项目类别：校内导师制项目
项目编号：2019hsds25
项目负责人：洪绍勇
指导教师：陈华舟（桂林理工大学）
论文成果名称：comparative assessment on smart pre-processing methods for extracting information in ft-nir measured data
成果说明：刊物《measurement》,scie 2区
成果内容提要：
傅立叶变换近红外光谱（ft-nir）是一种快速、直观的土壤性质分析技术。然而，由于系统误差和人为误差的存在，土壤的ft-nir测量数据不可避免的存在噪音。本文利用实验得到的光谱数据，为了提取光谱数据信息和消除噪音，我们对比了常见的几种预处理方法。用预处理后的数据，采用最小二乘支持向量回归(lssvr)方法，建立目标养分(氮、磷、钾)的ft-nir校正模型。结合噪声传感预处理方法的研究，通过调整lssvr模型的核参数，实现了lssvr模型的自动优化。结果表明，对拟连续数据采用多项式修正或函数导数的方法对预处理方法进行了优化。目标营养素磷的有效预处理方法来源于光程长估计与校正(oplec)，氮和钾的有效预处理方法分别来源于惠特克平滑(wtk)的，一阶和二阶导数。因此，我们认为在土壤养分的ft-nir分析中，优化后的oplec和wtk具替代传统的预处理方法的潜力。