《表5 GBRT建模算法的模拟结果》
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
《结合分数阶微分技术与机器学习算法的土壤有机碳含量光谱估测》
综上所述,基于FOD光谱的模型与基于整数阶导数光谱或原始反射光谱的模型相比,其显示更好的预测性能。在实验设计的体系下,ELM预测SOC含量的性能最差,存在明显的不稳定性;RF的预测性能并没有随着阶数的增加产生明显变化,表现最为稳定;MARS、Elastic Net和GBRT三种模型随着阶数的增加,预测性能都得到显著增强,其中GBRT在不同阶数下的预测性能都优于其他模型。最终,GBRT表现出最大的R2和RPD值以及最低RMSE值,其预测SOC含量的性能在5种模型中表现最佳。
图表编号 | XD00188269000 严禁用于非法目的 |
---|---|
绘制时间 | 2020.08.10 |
作者 | 赵启东、葛翔宇、丁建丽、王敬哲、张振华、田美玲 |
绘制单位 | 新疆大学绿洲生态教育部重点实验室、新疆大学资源与环境科学学院智慧城市与环境建模自治区普通高校重点实验室、新疆大学绿洲生态教育部重点实验室、新疆大学资源与环境科学学院智慧城市与环境建模自治区普通高校重点实验室、新疆大学绿洲生态教育部重点实验室、新疆大学资源与环境科学学院智慧城市与环境建模自治区普通高校重点实验室、新疆大学绿洲生态教育部重点实验室、新疆大学资源与环境科学学院智慧城市与环境建模自治区普通高校重点实验室、广东省生态环境技术研究所、新疆大学绿洲生态教育部重点实验室、新疆大学资源与环境科学学院智慧城市 |
更多格式 | 高清、无水印(增值服务) |