可见/近红外光谱快速测定土壤中的有机碳含量和阳离子交换量

摘要

为实现土壤中有机碳(TOC)含量和阳离子交换量(CEC)的快速检测,对300个土壤样品的可见/近红外光谱数据进行了分析.使用快速独立分量分析(FastICA)算法对光谱数据矩阵进行分解,得到独立成分和相应的混合系数矩阵,再利用误差反向传播算法(back-propagation,BP)构造三层神经网络结构.为了克服传统BP神经网络结构难以确定和易于陷入局部极小点的缺点,采用遗传算法优化BP神经网络结构和初始权值,得到ICA-GA-BP模型.利用此模型对土壤中TOC含量和CEC进行预测,根据预测相关系数(R~2)和预测标准偏差(RMSEP)来评价预测模型的性能,表明该模型对TOC含量和CEC测定的相关系数R~2均达到0.98以上.说明文章提出的ICA-GA-BP建模方法具有很好的预测效果,为土壤品质的鉴别提供了一种新方法.