《表3 红壤有机质含量PLSR-BP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》

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

在进行PLSR-BP复合建模时，将PLSR建模中提取出的潜变量作为自变量进行土壤有机质预测模型的构建。表3为PLSR-BP复合建模结果，与表1、表2相比较，可以看出PLSR-BP复合建模的R模型RPD较单一的PLSR和BP模型而言提升到了1.96，但仍只能对样本有机质含量进行粗略估测。ILR模型的RPD为1.98，较PLSR建模提升了5.9%，但相比BP神经网络降低了12.5%，只能粗略估计样本有机质含量。FOD(0.5）、FOD(2）及LDR模型的RPD分别为2.41、2.27、2.46，均具有较好的估测土壤有机质含量的能力。FOD(1）和FOD(1.5）模型的RPD分别为2.63和2.75，具有很好的预测能力。除R模型，其余模型训练集R2均低于BP神经网络模型，验证集R2有所提升。其中FOD(1.5）优于0.5、1、2阶导数模型，相比经过FOD(1.5）变换的BP神经网络模型，训练集R2下降了3.2%，RMSE上升了15.0%，验证集R2上升了7.4%，RMSE下降了15.5%，RPD上升了18.0%。图4可以看出FOD(1.5）模型的验证样本基本在1︰1线附近，预测能力为最优。总体而言，PLSR-BP复合模型验证集的各项判定指标均优于PLSR或BP神经网络单独建模。