文献类型：期刊文章

作　　者：池涛[1] 曹广溥[1] 李丙春[2] 孜克尔.阿不都热合曼[2] 王文龙[2]

CHI Tao;CAO Guang-pu;LI Bing-chun;Zikl Abdurahman;WANG Wen-long(College of Information Technology/Shanghai Ocean University,Shanghai 201306,China;College of Computer Science and Technology/Kashgar University,Kashgar 844006,China)

机构地区：[1]上海海洋大学信息学院,上海201306 [2]喀什大学计算机科学与技术学院,新疆喀什844006

出　　处：《山东农业大学学报（自然科学版）》

基　　金：国家自然科学基金(61561027);上海市自然科学基金(16ZR1415100);上海市科技创新行动计划项目:小龙虾生态化智能化设施养殖关键技术研究与应用(16391902900)

年　　份：2018

卷　　号：49

期　　号：4

起止页码：585-590

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD_E2017_2018、JST、ZGKJHX、核心刊

摘　　要：在土壤可见光~近红外波段光谱(350~2500 nm)内包含了大量可以表征土壤盐度的相关性信息,通过土壤盐渍化检测反演模型的建立,可以定性定量分析土壤盐渍度。本文探究了信息不完备情况下,机器学习算法在土壤盐渍化检测模型反演中的适用性,分别使用了多元线性回归模型、BP神经网络模型和SVM模型来反演土壤盐渍化检测。结果表明,SVM模型预测精度达到99.41%,是三种模型中精度最高的模型,适用于分析土壤复杂光谱信息和高精度土壤盐渍化反演。

关 键 词：光谱数据 支持向量机 土壤 盐渍度  反演

分 类 号：S151.9]