基于竞争适应重加权采样算法耦合机器学习的土壤含水量估算

丁建丽1孙慧兰2王敬哲1王飞1葛翔宇1蔡亮红1

1.新疆大学; 2.新疆师范大学;

摘要：

土壤含水量是干旱区地表水-热-溶质耦合运移的关键指标;以干旱区典型样点实测土壤含水量及其室内可见光-近红外光谱数据作为数据集,通过蒙特卡罗交叉验证确定77个有效样本;基于竞争适应重加权采样算法筛选出最优光谱变量子集,利用3种机器学习方法——BP神经网络、随机森林回归和极限学习机建立土壤含水量预测模型,进而实现土壤含水量估算模型的优选.结果表明:竞争适应重加权采样算法能有效剔除无关变量,从2151个光谱波段中优选出20个特征波段,其中R1848与土壤含水量的最大相关系数为0.531;引入偏最小二乘模型和机器学习方法进行对比,分析发现机器学习方法的预测结果比偏最小二乘模型更高;分析比较BP神经网络、随机森…展开v

关键词：光谱学、土壤含水量估算、机器学习、竞争适应重加权采样算法、极限学习机、随机森林

所属期刊栏目：38

分类号：O436(光学)

资助基金：自治区重点实验室专项基金项目;国家自然科学基金;国家自然科学基金;国家自然科学基金

在线出版日期：2018-11-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：385-392