基于支持向量机的有机肥总养分含量NRIS分析

合集下载

基于支持向量机的巢湖富营养化程度评价研究

ＷａｇＲＹｇＤｏｕｎａ，ａａｊｎｎｎ
（．ａｓａｓｔｔｏｎｉｎｎａＳｉｃｓＭａｎｈｎ２３０，Ｃｉａ１ＭａｎｈｎＩｔｕｅｆｖｒｍｅｔｃｎｅ，ａｓａ４００ｈｎ；ｎｉＥｏｌｅ
最小化原则代替经验风险最小化原则，决了一些神经网络遗留的问题，由于其应用了核函数思想，解又它可以
较好地解决非线性问题，利用支持向量机多类分类算法，建巢湖富营养化程度评价模型，构取得较好的结果。关键词：支持向量机；函数；核富营养化
２ＳｎｓｅＭａｎｈｎＩｓｔｔｏｎｎｅｅｒｈｃ．ｔ，Ｍａｎｈｎ２３０，Ｃｎ）．ｉｏｔｌａｓａｔｕｅｆｉｇＲｓａｃｏ，ｌｅｎｉＭｉｄａｓａ４００ｈａｉ
ＡｂｔａｔＴｅｌｖｌｏａｅＳｅｔｐｉａｏｓａｅｃｅｙｍａｙ￣ｃｏ，ｔｅｒｌｔｎｈｐｂｔｅｓｅｓｎｎｅｓａｄｓｒｃ：ｈｅｅｆａｌｋ ’ ｕｒｈｃｔｎｉｆｃｔｄｂｎｏｉｔｍｈｅａｏｉｅｗｅｎａｓｓｍｅｔｉｄｘｎｉｓ
ｓｓｒｔｒｌｒｎｚｉｒｎｉｌｎｅｄｏｘｅｍｅｔｏｅ，ｔｒｆｒ，ｉｏｖｄｓａｔｃｕａｉｋｍｉｍｉｔｎｐｉｃｐｅｉｔａｆｅｐｒｎａｎｓｈｅｅｏｅｔｓｌｅｍｅｐｂｅｉｅｅｒｌｎｔｏｋｕｓｉａｏｓｉｌｏｒｌｍｓｗｈｋｎｕａｅｗｒｏ
基于支持向量机的巢湖富营养化程度评价研究

支持向量机土壤养分

支持向量机土壤养分随着人口的不断增加和农业生产的不断发展，土壤质量的问题已经成为制约农业生产和人类生存的重要因素之一。

而土壤养分是农业生产中最为关键的因素之一，它直接影响着作物的生长发育和产量。

因此，如何准确地评估土壤养分水平，成为了当前研究的热点问题之一。

传统的土壤养分评估方法主要是基于实验室分析，包括土壤样品的采集和分析，但这种方法存在着许多缺点，比如需要耗费大量的时间和人力，而且结果容易受到环境因素的干扰。

因此，如何利用现代科技手段来解决这一问题，成为了当前研究的主要方向之一。

支持向量机(Support Vector Machine，简称SVM)是一种机器学习算法，它主要是通过寻找最优的分割超平面来实现对样本数据的分类和回归分析。

在土壤养分评估中，SVM可以通过对土壤样品中的养分含量进行分析，从而实现对土壤养分水平的评估。

在SVM算法中，最核心的是支持向量，它是指离超平面最近的那些样本点，这些样本点被认为是最具有代表性的点。

SVM算法的目标是找到一个最优的超平面，使得离超平面最近的样本点到超平面的距离最大化，从而实现对样本数据的最优分类。

在土壤养分评估中，SVM算法可以通过对土壤样品中的养分含量进行分析，从而实现对土壤养分水平的评估。

具体来说，我们可以将土壤样品中的养分含量作为输入变量，将土壤养分水平作为输出变量，然后利用SVM算法对样本数据进行训练，得到一个最优的分割超平面，从而实现对土壤养分水平的预测。

除了SVM算法之外，还有很多其他的机器学习算法也可以用于土壤养分评估，比如人工神经网络(ANN)、决策树等。

但是相对于这些算法，SVM算法具有更高的精度和更好的鲁棒性，因此在土壤养分评估中具有很大的优势。

总之，土壤养分评估是当前研究的热点问题之一，而SVM算法作为一种高精度、高鲁棒性的机器学习算法，可以很好地解决这一问题。

因此，在未来的研究中，我们可以进一步探讨如何利用SVM算法来提高土壤养分评估的精度和效率，为农业生产和人类生存做出更大的贡献。

基于支持向量机的农作物缺素症状诊断方法

基于支持向量机的农作物缺素症状诊断方法摘要：针对如何利用农作物叶面颜色特征判断其营养症状的实际问题，应用数字图像处理技术和最小二乘支持向量机，提出一种基于支持向量机的农作物缺素症状诊断方法。

首先运用数字图像处理技术计算农作物叶面颜色特征;然后将归一化颜色空间特征输入最小二乘支持向量机，相应缺素症状作为输出，通过遗传算法确定最优组合参数，进而建立了农作物缺素症状诊断方法。

通过大豆缺素症状实际资料的仿真诊断结果表明，该方法速度快且精度高，具有良好的适应性和实用性。

标签：农作物缺素;诊断方法;颜色特征;支持向量机引言农作物叶片表面不同的颜色特征及规律，可反映其不同的营养状况，对于农业生产的高效益且可持续发展非常重要[1]。

20世纪90年代，国内外学者已经开始使用图像处理技术应用到农作物营养信息监测方面的研究[2]，将数字图像的多维特征与智能信息处理技术有机结合[3-5]，为农作物缺素症状诊断提供了理论基础。

文章以大豆叶面的彩色图像为研究对象，应用数字图像处理技术计算大豆缺素症状发生时叶面的颜色特征向量，然后将归一化颜色空间特征向量输入最小二乘支持向量机，并运用遗传算法确定最优组合参数，建立大豆叶面颜色特征与相应缺素症状非线性映射关系，从而提出一种基于支持向量机的农作物缺素症状诊断方法。

为自然条件下利用智能移动终端解决农作物营养症状及施肥提供技术支持，发挥信息智能处理技术优势为农业生产服务。

1 农作物叶面颜色特征本研究在适合的自然条件下，利用彩色数码相机采集不同缺素症状的大豆植株的单叶图像，如图1所示。

大豆叶面数字图像的颜色信息作为其营养诊断及生长发育的指标，依据文献[6]选择机器视觉处理设备的RGB色彩系统和人眼视觉规律相似的HSI模型相结合，提取出大豆生长过程中单叶面图像颜色空间的归一化特征向量，如表1所示。

表1 颜色特征参数2 基于支持向量机的缺素症状诊断方法研究中将大豆叶面图像的颜色特征作为最小二乘支持向量机的输入向量，通过其高维特征空间实现大豆缺素症状的诊断。

基于GA-LS-SVM的水稻叶片含氮率预测

基于GA-LS-SVM的水稻叶片含氮率预测孙俊;毛罕平;羊一清【期刊名称】《江苏大学学报（自然科学版）》【年(卷),期】2010(031)001【摘要】采用水稻无土栽培方法人为控制含氮率,在水稻某特定生长期,同时测量水稻冠层反射率和叶片含氮率,建立了基于冠层反射率的水稻叶片氮含率的回归预测模型.通过分析不同氮环境下各冠层反射率光谱图,确定了与水稻含氮率相关性高的特征波段.针对最小二乘支持向量机(least squares support vector machines,LS-SVM)参数难定问题,采用遗传算法对LS-SVM参数进行优化.试验结果表明,传统人为选定参数的LS-SVM算法模型的平均回判精确率达到97.21%,预测平均误差率达到5.70%,遗传算法最小二乘支持向量机(genetic algorithm least squares support vector machines,GA-LS-SVM)算法模型的平均回判精确率达到99.60%,预测平均误差率达到2.72%.GA-LS-SVM算法模型的回判及预测效果均明显优于人为选定参数的LS-SVM算法.【总页数】5页(P6-10)【作者】孙俊;毛罕平;羊一清【作者单位】江苏大学,江苏省现代农业装备与技术重点实验室,江苏,镇江,212013;江苏大学,电气信息工程学院,江苏,镇江,212013;江苏大学,江苏省现代农业装备与技术重点实验室,江苏,镇江,212013;江苏大学,江苏省现代农业装备与技术重点实验室,江苏,镇江,212013【正文语种】中文【中图分类】Q945.17【相关文献】1.基于冠层高光谱参数的水稻叶片碳氮比监测 [J], 周冬琴;朱艳;杨杰;田永超;姚霞;曹卫星2.茄门甜椒叶片含氮率的初步研究 [J], 宋世君3.基于生态因子与神经网络的杉木叶片碳氮磷含量预测 [J], 童冉;陈庆标;周本智4.水稻分蘖发生及与特定部位叶片叶鞘含氮率的关系 [J], 丁艳锋;黄丕生;凌启鸿5.夏玉米叶片叶绿素含量的时空动态及其与植株含氮率关系的研究 [J], 郑强;王志敏;蔡永旺;苏达;段俊杰因版权原因，仅展示原文概要，查看原文内容请购买。

基于GIS的土壤养分情况分析

基于GIS的土壤养分情况分析作者：刘志莲来源：《南方农业·中旬》2018年第06期摘要土壤的形态和内容的内部结构都非常复杂，在形成的过程中受物理、化学等各方面因素的影响。

随着社会经济的不断发展，人类活动变得异常剧烈，因而也使土壤的某些性质发生了变化，如土壤的变异性等。

正是因为土壤的内部活动非常活跃，所以对土壤性质的研究就显得很复杂、很困难，而土壤养分又是土壤的重要组成部分和植物营养元素的重要源泉。

基于此，探究土壤内部的变化规律，以及对土壤内部的成分进行分析，具有重要的现实意义。

关键词 GIS技术；土壤养分；空间分布中图分类号：S158 文献标志码：B DOI：10.19415/ki.1673-890x.2018.17.1011 GIS技术GIS技术是一种用于分析信息的一种工具，与计算机联系密切，能够将不同功能的数据库合成在一起[1]。

GIS技术之所以能够在社会生活中得到广泛运用，是因为它具有对信息，尤其是对空间信息的特殊分析功能。

除此之外，GIS技术在自然科学等多方面也应用广泛，比如环境工程、生物科学等各个方面的环境检测、土壤分析等。

2 试验设计2.1 研究区域概况以云南省德宏傣族景颇族自治州作为试验样品采集地，该地区的气候比较湿润，每年的平均降水量大约在643 mm，每年的平均温度大约在11 ℃，每年的平均日照时间大约有2 554 h，主要的土壤类型有沼泽地等。

该地区有小麦、玉米等主产粮食作物。

2.2 样品采集试验所需要采集的土样空间为0～20 cm，所采集的样本之间的间距在350 cm左右，可以根据具体情况进行调整。

对于土样的采集，一定要集中在典型地块区域，在采集土样的过程中，可以用一些比较精密的高端设备进行定位、记录和分析。

采样过程中还需注意的就是人口特别集中的居民点是不能进行样品采集的。

2.3 试验方法和数据统计在试验中，如果要对有机物进行检测，可以利用K2Cr2O7溶液和H2SO4溶液按照一定的配比混合，采用油溶法来进行检测；检测有效磷，可以利用NaHCO3提取易于溶解于水中的有效磷，再用钼锑抗比色法对提取出来的有效磷的含量进行比较精准的检测；检测速效钾，可以用CH3COONH4提取速效钾，然后再用火焰光度法对速效钾的含量进行一个精准测定。

基于近红外光谱技术的牛粪成分含量测定方法

2006年3月农业机械学报第37卷第3期基于近红外光谱技术的牛粪成分含量测定方法樊　霞　韩鲁佳　皇才进　黄光群【摘要】　利用近红外光谱仪和常规实验室标准分析方法,对从不同养牛场采集的200个肉牛粪便典型样品的4种主要肥料成分(全氮、全磷、全钾和铵态氮)含量进行了分析研究。

试验得出,4种肥料成分含量的N I R S 测定值与其真实值(实验室化学分析方法测定值)之间具有显著的线性相关关系;4种肥料成分含量的N I R S 测定值均达到了与真实值相近的水平。

结果表明,利用近红外光谱技术快速测定牛粪样品主要肥料成分的方法可以代替传统的实验室分析方法。

关键词:牛粪　成分　近红外光谱分析　快速测定中图分类号:X 657133;S 823;S 14112文献标识码:AD eterm i na tion of Nutr ien t Con ten ts i n Beef M anure w ithNear I nfrared Ref lectance SpectroscopyFan X ia 1　H an L u jia 2　H uang Caijin 2　H uang Guangqun2(11Ch inese A cad e m y of A g ricu ltu ra l S ciences 21Ch ina A g ricu ltu ra l U n iversity )AbstractIn o rder to investigate the feasib ility and m ethod of near infrared reflectance sp ectro scopy (N I R S )to deter m ine the nu trien t con ten ts of to tal n itrogen ,to tal pho spho ru s ,to tal po tassium ,amm on ia 2n itrogen in beef m anu res .200sam p les of beef m anu re w ere co llected .Fou r nu trien t con ten ts w ere analyzed by N I R S and m ean s of conven ti onal labo rato ry analysis m ethod .Calib rati on m ethods u sing partial least 2squares regressi on w ere develop ed .Calib rati on resu lts of all sam p les have h igh co rrelati on w ith their true value .A ll research show that N I R S can be a viab le alternative to conven ti onal labo rato ry analysis p rocedu res fo r m anu re nu trien t con ten t p redicti on .Key words B eef m anu re ,N u trien t con ten t ,N ear infrared reflectance spectro scopy ,Q u ickp redicti on收稿日期:20041101樊　霞　中国农业科学院农业质量标准与检测技术研究所　助理研究员　博士,100081　北京市韩鲁佳　中国农业大学工学院　教授　博士生导师,100083　北京市皇才进　中国农业大学工学院　博士生黄光群　中国农业大学工学院　博士生引言集约化养殖产生的大量粪便所带来的污染问题日益严重,解决此问题的途径之一就是畜禽粪便还田,而正确、合理利用畜禽粪便的前提条件是预知其中的肥料成分含量。

基于支持向量机回归的土壤有机质含量预测

-52-科学技术创新2019.07基于支持向量机回归的土壤有机质含量预测黄婷'轩双霞2(1、南京中医药大学翰林学院，江苏泰州2253002、安徽财经大学，安徽蚌埠233030)摘要：土壤有机质(Soil Organic Matter,SOM)是土壤肥力的重要指标，其含量变化对表征土壤养分含量高低和预测作物产量具有重要的作用。

因此，预测有机质含量变化可以为提前进行土壤有机质积累试验提供理论支持「，本文采集长期定位试验点的土壤信息，对比支持向量机预测方法与反向传播(BP)神经网络和径向基函数(RBF)神经网络，结论得出支持向量机模型预测精确度更优。

关键词：支持向量机;土壤有机质；作物产量；回归预测中图分类号:S15&S153.6+21文献标识码：A1非线性支持向量回归理论拟合和预测是非线性问题卩研究的难点，通常的解决途径是将非线性研究转化为线性研究，关键是变换非线性的特征空间,进行由高到低的降维转换。

2土壤有机质含量预测2.1研究资料本研究的土壤样本来自试验点安徽科技学院安徽阜阳临泉农科所的砂姜黑土，从土壤中提取有机质含量进行预测。

该试验点的种植模式为一年两熟的冬小麦和夏玉米,预测数据来源于2011-2014年安徽阜阳试验点所测有机质含量数据。

在不同的模型预测中，把2011-2013年的有机质含量作为训练数据集，构建不同的对比模型来预测2014年6月和2014年10月土壤有机质含量。

2.2利用支持向量机模型预测有机质含量的方法和步骤首先是数据预处理。

在进行训练和预测之前,先进行数据编号，对数据进行标准化处理,建立将要预测的土壤有机质含量和训练数据集之间的函数模型：y=f(x},x2)其中y为预测集的有机质的含量。

其次是核函数的选择。

下面给出常用的核函数，也是软件包中自带的。

d阶多项式核函数：K(齐,x)=(丁匕・x)+r)",丁>0径向基函数核函数：K(x t,x)=exp(-7||x,.-x||2),7>0神经网络Simgoid反曲核函数：K(x”x)=tanh(7(兀・ x〉+r),丁>0接下来确定模型参数选择方法。

基于支持向量机和近红外光谱特性的土壤质地分类

基于支持向量机和近红外光谱特性的土壤质地分类胡晓艳;宋海燕【摘要】为了分析不同质地土壤的近红外光谱特性,建立合适的土壤质地分类预测模型.研究以沙土、壤土和黏土3种不同类型土壤作为研究对象,采集了山西省内3个地区的土壤样本共156个,获取其近红外光谱数据,采用支持向量机(SVM)在1 001～2 500 nm波段内对不同质地土壤的吸光度值进行建模预测.结果表明,3种质地土壤具有不同的光谱反射特性;利用支持向量机建立的土壤分类预测模型,其测试集的预测正确率达到91.67％,说明SVM在土壤分类应用中的效果较好,可以利用SVM模型进行土壤属性预测.%To analyze the near infrared spectral characteristics of different texture soils,a suitable prediction model was established.In this study,3 types of soil were studied,including sand,loam and clay,the 156 soil samples were collected from 3 regions in Shanxi province and the data of the near infrared spectra were obtained.Support vector machine (SVM) was used to model and predict the absorbance value of different texture soils in the 1 001-2 500 nm band.The results showed that three kinds of soil texture had different spectral reflectance characteristics.Soil classification prediction model by using support vector machine,predict accuracy of the test set reached 91.67％,indicating good effect in the application of SVM in soil classification,soil properties can be predicted by the SVM model.【期刊名称】《山西农业科学》【年(卷),期】2017(045)010【总页数】4页(P1643-1645,1654)【关键词】质地;近红外;SVM【作者】胡晓艳;宋海燕【作者单位】山西农业大学工学院,山西太谷030801;山西农业大学工学院,山西太谷030801【正文语种】中文【中图分类】S152.3土壤含有丰富的营养物质，对农作物生长有很大影响。

基于近红外光谱波长优选的土壤有机质含量预测研究

基于近红外光谱波长优选的土壤有机质含量预测研究张小鸣;汤宁【摘要】近红外光谱技术是检测土壤信息的有效工具,为了提高预测模型的准确度和建模效率,需要对波长进行优选.提出SiPLS-GA-SPA特征波长提取方法,即协同区间偏最小二乘算法(SiPLS)、遗传算法(GA)和连续投影算法(SPA)对土壤有机质特征波长进行梯度提取,最终从1050个波长中提取9个土壤有机质的特征波长.利用偏最小二乘回归(PLSR)和支持向量机回归(SVMR)建立6种基于特征波长的土壤有机质含量预测模型.结果表明:SiPLS-GA-SPA-SVMR模型的预测结果为RMSEP=1.15,R2=0.91,优于其他模型;SiPLS-GA-SPA特征波长提取方法能够简化预测模型,提高模型预测精度,为开发便携式近红外光谱土壤养分检测仪提供理论基础.【期刊名称】《现代电子技术》【年(卷),期】2018(041)022【总页数】4页(P126-129)【关键词】近红外光谱;特征波长;协同区间偏最小二乘;遗传算法;连续投影算法;支持向量机回归【作者】张小鸣;汤宁【作者单位】常州大学(武进校区) 信息科学与工程学院,江苏常州 213164;常州大学(武进校区) 信息科学与工程学院,江苏常州 213164【正文语种】中文【中图分类】TN929-34可见/近红外光谱区几乎包含了有机物中所有含氢基团的信息，信息量极为丰富，能够实现对物质的定性和定量分析[1]。

光谱检测技术具有分析速度快、多组分同时测定、非破坏性分析、低分析成本和操作简单等显著特点[2]。

能够适应现代精准农业（Precision Agricul⁃ture）对土壤养分信息实时准确、快速、大范围获取的要求。

土壤有机质（SOM）是评价土壤肥力高低的重要指标，快速有效测定土壤有机质含量，对指导农业耕种中作物种植和施水施肥都有很大指导意义。

本文提出协同区间偏最小二乘（SiPLS）、遗传算法（GA）和连续投影算法（SPA）对土壤有机质的特征波长进行梯度提取，从1 050个波长中选择出9个土壤有机质的特征波长，利用偏最小二乘回归（PLSR）、支持向量机回归（SVMR）建立基于特征波长的土壤有机质含量预测模型，以期获得计算量小、精度高的预测模型，为研究便携式近红外光谱土壤养分检测仪提供技术参考。

基于多元线性回归研究有机肥替代对土壤养分及产量的影响

东北农业科学2021,46(2) : 37-42,102Journal of Northeast Agricultural Sciences DOI: 10.16423/ki. 1003-8701.2021.02.010基于多元线性回归研究有机肥替代对土壤养分及产量的影响杨忠赞\迟凤琴隋虹均3,匡恩俊2,张久明2,宿庆瑞2,张一雯\刘亦丹1 (1.东北农业大学资源与环境学院，哈尔滨150030:2.黑龙江省农业科学院土壤肥料与环境资源研究所/黑龙江省土壤环境与植物营养重点实验室，哈尔滨150086;3.东北大学文法学院，沈阳110169)摘要：以黑土为试验对象，基于多元线性回归研究单施化肥、单施有机肥和不同比例有机肥替代对土壤养分和作物产量的影响。

结果表明：适度有机肥替代可缓解土壤酸化，与单施化肥相比，由于“正激发效应”的影响，短期内有机肥替代提升土壤有机质含量不明显；有机肥替代能提高土壤速效钾和全氮含量，与单施化肥相比，提升土壤全磷和全钾效果不明显。

有机肥替代显著影响土壤的养分状况，提高作物产量，且随着有机肥替代化肥比例的增加，土壤养分有先升高后降低的现象，单施有机肥短期内会降低作物产量。

有机肥替代氮肥减施30%(OM™)较为合适，既能促进作物增产，又能改善土壤养分状况。

关键词：黑土；有机肥替代；土壤养分；产量中图分类号：S153 文献标识码：A文章编号：2096-5877(2021 >02-0037-06Effects of Organic Fertilizer Substitution on Soil Nutrients and Yield Based on Multiple Linear RegressionYANG Zhongzan1, CHI Fengqin12*, SUI Hongjun3, KUANG Enjun2, ZHANG Jiuming2, SU Qingrui2,ZHANG Yiwen丨,LIU Yidan丨(1. College of Resources and Environment,The Northeast Agricultural University,Harbin150030; 2. Institute of Soil Fertility and Environmental Resources,Heilongjiang Academy of Agricultural Sciences/ Key Laboratory of Plant Nutrition and Soil Environment of Heilongjiang Province9Harbin150086; 3. School of Humanities and Law,Northeast University,Shenyang110169, China)Abstract：In this study, the effects of chemical fertilizer application, organic fertilizer application and organic fertilizer substitution on soil nutrients and crop yield in black soil were studied based on multiple linear regression. The results showed that moderate organic fertilizer replacement could alleviate soil acidification. Compared with single chemical fertilizer application, organic fertilizer replacement did not improve soil organic matter content significantly in the short term due to the influence of "positive excitation effect". Organic fertilizer replacement could increase soil available K and total N contents, but the effect of soil total P and total K was not obvious compared with chemical fertilizer application alone. Substitution of organic fertilizer significantly affected soil nutrient status and improved crop yield. With the increase of the proportion of organic fertilizer substituted for chemical fertilizer, soil nu- trients increased first and then decreased, and application of organic fertilizer alone would reduce crop yield in the short term. Organic fertilizer was suitable to replace nitrogen fertilizer by 30% (OM7〇), which could not only promote crop yield, but also improve soil nutrient status.Key words：Black soil; Partial replacement of chemical fertilizer; Soil nutrient content; Yield收稿日期：2019-02-22基金项目：黑龙江省农业科学院农业科技创新跨越工程(HNK2019CX13);黑河市绿色农业发展合作项目(KJTJ-2019-02H H-03)作者简介：杨忠赞（1994-)，男，在读硕士，从事土壤肥力研究。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

２ｄｒｉｅｄｂａｓｉｓｗｅｒｅｄｅｖｅｌｏｐｅｄｗｉｔｈｔｈｅｆｏｌｌｏｗｉｎｇｒｅｓｕｌｔｓ：ｔｈｅｄｅｔｅｒｍｉｎａｔｉｏｎｃｏｅｆｆｉｃｉｅｎｔｏｆｖａｌｉｄａｔｉｏｎ（Ｒ），ｖ
ｔｈｅｓｔａｎｄａｒｄｅｒｒｏｒｏｆｐｒｅｄｉｃｔｉｏｎ（ＳＥＰ）ａｎｄＲＰＤ（ＳＤ／ＳＥＰ）ｏｎｏｒｉｅｎｔａｎｄｄｒｉｅｄｂａｓｉｓｗｅｒｅ０９６，７９５ｇ／ｋｇ，２４７ａｎｄ０９３，８０２ｇ／ｋｇ，３５８，ｒｅｓｐｅｃｔｉｖｅｌｙ．ＴｈｅｖａｌｉｄａｔｉｏｎｒｅｓｕｌｔｓｏｆＮＩＲＳＳＶＲｍｏｄｅｌ
原子吸收光谱仪进行总磷（ＴＰ）和总钾（ＴＫ）含量的测
３～４，１６］定［。各指标化学值为平行样品测定值的平均
值，总养分含量为样品总氮、总磷和总钾含量之和。１３近红外光谱仪与样品的光谱采集样品光谱的采集使用ＳｐｅｃｔｒｕｍｏｎｅＮＴＳ傅里叶变换型近红外光谱仪（美国ＰｅｒｋｉｎＥｌｍｅｒ公司生产），漫反射积分球附件，ＩｎＧａＡｓ检测器。采集样品０ｍｍ带有石英玻光谱时，将供试样品装填在直径４璃窗口的样品杯内，仪器工作参数：光谱采集范围１００００～４０００ｃｍ－１，扫描次数３２次，分辨ｍ－１，每个样品重复装填３次后扫描，取其平率８ｃ均光谱。１４建模流程及模型评价对所采集的样品光谱，利用平滑（ｓｍｏｏｔｈ）、微分ｄｅｒｉｖａｔｉｖｅ）和变量标准化（ＳＮＶ）等方法以交互验证（标准差（ＳＥＣＶ）最小为原则进行光谱预处理方法和建模波长的优选，并根据光谱影响值（ｌｅｖｅｒａｇｅ）和化学值绝对误差（ｒｅｓｉｄｕａｌ）的大小进行异常样品的判断与剔除。根据样品理化指标成分含量大小排序后其余样品组成校正集，分隔３取１作为独立验证集，别利用线性支持向量机和偏最小二乘法建立有机质含量近红外模型，以预测标准差（ＳＥＰ）最小为原则
（１．中国农业大学工学院，北京１０００８３；２．中国农业机械化科学研究院，北京１０００８３）
【摘要】以我国２２个省市的１２０份畜禽粪便为原料的有机肥产品样品为研究对象，利用近红外漫反射光谱法与支持向量机相结合建立了有机肥产品中总养分含量的快速测定模型，并与偏最小二乘法所建模型作了比较。
１７］。利用Ｍａｔｌａｂ７０平台进行线性支确定最优模型［
。
近年来，高温好氧堆肥成为畜禽粪便等有机废弃物。我国以畜禽粪便为主要原料生产商品有机肥的生物质资源化利用新途径正逐渐得到推广。总养分含量（总氮、总磷和总钾含量之和，以干基计）是衡量有机肥产品质量的重要指标
收稿日期：２００９０１１３修回日期：２００９０３０９十一五 ”国家科技支撑计划资助项目（２００６ＢＡＤ０７Ａ１３２、２００６ＢＡＤ１０Ｂ０５）和高等学校博士学科点专项科研基金资助项目 “ （２００９０００８１２０００８）作者简介：黄光群，讲师，博士，主要从事生物质资源开发与利用相关研究，Ｅｍａｉｌ：ｈｕａｎｇｇｕａｎｇｑｕｎ＠１２６．ｃｏｍ通讯作者：韩鲁佳，教授，博士生导师，主要从事生物质资源开发与利用相关研究，Ｅｍａｉｌ：ｈａｎｌｊ＠ｃａｕ．ｅｄｕ．ｃｎ
１２１ＨｕａｎｇＧｕａｎｇｑｕｎＷａｎｇＸｉａｏｙａｎＨａｎＬｕｊｉａ
（１．ＣｏｌｌｅｇｅｏｆＥｎｇｉｎｅｅｒｉｎｇ，ＣｈｉｎａＡｇｒｉｃｕｌｔｕｒａｌＵｎｉｖｅｒｓｉｔｙ，Ｂｅｉｊｉｎｇ１０００８３，Ｃｈｉｎａ２．ＣｈｉｎｅｓｅＡｃａｄｅｍｙｏｆＡｇｒｉｃｕｌｔｕｒａｌＭｅｃｈａｎｉｚａｔｉｏｎＳｃｉｅｎｃｅｓ，Ｂｅｉｊｉｎｇ１０００８３，Ｃｈｉｎａ）
［３～４］
。传统的实验室分析方法
测定有机肥中总养分含量不但需要大型昂贵的仪器设备、耗时费力且对样品破坏性大。近红外漫反射光谱（ｎｅａｒｉｎｆｒａｒｅｄｒｅｆｌｅｃｔａｎｃｅｓｐｅｃｔｒｏｓｃｏｐｙ，简称ＮＩＲＳ）法以其快速、无损和多组分可同时进行测定等特点已广泛应用于工业、农业、医学等领域Ｒｅｅｖｅｓ
２０１０年２月ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００１２９８．２０１０．０２．０１９
农业机械学报
第４１卷第２期
基于支持向量机的有机肥总养分含量ＮＩＲＳ分析
黄光群１王晓燕２韩鲁佳１
２所建立的干燥粉碎样品中总养分含量的近红外模型验证决定系数Ｒ、预测标准差ＳＥＰ和验证相对分析误差ＲＰＤｖ
分别为０９３、７３８ｇ／ｋｇ和３８８。结果表明，近红外漫反射光谱法可以快速测定畜禽粪便为原料的有机肥产品中总养分含量，与偏最小二乘法相比，支持向量机所建模型具有更高的预测精度。关键词：有机肥养分支持向量机偏最小二乘近红外漫反射光谱
９４
农业机械学报２０１０年
引言据统计，我国畜禽粪便年产量已近３０亿ｔ，大量的畜禽粪便若处理不当将对环境产生严重污染无害化、减量化和资源化利用的重要途径
［２］［１］
２ｆｏｒｔｏｔａｌｎｕｔｒｉｅｎｔｃｏｎｔｅｎｔｏｎｄｒｉｅｄｂａｓｉｓｗｅｒｅＲ９３，ＳＥＰ７３８ｇ／ｋｇａｎｄＲＰＤ３８８．Ｒｅｓｕｌｔｓｓｈｏｗｅｄｔｈｅｖ０
ｆｅａｓｉｂｉｌｉｔｙａｎｄｐｏｔｅｎｔｉａｌｏｆＮＩＲＳｔｏｐｒｅｄｉｃｔｔｏｔａｌｎｕｔｒｉｅｎｔｃｏｎｔｅｎｔｉｎｏｒｇａｎｉｃｆｅｒｔｉｌｉｚｅｒｐｒｏｄｕｃｔｓ，ａｎｄＮＩＲＳＳＶＲｍｅｔｈｏｄｏｎｄｒｉｅｄｂａｓｉｓｉｓｔｈｅｂｅｓｔｃｈｏｉｃｅ．ＫｅｙｗｏｒｄｓＯｒｇａｎｉｃｆｅｒｔｉｌｉｚｅｒ，Ｎｕｔｒｉｅｎｔ，Ｓｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅ，Ｐａｒｔｉａｌｌｅａｓｔｓｑｕａｒｅｓ，Ｎｅａｒｉｎｆｒａｒｅｄｒｅｆｌｅｃｔａｎｃｅｓｐｅｃｔｒｏｓｃｏｐｙ
２利用偏最小二乘回归法所建立的基于原始样品和干燥粉碎样品的总养分含量近红外模型验证决定系数Ｒ、预测标ｖ
ＥＰ和验证相对分析误差ＲＰＤ分别为０９６、７９５ｇ／ｋｇ、２４７和０９３、８０２ｇ／ｋｇ、３５８。利用支持向量机回归法准差Ｓ
＋中图分类号：Ｓ１４１；Ｓ１３１３
文献标识码：Ａ
文章编号：１０００１２９８（２０１０）０２００９３０６
ＮｅａｒｉｎｆｒａｒｅｄＲｅｆｌｅｃｔａｎｃｅＳｐｅｃｔｒｏｓｃｏｐｙｆｏｒＴｏｔａｌＮｕｔｒｉｅｎｔＡｎａｌｙｓｉｓｉｎＯｒｇａｎｉｃＦｅｒｔｉｌｉｚｅｒＵｓｉｎｇＬｉｎｅａｒＳＭａｃｈｉｎｅ
ＡｂｓｔｒａｃｔＡｎｅｗｍｅｔｈｏｄｗａｓｅｘｐｌｏｒｅｄｔｏｐｒｅｄｉｃｔｔｈｅｔｏｔａｌｎｕｔｒｉｅｎｔｃｏｎｔｅｎｔｉｎｏｒｇａｎｉｃｆｅｒｔｉｌｉｚｅｒｐｒｏｄｕｃｔｓｕｓｉｎｇｎｅａｒｉｎｆｒａｒｅｄｒｅｆｌｅｃｔａｎｃｅｓｐｅｃｔｒｏｓｃｏｐｙ（ＮＩＲＳ）ｗｉｔｈｌｉｎｅａｒｓｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅｒｅｇｒｅｓｓｉｏｎ（ＳＶＲ），ｃｏｍｐａｒｅｄｗｉｔｈｐａｒｔｉａｌｌｅａｓｔｓｑｕａｒｅｓｒｅｇｒｅｓｓｉｏｎ（ＰＬＳＲ）．１２０ｃｏｍｍｅｒｃｉａｌｏｒｇａｎｉｃｆｅｒｔｉｌｉｚｅｒｓａｍｐｌｅｓｗｅｒｅｐａｓｓｅｄ１ｍｍｓｃｒｅｅｎ）ｓａｍｐｌｅｓｗｅｒｅｃｏｌｌｅｃｔｅｄｆｒｏｍ２２ｐｒｏｖｉｎｃｅｓｉｎＣｈｉｎａ．Ｓｐｅｃｔｒａｏｆｏｒｉｅｎｔａｎｄｄｒｉｅｄ（ｓｃａｎｎｅｄｗｉｔｈａＳＰＥＣＴＲＵＭＯＮＥＮＴＳ（ＰｅｒｋｉｎＥｌｍｅｒ，ＮｅｗＪｅｒｓｅｙ，ＵＳＡ）ｆｒｏｍ１００００ｔｏ４０００ｃｍ－１，ｒｅｓｐｅｃｔｉｖｅｌｙ．ＮＩＲＳＰＬＳＲｍｏｄｅｌｓｆｏｒｔｏｔａｌｎｕｔｒｉｅｎｔｉｎｏｒｇａｎｉｃｆｅｒｔｉｌｉｚｅｒｐｒｏｄｕｃｔｓｓａｍｐｌｅｓｏｎｏｒｉｅｎｔａｎｄ