文献类型：期刊文章

作　　者：孙波[1] 梁勇[1] 汉牟田[2] 杨磊[1] 荆丽丽[1] 俞永庆[3]

SUN Bo;LIANG Yong;HAN Mutian;YANG Lei;JING Lili;YU Yongqing(College of Information Science and Engineering,Shandong Agricultural University,Taian 271019,China;School of Electronic and Information Engineering,Beihang University,Beijing 100083,China;Haiyang Oil Production Plant,Shengli Oil Field of China Petroleum and Chemical Corporation,Dongying 257237,China)

机构地区：[1]山东农业大学信息科学与工程学院,泰安271019 [2]北京航空航天大学电子信息工程学院,北京100083 [3]中国石油化工股份有限公司胜利油田分公司海洋采油厂,东营257237

出　　处：《北京航空航天大学学报》

基　　金：国家重点研发计划(2016YFC0803104);北航北斗技术成果转化及产业化资金资助项目(BARI1709);山东农业大学一流学科资金(XXXY201703);山东农业大学重点培育学科国家自然科学基金申报项目资助计划;金华市科技特派员项目(20180109151645582)~~

年　　份：2019

卷　　号：45

期　　号：3

起止页码：486-492

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2019_2020、EI、IC、INSPEC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：针对提高大范围土壤湿度测量精度的问题,研究了土壤湿度的全球卫星导航系统干涉测量法(GNSS-IR),提出了一种基于支持向量机(SVM)的土壤湿度反演模型,利用遗传算法(GA)的自动寻优功能寻找SVM的最佳参数。结果表明,GA-SVM模型在测试集上得到的土壤湿度反演值与实测值的平均绝对百分比误差(MAPE)仅为0.69%,最大相对误差(MRE)为1.22%,线性回归方程决定系数达到了0.9569。进一步与统计回归、粒子群优化的SVM模型(PSO-SVM)及反向传播(BP)神经网络方法进行对比,结果说明:在样本数目有限的情况下,GA-SVM方法更适用于土壤湿度的GNSS-IR技术反演,且反演精度较高,泛化性能良好。

关 键 词：土壤湿度 全球卫星导航系统(GNSS)  干涉测量法(IR)  支持向量机(SVM)  遗传算法(GA)  

分 类 号：S152.71] TP18]