PSO-BP神经网络模型的训练方法、存储介质及终端技术

本发明专利技术公开了一种用于重金属含量预测的PSO‑BP神经网络模型的训练方法、存储介质及终端设备，其中，所述训练方法包括：对样本土壤进行重金属含量的测定处理，获得样本土壤的重金属含量数据；对样本土壤进行光谱反射率处理，获得处理后的样本土壤的光谱反射率曲线；根据所述样本土壤的重金属含量数据和所述处理后的样本土壤的光谱反射率曲线进行特征波段选取处理，获得样本土壤的特征波段；构建PSO‑BP神经网络模型；采用所述样本土壤的特征波段输入构建好的PSO‑BP神经网络模型进行训练学习，直至所述PSO‑BP神经网络模型收敛。在本发明专利技术实施例中，通过本发明专利技术实施例训练的模型进行土壤重金属含量估算预测的精度大大提高。

【技术实现步骤摘要】
PSO-BP神经网络模型的训练方法、存储介质及终端
本专利技术涉及人工智能
，尤其涉及一种用于重金属含量预测的PSO-BP神经网络模型的训练方法、存储介质及终端设备
技术介绍
土壤是有限的重要自然资源，而环境中重金属污染物具有循环和极难降解的特点，尤其是存在于土壤中的重金属兼具富集性，最终造成现存的或潜在的土壤质量退化、生态环境恶化等现象，并能够通过食物链到达人体，直接危害人体健康。比如，华南地区是中国最重要的矿带之一，目前众多的矿产资源主要分布在珠江三角洲水系的上游或支流及重要农副产品的山区。矿产资源的大规模开发，会对土壤造成严重的重金属污染。据调查统计，近年来华南地区部分城市有50％的农田遭受镉、砷、汞有毒重金属和石油类污染，引起了土壤退化、水体污染和植被受损等一系列环境问题，甚至威胁到人类的生命安全，而反过来又会制约社会经济的发展。然而，目前土壤重金属污染监测方法是从野外采集样品，然后进行室内化学分析。虽然这种传统的化学分析方法能够保证准确性和精确性，但大面积监测时，消耗的工作量大，成本高，无法保证时效性，不利于矿区土壤重金属污染的动态监测。进而寻找一种能够对于矿区土壤重本文档来自技高网...

【技术保护点】
1.一种用于重金属含量预测的PSO‑BP神经网络模型训练方法，其特征在于，所述方法包括：对样本土壤进行重金属含量的测定处理，获得样本土壤的重金属含量数据；对样本土壤进行光谱反射率处理，获得处理后的样本土壤的光谱反射率曲线；根据所述样本土壤的重金属含量数据和所述处理后的样本土壤的光谱反射率曲线进行特征波段选取处理，获得样本土壤的特征波段；构建PSO‑BP神经网络模型；采用所述样本土壤的特征波段输入构建好的PSO‑BP神经网络模型进行训练学习，直至所述PSO‑BP神经网络模型收敛。

【技术特征摘要】
1.一种用于重金属含量预测的PSO-BP神经网络模型训练方法，其特征在于，所述方法包括：对样本土壤进行重金属含量的测定处理，获得样本土壤的重金属含量数据；对样本土壤进行光谱反射率处理，获得处理后的样本土壤的光谱反射率曲线；根据所述样本土壤的重金属含量数据和所述处理后的样本土壤的光谱反射率曲线进行特征波段选取处理，获得样本土壤的特征波段；构建PSO-BP神经网络模型；采用所述样本土壤的特征波段输入构建好的PSO-BP神经网络模型进行训练学习，直至所述PSO-BP神经网络模型收敛。2.根据权利要求1所述的PSO-BP神经网络模型训练方法，其特征在于，所述对样本土壤进行重金属含量的测定处理，获得样本土壤的重金属含量数据，包括：称取样本土壤0.2g，采用盐酸-硝酸-氢氟酸对0.2g样本土壤进行溶解，在溶解后蒸至干燥形成干燥固体；采用5％的盐酸对所述干燥固体进行加热溶解，溶解之后领用纯水定容至20ml；基于火焰原子吸收光谱法检测样本土壤中的重金属镉元素的含量，基于原子荧光光谱法检测样本土壤中的重金属汞元素和砷元素的含量，获得样本土壤的重金属含量数据；所述样本土壤的重金属含量数据包括样本土壤的重金属镉元素含量数据、样本土壤的重金属汞元素含量数据和样本土壤的重金属砷元素含量数据。3.根据权利要求1所述的PSO-BP神经网络模型训练方法，其特征在于，所述对样本土壤进行光谱反射率处理，获得处理后的样本土壤的光谱反射率曲线，包括：对样本土壤进行光谱反射率进行测定，获取样本土壤的原始光谱反射率的曲线；基于Savitzky-Golay平滑算法对原始光谱反射率的曲线进行平滑处理，获取平滑后的光谱反射率曲线；对所述平滑后的光谱反射率曲线中的光谱进行光谱变换处理，获得处理后的样本土壤的光谱反射率曲线；其中光谱变换处理分别包括：连续统去除处理、一阶微分处理、二阶微分处理、倒数变换处理和倒数对数处理；所述处理后的样本土壤的光谱反射率曲线包括：光谱反射率连续统去除曲线、光谱反射率一阶微分曲线、光谱反射率二阶微分曲线、光谱反射率倒数变换曲线和光谱反射率倒数对数曲线。4.根据权利要求1所述的PSO-BP神经网络模型训练方法，其特征在于，所述根据所述样本土壤的重金属含量数据和所述处理后的样本土壤的光谱反射率曲线进行特征波段选取处理，获得样本土壤的特征波段，包括：基于Pearson相关系数分析所述处理后的样本土壤的光谱反射率曲线与所述样本土壤的重金属含量数据之间的相关性，获取相关系数；基于所述相关系数筛选出显著性水平大于预设值的所述处理后的样本土壤的光谱反射率曲线的波段，作为样本土壤的特征波段；其中，基于Pearson相关系数分析所述处理后的样本土壤的光谱反射率曲线与所述样本土壤的重金属含量数据之间的相关性的公式如下：其中，rd表示所述处理后的样本土壤的光谱反射率曲线与所述样本土壤的重金属含量数据之间的相关系数；xcd表示第c样本土壤的第d个波段的光谱反射率；表示第d个波段中所有样本土壤的光谱反射率的平均值，c＝1,2,3,…,h；yc表示第c个样本土壤重金属含量值，表示样本土...

【专利技术属性】
技术研发人员：胡月明，刘飘，
申请(专利权)人：华南农业大学，
类型：发明
国别省市：广东,44