《表5 不同建模方法性能比较》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于卤钨灯光源和多路光纤的土壤全氮含量检测仪研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

为了实现土壤全氮含量的快速检测，选取40个土壤样本作为建模集，20个土壤样本作为验证集，根据土壤全氮含量检测仪所测得的吸光度数据和凯氏定氮仪测得的全氮含量分别建立多元线性回归模型（Sparse multinomial logistic regression，SMLR）、BP神经网络预测模型（Back propagation nerual networks，BPNN）和偏最小二乘法（Partial least squares，PLS）预测模型，结果如图7和表5所示。采用PLS建模时模型精度最高，RC2为0.861 3，验证RV2为0.804 2，可以用于检测仪的土壤全氮含量嵌入模型。