《表2 RBF模型敏感光谱区间和网络参数》

  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

《近红外光谱法对土壤有机碳组成的无损分析》

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

敏感光谱波段的选择是建立稳定的校正模型的前提.为分析敏感光谱的选择对模型预报结果的影响程度，进一步简化模型，基于全光谱的RBF网络模型建模流程，建立了GA自动优化光谱波段的RBF网络模型.网络的输入变量取决于GA选择的敏感光谱波长区间.实验中，需将进行光谱波长优选的谱区进行分割，即将1 700个（801~2 500nm）变量作为选择对象，划分为34个波长区间.每个波长区间作为一个基因，对其进行0和1编码.若编码为1则相应波长区间在建模时被选择；若编码为0则相反.RBF网络参数编码与全光谱相同.在模型优化过程中，依据目标函数自动搜索敏感光谱区间和网络参数.其中，原始光谱经MSC处理后，应用GA自动优化的5段敏感光谱波长区间为801~900nm，951~1 100nm，1 301~1 400nm，1 501~1 600nm和1 901~2 050nm.优化后RBF网络模型总的波长数由1 700降到600个，大大降低了模型的复杂度和缩短了运行时间.最优RBF网络的隐含层节点数为52个，基函数宽度为0.195 3.其他光谱建立的RBF网络模型的敏感光谱区间和最优网络拓扑参数如表2所示.由表1和2可见，GA优化后的RBF模型实现了对土壤有机碳组成含量的较高精度预报，且预报性能均好于全光谱模型.同时，基于MSC光谱所建模型预报效果最好，这与全光谱RBF模型的结果相同.