基于卷积神经网络和近红外光谱的土壤有机碳预测模型

作     者：史杨 王儒敬 汪玉冰 Shi Yang;Wang Rujing;Wang Yubing

作者机构：中国科学院合肥智能机械研究所安徽合肥230031 中国科学技术大学自动化系安徽合肥230027 

出 版 物：《计算机应用与软件》 (Computer Applications and Software)

年 卷 期：2018年第35卷第10期

页      面：147-152,266页

学科分类：1305[艺术学-设计学（可授艺术学、工学学位）] 13[艺术学] 081104[工学-模式识别与智能系统] 08[工学] 0804[工学-仪器科学与技术] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 

基　　金：国家自然科学基金项目(31671586) 

主　　题：近红外光谱 卷积神经网络 土壤有机碳 建模方法 

摘      要：利用土壤近红外光谱间接预测土壤成分与传统的实验室分析方法相比,具有节约时间、成本低等优点,而建立准确的预测模型至关重要。提出将深度卷积神经网络模型用于大尺度范围的土壤有机碳含量的预测中。设计五种不同深度的卷积神经网络模型,使用覆盖欧洲23国的、土壤种类多样的数据集对模型进行训练。将其预测结果与传统的主成分回归、支持向量回归等线性建模方法进行对比。实验表明,使用包含6～7个卷积层的卷积神经网络预测有机碳含量的均方根误差可以达到9. 69 g/kg,比其他线性建模方法预测大尺度土壤有机碳更准确。