可见近红外光谱快速测定土壤中的有机碳含量和阳离子交换量解读.docx

1、可见近红外光谱快速测定土壤中的有机碳含量和阳离子交换量解读第卷，第期年月光谱学与光谱分析，可见近红外光谱快速测定土壤中的有机碳含量和阳离子交换量方利民，冯爱明，林敏。中国计量学院计量测试工程学院，浙江杭州摘要为实现土壤中有机碳（）含量和阳离子交换量（）的快速检测，对个土壤样品的可见近红外光谱数据进行了分析。使用快速独立分量分析（）算法对光谱数据矩阵进行分解，得到独立成分和相应的混合系数矩阵，再利用误差反向传播算法（，）构造三层神经网络结构。为了克服传统神经网络结构难以确定和易于陷入局部极小点的缺点，采用遗传算法优化神经网络结构和初始权值，得到模型。利用此模型对土壤中含量和进行预测，根据预测相关

2、系数（）和预测标准偏差（）来评价预测模型的性能，表明该模型对含量和测定的相关系数均达到以上。说明文章提出的建模方法具有很好的预测效果，为土壤品质的鉴别提供了一种新方法。关键词可见近红外光谱；独立分最分析；神经网络；遗传算法；土壤中图分类号：文献标识码：（）量学方法对其（）含量和进行测定。首先用离散小波引言对土壤而言，有机碳（变换对个土壤样品的可见近红外光谱数据进行有效压缩，然后用算法对其进行分解，提取独立成分，）含量是和相应的混合系数矩阵。通过遗传算法（，）优化神经网络结构，最后再用神经网络建立土壤中有机碳含量和阳离子交换量两个主要指标的检测模型。结果表明，校正样品集的模型预测值与标准方法参考

3、值的相关系数都达到以上，所建模型具有实际应用价值。一项莺要的物化性质指标。一般来说，土壤中有机碳含量越高，土壤吸附污染物的能力就越强。现行的测定有机碳的标准方法，如蕈铬酸钾外加热氧化法存在操作复杂、费时、费电、污染环境和氧化不完全等缺点，而且实验结果有较大的系统误差。土壤吸附阳离子的能力用吸附的阳离子总量表示，称为阳离子交换量（，）。阳实验数据与方法数据数据为离子交换量的测定受多种因素的影响，例如交换剂的性质、盐溶液的浓度和值等，必须严格掌握操作技术才能获得可靠结果。在土壤检测中红外、近红外的应用较多，已有研究人员使用光谱技术测量土壤的理化参数等，如等用测定土壤粘粒含量、阳离子交换量（）、粉砂

4、量等的研究结果都是比较可靠的。近年来国外也将紫外、可见光等用于土壤检测的研究。光谱法用于土壤检测具有以下特点：宏观尺度与微观尺度的有效结合，获取的土壤信息量大，覆盖而宽，而且无破坏；其次是时效性强，分析速度快，可实现在线或实时分析；另外操作简单，成本低，多组分可同时测定。本文将可见近红外光谱用于土壤检测，并使用化学计收稿日期：。修订日期：基金项目：国家自然科学基金项目（）：和浙江省科技计划项目（）资助作者简介：方利民，年生，中国计量学院计量测试工程学院硕士研究生通讯联系人：提供的土壤样品红外光谱数据以及相应的有机碳含量（，单位：）和阳离子交换茸（：，单位：一）。所用的仪器为美国（）公司光范围内

5、扫描得到可见近红外谱仪，在波长光谱，采样间隔为姗。有机碳含营的标准参考值的测定是采用于燥的土壤样本，以之湿式氧化法分析得到；阳离子交换量的标准参考值的测定采用的是值为的法。选取个样品用于定量分析模型的建立，在建模之前将样品划分为校正样品集和预测样品集，各万方数据光谱学与光谱分析第卷取总样品数的和。图为某一土壤样品的可见近红外光谱图。们毗叭），讲）唔优昀眦独立分量分析假定采集所得的个传感器信号，记为期，勋，丑，是个未知独立信号源，昆，的线性组合。记，丑，是混合阵，其元素为（一，；，），则一胳（）这就是的基本模型。的目的是在假设源信号相互统计独立的条件下，仅通过可获得的个传感器信号来估计混合矩阵以

6、及源信号，即找到分离阵使满足雪一（）其中雪是的估计，是混合阵的逆。理论及分离算法的关键在于如何度量分离结果的独立性，本文将应用一种基于负熵的独立性判决准则的算法对光谱数据进行处理，该算法采用牛顿迭代算法，收敛速度快。光谱模型及求解算法根据且定律，光谱数据可建模为各成分光谱与其贡献度乘积的加和（）其中，是个样品在个波长处的光谱数据矩阵，是独立成分矩阵，在理想的分解状态下相当于纯物质的光谱数据矩阵，混合矩阵与纯物质在混合样品中的浓度有关。根据式（）的模型，将每个样品的光谱作为个独立成分的线性组合。本文将快速独立分量分析算法与神经网络相结合，用于土壤的可见近红外光谱解析，如图所示。算法的具体实现步骤

7、如下：（）数据集的输入。包括校正集样本数据阵和浓度矩阵、预测集样本数据阵如。（）对数据阵进行分解。使用算法计算独立成分矩阵和相应的混合系数矩阵。一，为分离矩阵的逆。（）校正模型的建立。建立与之间的数学模型，本文使用非线性的神经网络方法，并用遗传算法优化网络结构。万方数据（）预测集样本浓度的预测。首先，由和，计算预测集样本数据的混合矩阵，矿为的逆。其次，将鸭作为步骤（）所建模型的输入。计算所对应的浓度信息。（）相应评价指标的建立。本文选取均方根误差（）和相关系数（）作为模型预测准确度的评价。蔫吾撵鞋晷瑚他由于神经网络是基于梯度下降的误差反向传播算法进行学习的，在网络的设计过程中往往要经过反复的试

8、凑和训练，无法严格保证每次训练时算法的收敛性和全局最优性。在实际应用中，神经网络也暴露出一些自身的弱点，如收敛速度慢，极易陷入局部极值点；另外神经网络的初始连接权以及网络结构的选择缺乏依据，具有很大的随机性，很难选取具有全局性的初始点，因求得全局最优的可能性较小，这样限制它的应用。为克服其不足，本文利用遗传算法对其进行改进，建立神经网络。实验结果与分析网络结构采用层神经网络：输入层、中间隐层和输出层。输入层与隐层、隐层与输出层之间的传递函数分别用函数和函数，优化学习算法选用的是学习算法。对土壤的含量和分别建立校正模型。在神经网络的学习过程中，为了防算法过甲收敛，学习过程中首先由司时搜索解宅问的

9、一群点，并构成一个不断进化的群体序列，在儿代的进化后，可以同时得到一些具有伞局性的较好点，由这些较好点发，再分别用神经网络算法进行学习，找到伞局最优的权值，从而完成网络的学习。本文中遗传算法进化过程中的初始种群取，总的进化代数。首先，通过分析被测含量校正模型的值与神经网络中间隐层神经元数之间的关系，确定了含量和的定最分析模型中网络的取值分别为和。其次，网络的输入为经算法分解得到的混合系数矩阵，因此对于分解中分量数的选择不仅关系到算第期光谱学与光谱分析法的精确度，而且与网络的运行速度以及所建模型的精度有关。本文采用不同的分量数选取来得到最优的数值。分别分析两种被测含量的校正模型的和值与分量数之问

10、的关系，综合考虑模型的性能和所需的计算量，确定了和的定量分析模型中的值分别为和。最后，网络的输出层节点数取为。试验结果与讨论采用上述网络结构，对土壤中和分别建立了定最分析模型。校正集样品的预测值与所提供参考值之间的相关性分析见图。町以看出，校模型的相关系数都在以上，这充分地说明了该模刑的线性特征很好。用建立的定量模制对预测集中未知样品进行预测分析。用本文所述方法所得到的数据与标准方法测得的参考值吻合很好，预测样品集中的个样品俳方法测定值与参考值相比，含量与值的最大相对偏差均小于。由于神经网络的自组织、自学习性对样品中随机误差的校正，预测精度得到显著提高，此外模型的稳定性也会有所增强。，、譬宣昌

11、嗣趸它奎（一）矾）（一）（）（）万方数据下面用和方法建立土壤中含量与值的分析模型，并与本文所用方法作比较。利用种方法分别建立校正模型，所建模型的预测能力的比较结果见表。可见，方法所建的模型在和两个指标上均优于和方法。，首先，方法结合和神经网络所得的预测结果都很好，其中网络的预测能力要稍占优势。网络使用全局收敛算法搜、手初始权值，而网络使用随机的初始权值，两个网络町能收敛到不同的极值点，网络的伞局收敛件要优于单纯的网络，因此所得结果也较网络好。当然，在网络的初始权值选取地较为合适的情况下，网络和网络将收敛到相同的极值点，所得预测结果相同。其次，由表可见，当在建模之前使用分解时，所得预测结果明显较

12、好。算法将光谱矩阵分解为独立分馈矩阵和混合系数矩阵，而独立分量矩阵被认为是主要成分的光谱，具有实际的化学含义。通过以：的讨论分析，可得以下结沦：（）用算法优化神经网络，可以限制初始权值的范围，避免局部收敛和收敛速度慢的问题。（）分解具有实际的化学含义，将其用于近红外光谱分析建模可有效提高模型精确度。（）方法所建模型的预测能力要优于和网络方法。本文将其用于土壤的可见近红外光谱分析，建立（）含量与的测定模型，所得结果令人满意。结论应用光谱分析技术结合化学计量学方法对土壤中有机碳含量和阳离子交换量进行了预测分析，采用神经网络与算法相结合的方法，通过遗传算法优化网络结构，选择了网络最佳优化参数，建立了

13、分析模型。预测结果的相关系数和均方根误差都达到了预期的效果，是对传统土壤指标测定方法的改进，为开发出更高精度的、以及其他一些指标的检测仪器以及实时在线测量提供了依据。将方法与技术应用于土壤算法的样品的检测，丰富化学计量学方法，也拓宽应用领域。光谱学与光谱分析第卷参考文献，（梁重山，党志，刘丛强）（土壤学报）。，（）：，八，（）：。，（）：，（）：，。（）：，（宋韬，鲍一丹，何勇）（光谱学与光谱分析），（）；，（）：，（方利民，林敏）（分析化学），（）；，。，（）（），（）（），（），（）（）。（）；（，；，）万方数据可见/近红外光谱快速测定土壤中的有机碳含量和阳离子交换量作者：作者单位：刊名：

14、英文刊名：年，卷(期)：被引用次数：方利民， 冯爱明， 林敏， FANG Li-min， FENG Ai-ming， LIN Min中国计量学院计量测试工程学院,浙江,杭州,310018光谱学与光谱分析SPECTROSCOPY AND SPECTRAL ANALYSIS2010,30(2)1次参考文献(8条)1.梁重山;党志;刘丛强 土壤/沉积物样品中有机碳含量的快速测定期刊论文-土壤学报 2002(01)2.Cheng W C;Laird D A Near-infrared reflectance spectroscopic analysis of soil C and N外文期刊2002(

15、02)3.Mouazen A M;Baerdemaeker J D E;Ramon H 查看详情外文期刊 2006(03)4.Rossel R A V;Walvoort D J J;Mcbratney A B 查看详情外文期刊 2006(1-2)5.Pirie A;Balwant S;Kamrunnahar I 查看详情外文期刊 2005(06)6.宋韬;鲍一丹;何勇 利用光谱数据快速检测土壤含水量的方法研究期刊论文-光谱学与光谱分析 2009(03)7.Hyvafinen A;Oja E Independent component analysis: algorithms and applications.外文期刊 2000(4-5)8.方利民;林敏 基于独立分量和神经网络的近红外多组分分析方法期刊论文-分析化学 2008(06)引证文献(2条)1.沈沁梅.周卫东.李科学 激光诱导击穿光谱结合神经网络测定土壤中的Cr和Ba期刊论文-光子学报 2010(12)2.沈沁梅.周卫东.李科学 激光诱导击穿光谱结合神经网络测定土壤中的Cr和Ba期刊论文-光子学报 2010(12)本文链接：