《表2 红壤有机质含量BP神经网络模型精度》
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PLSR-BP复合模型的红壤有机质含量反演研究》
BP神经网络模型是将训练集各波段光谱数据作为输入层数据,土壤有机质含量作为输出层数据进行构建。从表2中可以看出,基于光谱反射率数据(R)的BP神经网络模型的训练集和验证集精度均不高且RPD仅为0.89,无法对样本有机质进行预测。FOD(0.5)、FOD(1)、FOD(1.5)、FOD(2)、ILR和LDR模型的训练集R2均达到了0.90以上,RMSE均小于5.00 g·kg–1;验证集R2基本达到0.80,RMSE基本在7.00 g·kg–1以下,RPD均在2.10以上,具有较好的预测有机质含量的能力。其中ILR模型训练集R2最高达到了0.95,RMSE为3.14 g·kg–1,但验证集中FOD(1)模型R2最高为0.84,RMSE为6.55 g·kg–1,RPD为2.34。结合表1和表2可以看出,与PLSR相比,BP神经网络R模型的RPD下降了0.86,其余变换RPD均有所提升。
图表编号 | XD00173244000 严禁用于非法目的 |
---|---|
绘制时间 | 2020.05.01 |
作者 | 国佳欣、赵小敏、郭熙、徐喆、朱青、江叶枫 |
绘制单位 | 江西农业大学国土资源与环境学院、江西省鄱阳湖流域农业资源与生态重点实验室、江西农业大学国土资源与环境学院、江西省鄱阳湖流域农业资源与生态重点实验室、江西农业大学国土资源与环境学院、江西省鄱阳湖流域农业资源与生态重点实验室、江西农业大学国土资源与环境学院、江西省鄱阳湖流域农业资源与生态重点实验室、江西农业大学国土资源与环境学院、江西省鄱阳湖流域农业资源与生态重点实验室、江西农业大学国土资源与环境学院、江西省鄱阳湖流域农业资源与生态重点实验室 |
更多格式 | 高清、无水印(增值服务) |