摘要
1 绪论
1.1 引言
1.2 近红外光谱技术的简述
1.2.1 近红外光谱技术原理与技术在土壤有机碳含量测定中的可行性
1.2.2 土壤样品近红外光谱的预处理方法及其作用
1.2.3 近红外光谱预测模型的预测及传递问题
1.3 近红外光谱技术在土壤上的应用
1.3.1 国外研究现状
1.3.2 国内研究现状
1.4 研究方法与技术路线
1.4.1 研究方法
1.4.2 技术路线
2 基于PLS与PCR线性建模方法及模型优化
2.1 引言
2.1.1 PLS与PCR算法的优缺点
2.1.2 偏最小二乘法的原理
2.2 实验原理与土壤样品数据的获取
2.2.1 漫反射光谱测定原理
2.2.2 土壤样品的采集与制备及近红外光谱采集
2.2.3 土壤有机碳含量的测定
2.3 模型评价
2.4 结果与讨论
2.4.1 土壤样品近红外原始光谱
2.4.2 土壤样品得分图与残余方差图的分析
2.4.3 基于全波段光谱的预测模型
2.4.4 基于优选谱区的预测模型
2.5 本章小结
3 基于BP神经网络的土壤有机碳含量近红外模型优化
3.1 引言
3.2 BP神经网络在近红外光谱数据分析中的实现
3.2.1 BP神经网络的简述
3.2.2 BP神经网络对近红外光谱数据的分析流程
3.3 结果与讨论
3.3.1 主成分分析法压缩土壤近红外光谱数据
3.3.2 基于BP神经网络的土壤有机碳含量的预测结果
3.4 本章小结
4 基于SVR非线性建模方法及优化
4.1 支持向量机(SVR)在近红外光谱数据分析中的实现
4.1.1 SVR神经网络简述
4.1.2 模型建立
4.2 MATLAB实现
4.2.1 根据模型假设选定自变量和因变量
4.2.2 数据预处理
4.2.3 参数选择
4.2.4 训练及回归预测
4.3 本章小结
结论
参考文献
附录
攻读学位期间发表的学术论文
致谢
声明