【技术实现步骤摘要】
基于堆叠式模型的土壤重金属含量检测方法
[0001]本专利技术属于农业环境检测领域,具体涉及一种基于堆叠式模型的土壤重金属含量检测方 法。
技术介绍
[0002]土壤中的元素多种多样,直接获得的X射线荧光光谱具有高维度、多冗余的特点。此外, 各种元素之间还有着增强吸收效应,因此需要剔除这些无用信息,最大化利用有用信息。目 前流行的区间选择算法主要有变量区间选择法、变量信息选择法、变量优化选择法和变量统 计选择算法。这些算法各有优劣,有的算法侧重于筛选波长区间,有的侧重于筛选波段,均 存在缺陷,效果不理想。
[0003][0004]因此,需要进一步研究优化整合这些算法,使其不再针对单个的变量进行选择,在降维 的同时也能考虑到元素之间的增强吸收效应。
技术实现思路
[0005]本专利技术的技术问题是目前已有的光谱特征变量选择算法大多考虑如何选出有效的波段或 波长区间,并不会对波长点进行优化,影响了根据光谱特征变量预测土壤重金属含量的效率; 现有的以逐步选择算法为代表的光谱波长点的精选算法效果并不理想。
[0006]本专利技术的目的是针对上述问题,提供一种基于堆叠式模型的土壤重金属含量检测方法, 将区间偏最小二乘法(interval partial least squares,iPLS)、变量区间组合优化算法(intervalcombination optimization,ICO)、萤火虫算法(firefly algorithm,FA)和连续投影算法(successiveprojectio ...
【技术保护点】
【技术特征摘要】
1.基于堆叠式模型的土壤重金属含量检测方法,其特征在于,所述方法通过堆叠式模型获取土壤样本光谱的波长点,根据波长点与重金属含量的对应关系得到土壤重金属含量,堆叠式模型包括堆叠的基学习器和元学习器,所述土壤重金属含量检测方法包括以下步骤:步骤1:采集土壤样品,配置预定重金属浓度范围的土壤样本;步骤2:获取土壤样本的X射线荧光光谱,其中重金属元素的含量值利用化学方法标定,形成样本光谱数据集,并将样本光谱数据集分成校正集和验证集;步骤3:利用迭代保留信息法筛选出光谱中的强信息变量与弱信息变量;步骤4:分别从变量区间选择算法、变量优化选择算法、变量统计选择算法和变量波段选择算法中选出具有代表性的四种特征变量选择方法,在强信息变量与弱信息变量的基础上分别构建基学习器进行训练、测试;步骤5:将基学习器集成,构建元学习器,元学习器的输入是基学习器的输出,利用基学习器的输出对元学习器进行训练、测试;步骤6:将待检测土壤的光谱输入基学习器,依据元学习器得到待检测光谱的波长点,依据得到的波长点判断分析土壤重金属的含量。2.根据权利要求1所述的基于堆叠式模型的土壤重金属含量检测方法,其特征在于,步骤5中,选出的特征变量选择方法为区间偏最小二乘法、变量区间组合优化算法、萤火虫算法和连续投影算法。3.根据权利要求1所述的基于堆叠式模型的土壤重金属含量检测方法,其特征在于,对基学习器进行分组训练,将区间偏最小二乘法对应的基学习器和区间组合优化算法对应的基学习器作为一组进行训练,将萤火虫算法对应的基学习器和连续投影算法对应的基学习器作为另一组进行训练。4.根据权利要求1所述的基于堆叠式模型的土壤重金属含量检测方法,其特征在于,所述利用迭代保留信息法筛选出光谱中的强信息变量与弱信息变量,具体包括:(a)对波长变量分类;对每个波长变量计算包含和不包含该波长变量时的偏最小二乘法模型的RMSECV平均值,计算得到平均值的差值,并进行曼
‑
惠特尼秩和检验,确定该变量的类型;在每次迭代中保留强信息变量和弱信息变量,直至波长变量中不包含无信息变量和干扰变量为止;(b)逆向消元;筛选出强信息变量和弱信息变量后,考虑每个波长变量与其它波长变量的交互作用,进行逆向消元,使保留的波长变量的数量进一步减少,得到最优波长变量子集。5.根据权利要求1所述的基于堆叠式模型的土壤重金属含量检测方法,其特征在于,所述变量区间组合优化算法,包括以下步骤:1)确定光谱区间划分数量、子模型的数量和子模型的比率;将光谱划分为宽度相同的e个子区间,对每个光谱子区间分别建立偏最小二乘法模型预测重金属含量;观察比较不同数量的区间划分下的试验结果,将最小的均方根误差值对应的光谱区间划分数量作为最优的子区间数量;
2)确定未进行宽度优化的波长区间;2.1)子模型的生成,利用加权自举采样,生成M个不同波长区间随机组合形成的子集,每个波长点初始采样权重均为1,M表示采样次数,一次采样中波长z被选中的概率p
z
的计算式如下:式中w
z
、w
j...
【专利技术属性】
技术研发人员:任顺,陆旻波,任东,安毅,杨信廷,王纪华,
申请(专利权)人:三峡大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。