典型文献
基于随机森林与神经网络的高光谱土壤重金属Zn含量反演
文献摘要：
在河北省保定市白洋淀区域采集115个土壤样品进行重金属含量分析和室内光谱测量,分别将BP神经网络、随机森林、决策树、多元线性回归、K近邻回归、AdaBoost回归和偏最小二乘回归法应用于全部原始波谱数据和基于双层随机森林选择后的波段数据.结果表明,基于原始波谱数据的土壤重金属Zn元素含量的反演模型精度较低,而通过双层随机森林选择出光谱数据中与土壤重金属Zn信息相关的波段,减轻了网络模型的过拟合问题,提高了模型预测精度;与其他模型比较,结合双层随机森林和BP神经网络构建的反演模型对研究区土壤重金属Zn含量预测效果最佳.
文献关键词：
Zn含量反演;高光谱波段;双层随机森林;BP神经网络;土壤
中图分类号：
作者姓名：
肖树群;汪海城;袁兆宪;张生元;黄波
作者机构：
河北地质大学资源与环境工程研究所,河北 石家庄 050031;河北地质大学信息工程学院,河北石家庄 050031;河北地质大学,河北省战略性关键矿产资源重点实验室,河北 石家庄 050031;河北省水文工程地质勘查院(河北省遥感中心),河北 石家庄 050021
文献出处：
引用格式：
[1]肖树群;汪海城;袁兆宪;张生元;黄波-.基于随机森林与神经网络的高光谱土壤重金属Zn含量反演)[J].环境监测管理与技术,2022(05):22-26
A类：
双层随机森林
B类：
土壤重金属,保定市,白洋淀,淀区,土壤样品,重金属含量,含量分析,光谱测量,决策树,近邻回归,AdaBoost,偏最小二乘回归法,波谱,元素含量,反演模型,模型精度,光谱数据,过拟合,模型比较,网络构建,含量预测,高光谱波段
AB值：
0.253544
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
