《近红外光谱法快速测定土壤碱解氮、速效磷和速效钾含量》由会员分享，可在线阅读，更多相关《近红外光谱法快速测定土壤碱解氮、速效磷和速效钾含量（8页珍藏版）》请在金锄头文库上搜索。
1、第! “卷第#期! $ $ %年#月农 业 工 程 学 报速效磷 和速效钾含量李伟# # 8吉林大学生物与农业工程学院 D E 3 B和人工神经网络 499B方法分别建立了$ 8 FGG筛分风干黑土土壤碱解氮;速效磷和速效钾含量预测的近红外光谱 9H I 3 B分析模型J使用偏最小二乘算法建立的碱解氮;速效磷和速效钾校正模型的决定系数K!分别为$ 8 F ? ! $ ; $ 8 L % # A和$ 8 % “ $ $ ! $ $ % B # O $ $ ? ? O $ ?李伟 # B C ? ? R? F 8E - S1 - # B C ? ? R? F 8 - )2 0 - ) 1 * 1-
2、 , 05 ) U 7 - * 0( * , ( + , B收稿日期C ! $ $ ? O # ! O “ #修订日期C ! $ $ N O # $ O # F基 金项目C _ L N “ 国家高技术研究发展计划项目 ! $ $ “ 44! $ F $ F $ RL B 作者简介C李伟 # F % F RB # F N $ RB 9H I 3 B法因其快速;低成本和多组分同时测定等优点受到人们的重视P “ QJ国外学者对近红外光谱法在土壤领域方面的应用进行了卓有成效的研究P A QJ5 0 * ( ) -等应用近红外方法快速分析土壤中的矿质氮含量 D E 3 B和 主 成 分 D 2 IB算
3、法 均 适 合 于 近 红 外 光 谱 9H I 3 B预测土壤矿质氮 ? 4在吉林省榆树市春阳村试验基地!同样方法采取土壤样品7 )个!共采土样( 2 -个+采样地土壤类型为黑土!质地为壤土+土壤 样 品 经 风 干; +四分法取样( ) )? !一份用于化学分析!一份用于 近红外光谱分析+8 0 A化学分析方法与设备土壤碱解氮含量测定采用( ;B C , D“E FG碱解扩散法4速效磷含量的测定采用) 0 2;B C , D“E GH F3浸提I钼锑钪比色法!使用JK - = ) 8 0 ) 1 2; / . / ) 2 * = T “目标输出向量进行归一化处理$混合模型碱解氮预测的决定系
4、数E#U F + G H # “平均相对误差为# + H K F O“预测值含量范 围为J H + G L RL J I + % M9* N V * “平均值为L F % + # %9* N V * “标准差为L H + J I “测试集样品仿真的平均相对误差为图M混合模型土壤速效钾化学方法测定值与预测值之间相关图( ) * + M , - . / 0 ) 1 2 3 4 ) 56 - 0 7- - 28 4 - 9) 8 / . / 2 / . : 3 ) 3; / . - = ) 8 0 ) 1 2; / . $? : ; 8 A : A :BC$B D : E F 8 G H I J $
5、H G : D %KL G H M 8 ; 9 P E 9 9 H D D )TK$ K; F E 9(U $ : G G H ; J $ H G: D % V 8 H P G H ; G 9 H M G I P 9 M P A G P I H Q B ! ( # %B P 8 9 ? 3 ? : 3 A ; 5 8 ; 4 4 8 ; 5 $B 8 3 8 ;C; 8 D 4 E 8 F $1 G : ; 5 9 G ? ;) , 3 3 “ 2 $1 G 8 ; : H“ % 1 2 II4 9 8 : 3 J 4 G 8 9 3 4K 4 E 4 : 9 G: ; $L2 ; 5 6 4
6、 ; 5N2 2 1 2 % $ O 9 H M G I : D Q : G :G PG 8 HM P ; M H ; G I : G R I H Q B: ; : D A 9 BRH G 8 P Q H O D H M G : ; M HB H M G I P 9 M P A - L B . HKI G 的主成分得分矩阵S代替原始光谱估 算LOO-CV预测残差的PR/FR-PCA方法,大大缩短计算时间,也避免了AA矩阵不满秩无法求逆的问题.4.针对以每个波长一个染色体基因的WSGA方法在波长数目较大 时搜索空间太大的问题,该文提出了基于遗传算法的近红外光谱波长区间选择方法(RSGA),将全谱
7、区间的预分子区间数作为染色体的位数,以R/(1+RMSPCV)作为优 化目标函数.经SSGA优化选择谱区后,不仅波长点数减少,而且PLS-LOO-CV预测值与标准值的相关系数R得以提高,RMSPCV得以减少.5.系统研究和比较了小波及小 波包与经典的PLS-NIR相结合的四种不同方法:WVTDR-PLS-NIR、WPTDR-PLS-NIR、WVACR-PLS-NIR、WVAC-PLS-NIR.相对于经典的PLS-NIR定量模型,该四种方法均 有消除原始光谱噪声的作用,所建立模型均具有更好的预测能力.其中WVAC-PLS-NIR方法,算法最简单,进行PLS-LOO-CV和建立最终模型的时间最短.
8、6.提出了以小 波分解低频系数矩阵代替原始光谱矩阵进行近红外光谱样品选择的思想,对ODO、ODT及SSGA进行了改进,形成三种新方法:WVAC-ODO、WVAC-ODT、WVAC-SSGA,大大 减少了算法运算时间,提高了算法效率.7.提出了小波及小波包与经典的MBP-NIR神经网络定量分析方法相结合的五种不同方法:WVAC-MBP-NIR、WVAC-PCA-MBP- NIR、WVACR-PCA-MBP-NIR、WVTDR-PCA-MBP-NIR、WPTDR-PCA-MBP-NIR.并给出了它们的算法原理.8.分别应用五种PLS-NIR定量分析方法和六种MBP-NIR神经网络 定量分析方法,对
9、原始光谱和加噪光谱进行了实例比较分析.表明:十一种方法均可用作近红外光谱定量分析;对于含噪声光谱,经典PLS-NIR的预测效果最差;小波 及小波包与PLS-NIR和MBP-NIR相结合,均有消除原始光谱中噪声的作用;使用小波低频系数的方法,可以压缩数据空间,计算量相应减小;建立非线性的MBP-NIR模 型比建立线性的PLS-NIR模型需要更多的建模训练样品.9.设计并实现了近红外光谱品质检测软件系统.该系统具有光谱文件管理,光谱显示,光谱预处理,光谱校 正模型的建立与管理,未知样品的组分浓度预测等功能.6.期刊论文 唐长波.陈敏艳.彭玉魁.岳田利.Tang Changbo.Chen Mingy
10、an.Peng Yukui.Yue Tianli 人工神经网络与近红外光谱分析 -农产品加工学刊2007,“(3)介绍了人工神经网络的原理、结构、算法和研究进展,以及该方法在近红外光谱分析中的重要地位和应用.7.期刊论文 代芬.张昆.洪添胜.洪涯.Dai Fen.Zhang Kun.Hong Tiansheng.Hong Ya 龙眼表面农药残留的无损检测研究-基于近红外光谱分析 -农机化研究2010,32(10)为进一步探索水果农药残留的快速无损检测技术,利用近红外反射光谱分析技术,对常用的高残留农药敌百虫和敌敌畏在龙眼表面残留的无损检测进行了研 究.首先在5001000nm波段范围内,将采集
11、到的漫反射光谱数据进行主成分分析,利用主成分1和主成分2的得分值对样本进行聚类分析,得到较好的聚类结果;然 后用各类样本的主成分得分作为神经网络的输入,建立了三层的BP人工神经网络模型,并进行了农药残留检测.结果表明,对敌百虫农药残留的检测正确率为 93%,对敌敌畏农药残留的检测正确率为80%,为水果表面的农药残留快速无损检测探索了一条可能的新途径.8.期刊论文 乐斌.吴铁军.方骏 Boosting算法在近红外光谱分析中的应用 -石油化工自动化2004,“(1)Boosting是一种新型的机器学习算法,其主要用于提高回归算法的性能.介绍了一种以RBF神经网络为基础学习机的Boosting回归算
12、法,并将此算法应用于油 品辛烷值分析中,与常用的油品分析技术偏最小二乘法(PLS)、多元线性回归(MLR)方法和单个RBF神经网络的拟和预测效果对比分析.结果显示,该算法具有学习 速度快、跟踪性能好、范化能力强等优点.9.学位论文 吴静珠 农产品品质检测中的近红外光谱分析技术研究 2006中国经济的持续高速发展以及我国商品融入国际市场的进程对我国农业及农产品加工业的产品品质分析提出了迫切的要求。近红外光谱分析技术作为一种 快速、无损、多组分同时分析的绿色分析技术，在农产品品质检测方面是一种首选技术。本文是在国家高技术研究发展计划(863计划)“杂草与虫害图象识别以 及谷物品质分析方法研究”(项
13、目编号：2003AA209012)资助下完成的。主要研究内容如下：1.针对大量样品参与建模，定标较为复杂的情况，本文研究GN距离法来挑选代表性的建模样品。GN距离法在保持建模样品集所覆盖范围的前提下，适量地 剔除部分光谱异常样品，并从相似样品中挑选出代表性样品参与建模，从而提高了定标模型的稳定性和适用性。2.近红外校正模型中样品的变异范围越宽，干扰因素越多，会导致模型的预测能力下降。本文研究将系统聚类法与统计量(R2统计量，半偏相关统计量SPRSQ，伪F统计量PSF，伪t2统计量PST2)相结合，指导分类建模，减小建模集的变异范围。该方法克服了系统聚类分析中无法确定聚类数目的问题，并能剔除 部
14、分异常样品，提高了校正模型的可靠性和预测能力。3.建立近红外定标模型的光谱数据一般都是基于实验室规范的分析条件下扫描得到的，但是在籽粒样品(如小麦、水稻)等的在线式近红外光谱分析系统中 ，经常会出现待测样品因装样量不同使光谱测定差异较大，导致预测的结果不准确的问题。本文比较了六种常用的光谱预处理方法 ：MSC，SNV+Detrendinging，SG1，Normalize，DOSC和WT，得出Normalize可以有效地减小装样量对预测结果的影响，从而保证了预测结果的准确性。4.由于光谱中不同波长处所含的噪声水平不同，因此不同波长处降噪要求也不同。本文研究采用分段小波消噪算法解决光谱中降噪要求
15、不一致的问题，进 一步提高定标模型的预测能力。5.本文比较了偏最小二乘法(PLS)，BP神经网络(BP)和支持向量机(SVM)三种近红外定量建模方法，研究表明SVM在近红外光谱定量分析中有着很好的应用前 景。由于SVM的参数选择决定了近红外模型的性能，本文深入分析了SVM核函数和核参数的选取对近红外定量分析的影响，为近红外定量分析中选择SVM参数提供 了参考。6.针对近几年出现的奶粉安全问题，本文首次提出了将近红外光谱技术和支持向量机相结合，建立奶粉安全近红外定性模型，研究表明SVM-NIR模型为奶粉 安全判别提供了一个更为便捷、无损的绿色分析技术。7.针对近红外光谱分析技术在奶粉生产企业的实
16、际应用中遇到的奶粉种类繁多导致样品收集工作难度大等问题，本文提出建立混合奶粉的近红外定量分析 模型用于快速测定奶粉的理化指标，研究表明建立混合奶粉的NIR定标模型是可行的。8.在原有的近红外光谱品质检测软件系统基础上开发了软件系统SoftNirV3.0。该软件系统为近红外品质检测提供了良好的软件技术支持。10.期刊论文 张银.周孟然.ZHANG Yin.ZHOU Meng-ran 人工神经网络BP算法在近红外光谱分析中的应用 -红外2006,27(11)简要介绍了人工神经网络及其在近红外光谱分析中的应用.给出了三层BP网络的基本结构和对应的BP算法.通过测定润滑油的流动性、苯和甲苯的回收率及 相对标准偏差的两个实例,分析了人工神经网络BP算法的明显优势.最后指出了存在的部分问题.引证文献(11条)引证文献(11条)1.张淑娟.王凤花.张海红.赵华民 基于主成分分析和BP神经网络的土
