科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了实现对土壤有机质含量的快速、方便、准确测量，本文提出了一种基于多传感器人工嗅觉系统的土壤有机质含量检测方法。选取10个不同型号的氧化物半导体式气体传感器组成传感器阵列，并采用不同浓度的硫化氢、氨气和甲烷等标准气体对传感器阵列进行了响应测试，从响应曲线可以看出，传感器阵列对不同浓度、种类的标准气体皆有响应且响应结果不同，且随着标准气体浓度的增大传感器阵列的响应曲线也随之增大，表明传感器阵列具有较高的特异性和一定的交叉敏感性。提取每个传感器土壤气体响应曲线上的响应面积、最大值、平均微分系数、方差值、平均值和最大梯度值6个特征构建特征人工嗅觉特征空间。采用偏最小二乘法回归（PLSR）、支持向量机回归（SVR）和BP神经网络（BPNN）算法建立人工嗅觉特征空间与土壤有机质含量关系的预测模型，使用决定系数(R2)、均方根误差（RMSE）和绝对平均误差（MAE）评估预测模型的性能。试验结果表明，PLSR、BPNN、SVR测试集的R2分别为0.80878、0.87179和0.91957，RMSE分别为3.6784、3.1614和2.4254，MAE则分别为3.1079、2.4154和2.1389。SVR算法建立的模型R2最高，RMSE、MAE最小，比PLSR、BPNN具有更高的预测性能，可用于土壤有机质含量的测量。
- 单位
