[發明專利]基于典型相關性分析及線性插值的土壤養分模型轉移方法

有效

• 申請號: 201710236906.7
• 申請日: 2017-04-12
• 公開（公告）號: CN106951720B
• 公開（公告）日: 2019-05-31
• 發明（設計）人: 李雪瑩;范萍萍;侯廣利;孔祥峰;吳寧
• 申請（專利權）人: 山東省科學院海洋儀器儀表研究所
• 主分類號: G16C20/30
• 分類號: G16C20/30;G01N21/25
• 代理公司: 青島華慧澤專利代理事務所(普通合伙) 37247
• 代理人: 沙莎;袁紅紅

1.基于典型相關性分析及線性插值的土壤養分模型轉移方法，其特征在于，包括以下步驟：

(1)采集某一地區土壤樣品，測得其光譜數據和養分化學值，并將該土壤樣品作為主樣品，用于主樣品模型的建立；

(2)采集其他地區土壤樣品，采用與主樣品同樣的光譜儀測得其光譜數據和養分化學值，將其作為從樣品，用于對主樣品模型的預測；

(3)采用Kennard-Stone算法劃分土壤主樣品的校正集和檢驗集；以偏最小二乘法(PLS)建立主樣品校正集模型，并對主樣品檢驗集進行預測，根據絕對系數R²和相對分析誤差RPD判斷主樣品模型效果；

(4)采用Kennard-Stone算法劃分土壤從樣品的標準集和未知集，其中標準集用于主樣品校正集模型轉移的標準樣品，未知集用于檢驗模型轉移后土壤樣品的預測結果；

(5)對主樣品校正集和檢驗集及從樣品標準集和未知集進行光譜預處理；

(6)采用典型相關性分析結合線性插值(CCA-LI)算法對從樣品進行模型轉移，代入原主樣品校正模型，得到土壤從樣品未知集的預測結果；

其中，典型相關性分析結合線性插值(CCA-LI)算法具體步驟為：

1)采用CCA算法求出轉移矩陣F:采用Kennard-Stone算法從主樣品校正集X_主中篩選出與從樣品標準集X_標樣品個數一樣的矩陣X_主cca，根據X_主cca和X_標計算矩陣C,由矩陣C計算特征值與特征向量，其相關公式如下：

將每一個非零特征值ρ所對應的特征向量w_m和w_s分別歸為矩陣W_m和W_s，即為X_主cca和X_標的典型相關系數W_m和W_s，對X_主cca和X_標進行CCA分解，計算出X_主cca和X_標的典型相關成分L_m和L_S，最終得到轉移矩陣F，公式如下：

L_m＝X_主cca×W_m

L_S＝X_標×W_s

F＝W_s×F₁×F₂

2)根據轉移矩陣F，分別對從樣品標準集X_標和未知集X_未光譜進行轉換，得到經CCA算法轉換后的標準集X_標F和未知集X_未F相關公式如下：

X_標F＝X_標·F

X_未F＝X_未·F

3)建立預測值校正函數:用主模型分別對從樣品標準集和未知集轉化后的光譜矩陣進行預測,分別計算標準集中每個樣品與未知集中的第i個樣品的共生距離D(i)，共生距離D(i)為轉化光譜的歐氏距離與化學預測值的絕對偏差之和，計算公式為：

d₂(p,i)＝|Y_標F(p)-Y_未F(i)|

其中，m為光譜波長點數，X_標F和X_未F分別為標準集和未知集的轉換后的光譜矩陣，Y_標F和Y_未F分別為標準集和未知集經轉換矩陣F轉換后的預測值，d₁(p,i)為標準集中第p個樣品與未知集中第i個樣品之間光譜的歐式距離，d₂(p,i)為標準樣品中第p個樣品與未知樣品中第i個樣品之間預測值的絕對值偏差，d₁(i)和d₂(i)分別為d₁(p,i)和d₂(p,i)中p取1-n所有值組成的向量，n為標準集的樣品個數；

尋找D(i)中2個最小值對應的序列p₁和p₂，根據標準集中的第p₁、p₂個樣品對應的預測值和實測值，建立插值函數,將未知集中第i個樣品的預測值代入插值函數，得到校正后的預測值Y_未p，相關公式如下：

其中，Y_標(p₁)和Y_標(p₂)為標準集養分含量的實測值。