,RMSEP为0.60;而基于迁移成分分析(TCA)并加入部分皖北样本建立模型,可显著提高对皖北样本的预测精度,模型的R2和RPD分别提升至0.79和2.18,RMSEP降低至0.44。表明基于TCA的方法能将皖南土壤速效磷预测模型应用于皖北,可提高皖北土壤速效磷预测模型准确性并降低成本,为土壤速效磷预测模型的广泛应用提供了新思路。
展开更多
关键词
迁移学习
迁移成分分析
土壤速效磷
可见-近红外光谱
在线阅读
下载PDF
职称材料
题名
监测采样间隔对土壤墒情预测模型性能的影响
被引量：
2
1
作者
张武
洪汛
李蒙
宋一帆
金秀
机构
安徽
农业
大学信息与计算机学院
智慧农业技术与装备安徽省重点实验室
出处
《甘肃农业大学学报》
CAS
CSCD
北大核心
2020年第1期221-228,共8页
基金
2018年安徽省重点研究和开发项目(1804a07020108)
2016年农业部农业物联网技术集成与应用重点实验室开放基金项目(2016KL05)
+1 种基金
智慧农业技术与装备安徽省重点实验室开放基金项目(APKLSATE2019X001)
2019年安徽省重点研发计划面上攻关项目(201904a06020056).
文摘
【目的】为了实现准确的农田土壤墒情预测,以茶园不同深度的土壤墒情为对象,对不同的监测采样间隔下的多种茶园土壤墒情预测模型进行了对比研究.【方法】经相关性分析,确定了时段初始湿度、光照、空气温度、空气湿度、土壤温度、土壤电导率和降雨量7种影响因子,对土壤墒情分别建立了多元二次回归、BP神经网络和LSTM深度学习模型.研究了10、30、60、90、120 min等不同监测采样间隔下土壤墒情的预测精度,同时对3种模型的预测结果进行了对比分析.【结果】LSTM深度学习模型的平均相对误差为0.399%,在3种模型中最小.多元二次回归模型的预测误差随着采样间隔的增大而增大,BP神经网络与LSTM深度学习模型在采样间隔为30 min时预测误差最小,平均相对误差<0.5%.研究认为,最合适的监测采样间隔为30 min,且LSTM深度学习模型具有稳定性好、精度高的特点,适用于土壤墒情预测.【结论】本研究结果为土壤墒情监测采样间隔的设定和建模方法的运用提供依据,对土壤墒情预测模型的研究和应用具有重要意义.
关键词
采样间隔
预测模型
土壤墒情
Keywords
sampling interval
prediction model
soil moisture
分类号
TP391.4 [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
基于可见-近红外光谱预处理建模的土壤速效氮含量预测
被引量：
6
2
作者
方向
金秀
朱娟娟
李绍稳
机构
安徽
农业
大学信息与计算机学院
智慧农业技术与装备安徽省重点实验室
出处
《浙江农业学报》
CSCD
北大核心
2019年第9期1523-1530,共8页
基金
农业部948项目(2015-Z44,2016-X34)
文摘
以皖南地区采集的188份黄红壤样本为研究对象,利用地物非成像光谱仪获取原始光谱数据。首先,分析样本在350~1657nm波段经过预处理变换的平均光谱反射率曲线特征,再基于原始光谱,以及经29种预处理变换后的光谱,分别结合偏最小二乘回归(PLSR)和径向基核函数(RBF)-PLSR算法,建立60个针对土壤速效氮含量的预测模型,并进行模型优化;然后,以模型的决定系数(R2)和相对分析误差(RPD)来评价模型性能。结果显示,基于Savitaky-Golay卷积平滑和对数变换预处理的光谱,用PLSR建立的模型最适用于土壤速效氮含量的校正预测,其在建模集中R2=0.94、RPD=3.88,预测集中R2=0.91、RPD=3.38。该模型达到A类预测精度,可实现对土壤速效氮含量的定量估测。
关键词
高光谱分析
土壤速效氮
预处理
模型
Keywords
hyperspectral analysis
soil available nitrogen
preprocessing
model
分类号
S153.6 [农业科学—土壤学]
在线阅读
下载PDF
职称材料
题名
土壤速效磷近红外迁移学习预测方法研究
被引量：
6
3
作者
郑文瑞
李绍稳
韩亚鲁
石胜群
朱先志
金秀
机构
安徽
农业
大学信息与计算机学院
出处
《分析测试学报》
CAS
CSCD
北大核心
2020年第10期1274-1281,共8页
基金
农业部“948”项目(2015-Z44,2016-X34)
安徽省教育厅课题资助(KJ2019A0212)。
文摘
可见-近红外光谱技术是对土壤速效磷含量定量估测的有效手段,但某一地区土壤采集的光谱数据建立的模型在给其它地区使用时会出现预测精度低、模型失效等问题。该文以皖南土壤样本为源域,皖北土壤样本为目标域,通过迁移学习方法建立了预测模型,以提高土壤速效磷预测模型的准确性,并比较了迁移前后预测模型的精度。结果显示,皖南地区模型不能直接用于皖北地区,会出现模型失效问题,该模型的决定系数(R2)和相对分析误差(RPD)分别为-0.19和0.92,预测均方根误差(RMSEP)为1.04;样本量不大的皖北地区建立模型的预测精度不高,R2和RPD分别为0.61和1.60,RMSEP为0.60;而基于迁移成分分析(TCA)并加入部分皖北样本建立模型,可显著提高对皖北样本的预测精度,模型的R2和RPD分别提升至0.79和2.18,RMSEP降低至0.44。表明基于TCA的方法能将皖南土壤速效磷预测模型应用于皖北,可提高皖北土壤速效磷预测模型准确性并降低成本,为土壤速效磷预测模型的广泛应用提供了新思路。
关键词
迁移学习
迁移成分分析
土壤速效磷
可见-近红外光谱
Keywords
transfer learning
transfer component analysis
soil available phosphorus
visible and near-infrared reflectance spectroscopy
分类号
O657.33 [理学—分析化学]
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
监测采样间隔对土壤墒情预测模型性能的影响
张武
洪汛
李蒙
宋一帆
金秀
《甘肃农业大学学报》
CAS
CSCD
北大核心
2020
2
在线阅读
下载PDF
职称材料
2
基于可见-近红外光谱预处理建模的土壤速效氮含量预测
方向
金秀
朱娟娟
李绍稳
《浙江农业学报》
CSCD
北大核心
2019
6
在线阅读
下载PDF
职称材料
3
土壤速效磷近红外迁移学习预测方法研究
郑文瑞
李绍稳
韩亚鲁
石胜群
朱先志
金秀
《分析测试学报》
CAS
CSCD
北大核心
2020
6
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
