下面是小编为大家收集的基于主成分分析和BP神经网络的土壤养分近红外光谱检测，本文共8篇，仅供参考，欢迎大家阅读，希望可以帮助到有需要的朋友。
篇1：基于主成分分析和BP神经网络的土壤养分近红外光谱检测
基于主成分分析和BP神经网络的土壤养分近红外光谱检测
基于近红外光谱技术的土壤养分快速、无损检测,有利于精细施肥决策.在一黄豆田采用7 m×7 m的栅格采集54个土样,测定其土壤有机质、速效氯、有效磷、有效钾,并使用FieldSpec 3光谱仪测定土样的近红外漫反射光谱.将54个样本随机分成预测集与验证集,其中预测集40个,验证集14个.通过平滑预处理后,利用主成分分析法(PCA)提取原始光谱8个主成分.然后以8个主成分为输入,分别以所测土壤养分作为输出,建立土壤有机质、速效氮、有效磷、有效钾的预测模型,最后对14个验证样本进行预测.结果表明,在小尺度采样的情况下进行光谱分析,采用主成分分析和人工神经网络相结合的方法建立土壤有机质预测模型,其测量值与预测值的相关性较高,相关度为0.796 2,相对误差较小,其平均值为1.88%,表明该方法预测土壤有机质含量是可行的'.但对土壤速效氮、有效磷和有效钾含量的预测并不理想,还有待进一步研究.
作 者：张淑娟 王凤花 张海红 赵华民 ZHANG Shu-juan WANG Feng-hua ZHANG Hai-hong ZHAO Hua-min 作者单位：山西农业大学工程技术学院,山西,太谷,030801 刊 名：山西农业大学学报（自然科学版） ISTIC英文刊名：JOURNAL OF SHANXI AGRICULTURAL UNIVERSITY(NATURAL SCIENCE EDITION) 年，卷(期)： 29(6) 分类号：O433.4 关键词：近红外光谱 土壤养分 检测 主成分分析 BP神经网络篇2：基于BP神经网络的啤酒酒精度近红外光谱快速检测
基于BP神经网络的啤酒酒精度近红外光谱快速检测
以啤酒酒精度的快速测定为研究对象,采用误差反向传播算法(Back-Propagation,BP),结合主成分分析(PCA),构造了三层的神经网络结构,建立了PCA-BP神经网络模型,达到满意的'预测精度,结果表明:使用BP神经网络方法后,验证集预测均方差、平均相对误差和回收率范围分别为0.114、1.131%和97.91%-104.59%,其效果优于PLS模型.
作 者：冯尚坤 徐海菊 FENG Shang-kun XU Hai-ju 作者单位：浙江台州科技职业学院,浙江,台州,318020 刊 名：红外技术 ISTIC PKU英文刊名：INFRARED TECHNOLOGY 年，卷(期)： 30(1) 分类号：O657.33 关键词：近红外(NIR) 啤酒 酒精度 人工神经网络(ANN) 偏最小二乘(PLS)篇3：基于独立成分分析的被动红外光谱弱信号检测
基于独立成分分析的被动红外光谱弱信号检测
简要阐述了独立成分分析(independent component analysis,ICA)的基本模型及其假设、含混性、非高斯性度量和通用求解过程,介绍了一种基于峰度的快速ICA算法.提出了基于基本ICA模型的从被动遥感红外光谱中分离出弱目标信号的`信号检测方法.实验结果表明:基于ICA的信号提取方法可不依赖于预先采集的“干净”背景光谱,并且与差谱法的结果进行了对比.
作 者：虞莉娟 熊伟 熊惠民 YU Li-juan XIONG Wei XIONG Hui-min 作者单位：虞莉娟,YU Li-juan(武汉理工大学自动化学院,湖北,武汉,430070)熊伟,XIONG Wei(中国科学院安徽光学精密机械研究所,安徽,合肥,230031)
熊惠民,XIONG Hui-min(华中师范大学数学与统计学学院,湖北,武汉,430079)
刊 名：激光与红外 ISTIC PKU英文刊名：LASER & INFRARED 年，卷(期)：2008 38(3) 分类号：O646 关键词：独立成分分析 被动红外光谱 信号 检测篇4：有监督主成分回归法在近红外光谱定量分析中的应用研究
有监督主成分回归法在近红外光谱定量分析中的应用研究
摘要：介绍了运用有监督主成分回归法建立近红外光谱定量分析模型的原理和方法.利用该方法先进行近红外光谱定量分析建模的波长信息选择,达到降低光谱数据维数的目的,然后建立数学模型,并用其分析预测集样品.文中以66个小麦样品为实验材料,随机选择其中40个样品建立小麦样品中蛋白质含量的近红外光谱定量分析模型,首先优选出4个波长点:4 632,4 636,5 994,5 997 cm-1,利用这4个波长点处光谱信息建立主成分回归模型预测26个样品的蛋白质含量,其结果与凯氏定氮法分析结果的相关系数为0.991,平均相对误差为1.5%.该方法从大量光谱数据中筛选出最重要的`部分波长信息,实现了少而精的波长点选择,对建立抗共线性信息干扰的光谱定量分析模型,同时对指导专用近红外分析仪器设计中波长点的选择等方面都有一定的意义. 作者： 刘旭华[1]徐兴忠[2]何雄奎[3]张录达[3] Author： 作者单位： 北京理工大学理学院,北京,100081;中国农业大学理学院,北京,100193北京理工大学理学院,北京,100081中国农业大学理学院,北京,100193 期 刊： 光谱学与光谱分析 ISTICEISCIPKU Journal： SPECTROSCOPY AND SPECTRAL ANALYSIS 年，卷(期)： , 29(11) 分类号： O657.3 关键词：近红外光谱 有监督主成分回归 定量分析 机标分类号： TQ4 TG1 机标关键词： 有监督 主成分回归法 近红外光谱 光谱定量分析 应用研究 Quantitative Analysis Principal Component Regression Application 定量分析模型 波长 预测集样品 蛋白质含量 信息选择 光谱数据 平均相对误差 回归模型预测 方法 凯氏定氮法 近红外分析 仪器设计 基金项目： 国家自然科学基金项目，国家863项目篇5：近红外光谱检测技术在农业和食品分析上的应用
近红外光谱检测技术在农业和食品分析上的应用
摘要：近红外光谱是20世纪90年代以来发展最快、最引人注目的光谱分析技术. 阐述了近红外光谱的原理、技术特点, 介绍了近红外光谱仪、光谱预处理方法以及化学计量学研究的发展过程, 重点列举了近红外光谱在农业和食品分析中的.成功应用实例. 资料表明,近红外光谱以其速度快、不破坏样品、操作简单、稳定性好、效率高等特点, 已广泛应用于各个领域. 特别是在欧美及日本等发达国家, 很多近红外光谱分析法被列为标准方法. 而我国近红外光谱的应用研究起步较晚, 虽然某些方面已具国际领先水平, 但就总体来看与国际水平还有大的差距. 文章首次提出了集中优势资源, 包括人力资源和设备资源, 利用现代网络技术, 建立终端用户和中心数据库资源共享的模式, 以推动近红外光谱技术在我国农业科技和生产中的应用. 作者： 王多加[1]周向阳[2]金同铭[2]胡祥娜[2]钟娇娥[2]吴启堂[3] Author： 作者单位： 深圳市无公害农产品质量监督检验站,广东,深圳,518040;华南农业大学资源环境学院,广东,广州,510000深圳市无公害农产品质量监督检验站,广东,深圳,518040华南农业大学资源环境学院,广东,广州,510000 期 刊： 光谱学与光谱分析 ISTICEISCIPKU Journal： SPECTROSCOPY AND SPECTRAL ANALYSIS 年，卷(期)： , 24(4) 分类号： O657.33 关键词：近红外光谱 农业 食品 应用 机标分类号： TP2 TH7 机标关键词：近红外光谱分析法 光谱检测技术 农业科技 食品分析 应用研究 资源共享 近红外光谱仪 红外光谱技术 光谱分析技术 中心数据库 预处理方法 计量学研究 终端用户 优势资源 网络技术 人力资源 技术特点 国际水平 国际领先 发达国家 基金项目：篇6：土壤中总氮与总磷含量的近红外光谱实时检测方法
土壤中总氮与总磷含量的近红外光谱实时检测方法
以浙江省潮化盐土为研究对象,用近红外光谱分析技术探测土壤氮(N)和磷(P)的`含量.从试验田采集6组土样,每组取20个样品,共计120个样品.利用均值法、卷积滤波确定最终光谱数据,然后采用偏最小二乘回归法(PLS)及最小二乘支持向量机(LSSVM)分别建立了土壤总氮和总磷的近红外光谱模型,其中采用PLS所建模型的相关系数分别为0.9454(N)、0.9327(P),预测标准误差分别为0.0321(N)、0.0089(P).采用LSSVM所建模型的预测相关系数分别为0.9503(N)、0.9547(P),预测标准误差为0.0378(N)、0.0101(P).分析结果表明采用近红外分析技术可以预测土壤总氮(N)和总磷(P)的含量.
作 者：袁石林 马天云 宋韬 何勇 鲍一丹 作者单位：浙江大学生物系统工程与食品科学学院,杭州,310029 刊 名：农业机械学报 ISTIC EI PKU英文刊名：TRANSACTIONS OF THE CHINESE SOCIETY FOR AGRICULTURAL MACHINERY 年，卷(期)： 40(z1) 分类号：O657.33 S151.9+5 关键词：近红外光谱 测量 土壤总氮 土壤总磷 偏最小二乘法 最小二乘支持向量机篇7：夏玉米可见/近红外光小波主成分提取与氮素含量神经网络检测
夏玉米可见/近红外光小波主成分提取与氮素含量神经网络检测
摘要：使用高光谱仪ASD Field Spec于吐丝期采集不同氮素处理的夏玉米叶片光谱,并进行对数变换处理;通过对绿峰(450～680nm)和近红外反射平台(760～1000nm)谱段光谱数据进行多尺度小波分解,获取第二层离散近似小波系数向量;采用主成分分析,从第二层离散近似小波系数向量中提取特征作为输入参数,建立对叶片氮素含量的广义回归神经网络估算模型.结果表明:对数变换显著地增强了绿峰和近红外反射平台谱段夏玉米叶片光谱对不同氮素处理的响应差异;从第二层离散近似小波系数向量中提取的小波主成分能够反映夏玉米叶片光谱在不同氮素处理下的整体变化趋势;以小波主成分作为输入参数的'广义回归神经网络能够较为准确地预测夏玉米叶片氮素含量,并且具有一定的推广能力. 作者： 刘炜[1] 常庆瑞[1] 郭曼[1] 邢东兴[2] 员永生[1] Author： LIU Wei[1] CHANG Qing-Rui[1] GUO Man[1] XING Dong-Xing[2] YUAN Yong-Sheng[1] 作者单位： 西北农林科技大学,资源环境学院,陕西,杨凌712100西北农林科技大学,资源环境学院,陕西,杨凌712100;咸阳师范学院,资源环境系,陕西,咸阳,71 期 刊： 红外与毫米波学报 ISTICEISCIPKU Journal： JOURNAL OF INFRARED AND MILLIMETER WAVES 年，卷(期)： , 30(1) 分类号： S127 关键词： 可见/近红外光谱 夏玉米 小波系数 低通滤波器 主成分分析 机标分类号： TP3 TN9 机标关键词： 夏玉米 近红外光 多尺度小波分解 成分提取 氮素含量 神经网络检测 infrared spectra summer corn nitrogen content 玉米叶片 广义回归神经网络 叶片光谱 系数向量 离散近似 氮素处理 近红外反射 主成分分析 输入参数 对数变换 推广能力 基金项目： 国家科技支撑计划重大项目，国家自然科学基金项目，973计划项目 夏玉米可见/近红外光小波主成分提取与氮素含量神经网络检测[期刊论文] 红外与毫米波学报 --2011, 30(1)刘炜 常庆瑞 郭曼 邢东兴 员永生使用高光谱仪ASD Field Spec于吐丝期采集不同氮素处理的夏玉米叶片光谱,并进行对数变换处理;通过对绿峰(450～680nm)和近红外反射平台(760～1000nm)谱段光谱数据进行多尺度小波分解,获取第二层离散近似小波系数向量;...篇8：近红外光谱和化学计量方法用于火箭煤油快速分析检测的研究
近红外光谱和化学计量方法用于火箭煤油快速分析检测的研究
摘要：基于火箭煤油的近红外光谱数据和化学计量学方法,成功地对火箭煤油的`密度、馏程、粘度、碘值等四种特性指标进行了测定.本文测定了70多个火箭煤油样品的近红外光谱,在适当的光谱区间内用偏最小二乘法(PLS)法建立模型,各参数的相关性R2在0.862～0.999之间.用该模型对10个未知样品进行测定,近红外光谱法预测的准确度均符合标准分析方法的要求.研究表明,该方法为火箭煤油分析检测提供了一种简便、快捷、准确的方法. 作者： 夏本立[1]丛继信[1]李霞[2]王煊军[2] Author： XIA Ben-li[1] CONG Ji-xin[1] LI Xia[2] WANG Xuan-jun[2] 作者单位： 总装备部后勤部防疫大队,北京,100101第二炮兵工程学院503教研室,陕西,西安,710025 期 刊： 光谱学与光谱分析 ISTICEISCIPKU Journal： SPECTROSCOPY AND SPECTRAL ANALYSIS 年，卷(期)： 2011, 31(6) 分类号： V312.1 关键词：近红外光谱(NIRS) 火箭煤油 偏最小二乘(PLS) 机标分类号： R28 O65 机标关键词：近红外光谱法 化学计量方法 火箭 煤油 分析检测 Near Infrared Spectrum Analysis Rapid Determination 化学计量学方法 偏最小二乘法 测定 标准分析方法 未知样品 特性指标 建立模型 光谱数据 准确度 油样品 粘度 预测 基金项目： 总装备部项目
文档为doc格式