黑龙江农业科学
黑龍江農業科學
흑룡강농업과학
HEILONGJINAG AGRICULTURAL SCIENCE
2011年
4期
22-25
,共4页
周萍%张广才%王佼%周崇俊%韩晓日
週萍%張廣纔%王佼%週崇俊%韓曉日
주평%장엄재%왕교%주숭준%한효일
人工神经网络%近红外光谱%水稻叶片%氮素
人工神經網絡%近紅外光譜%水稻葉片%氮素
인공신경망락%근홍외광보%수도협편%담소
应用近红外(NlR)光谱和误差反传人工神经网络(BP-ANN)方法建立了水稻叶片氮素含量的定量分析模型.首先对近红外光谱进行Savitzky-Golay求导处理,然后通过相关系数法选择波长范围,采用偏最小二来回归PLS降维并输入BP-ANN建立校正模型,用验证样品对校正模型进行验证.结果表明:BP-ANN最佳模型的预测相关系数(RP)为0.9747,预测标准误差(SEP)为4.005,预测相时标准差(RPD)为3.109.表明BP-ANN模型稳健可靠,可较好地用于水稻叶片氮素的快速测定.
應用近紅外(NlR)光譜和誤差反傳人工神經網絡(BP-ANN)方法建立瞭水稻葉片氮素含量的定量分析模型.首先對近紅外光譜進行Savitzky-Golay求導處理,然後通過相關繫數法選擇波長範圍,採用偏最小二來迴歸PLS降維併輸入BP-ANN建立校正模型,用驗證樣品對校正模型進行驗證.結果錶明:BP-ANN最佳模型的預測相關繫數(RP)為0.9747,預測標準誤差(SEP)為4.005,預測相時標準差(RPD)為3.109.錶明BP-ANN模型穩健可靠,可較好地用于水稻葉片氮素的快速測定.
응용근홍외(NlR)광보화오차반전인공신경망락(BP-ANN)방법건립료수도협편담소함량적정량분석모형.수선대근홍외광보진행Savitzky-Golay구도처리,연후통과상관계수법선택파장범위,채용편최소이래회귀PLS강유병수입BP-ANN건립교정모형,용험증양품대교정모형진행험증.결과표명:BP-ANN최가모형적예측상관계수(RP)위0.9747,예측표준오차(SEP)위4.005,예측상시표준차(RPD)위3.109.표명BP-ANN모형은건가고,가교호지용우수도협편담소적쾌속측정.