基于卷积神经网络和近红外光谱的土壤有机碳预测模型OA北大核心CSTPCD
SOIL ORGANIC CARBON PREDICTION BASED ON CONVOLUTIONAL NEURAL NETWORKS AND NEAR INFRARED SPECTROSCOPY
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…查看全部>>
史杨;王儒敬;汪玉冰
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中国科学院合肥智能机械研究所 安徽合肥230031
信息技术与安全科学
近红外光谱卷积神经网络土壤有机碳建模方法
《计算机应用与软件》 2018 (10)
基于深度学习的土壤近红外光谱定量分析模型研究
147-152,266,7
国家自然科学基金项目(31671586).
评论