文献类型：期刊文章

作　　者：李伟[1] 张书慧[1] 张倩[1] 董朝闻[2] 张守勤[1]

机构地区：[1]吉林大学生物与农业工程学院,长春130025 [2]东风汽车有限公司商用车研发中心,十堰442001

出　　处：《农业工程学报》

基　　金："863"国家高技术研究发展计划项目(2003AA209090-8)

年　　份：2007

卷　　号：23

期　　号：1

起止页码：55-59

语　　种：中文

收录情况：AJ、BDHX、BDHX2004、CAB、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2011_2012、EI(收录号：20071310514453)、FSTA、IC、JST、PROQUEST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：运用偏最小二乘法(PLS)和人工神经网络(ANN)方法分别建立了0.9 mm筛分风干黑土土壤碱解氮、速效磷和速效钾含量预测的近红外光谱(N IRS)分析模型。使用偏最小二乘算法建立的碱解氮、速效磷和速效钾校正模型的决定系数R2分别为0.9520、0.8714和0.7300,平均相对误差分别为3.42%、13.40%和7.40%。人工神经网络方法建立的碱解氮、速效磷和速效钾校正模型的决定系数分别为0.9563、0.9493和0.9522,相对误差分别为2.67%、6.48%和2.27%,测试集仿真的相对误差分别为5.44%、16.65%和7.87%。结果表明,人工神经网络方法所建立的校正模型均优于偏最小二乘法所建模型;用近红外光谱分析法预测土壤碱解氮含量是可行的,而速效磷、速效钾模型的测试集样品仿真的相对误差较大,其预测可行性还需做进一步研究。

关 键 词：近红外光谱分析 神经网络  偏最小二乘法 土壤养分  

分 类 号：S153]