基于近红外光谱分析的土壤污染柴油含量预测方法研究

为了快速定量测量柴油污染土壤中的柴油含量,扩大近红外光谱技术在污染土壤监测中的应用,制备了含柴油的高岭土样本集F1和含柴油的实际土壤样本集F2,对近红外光谱检测数据建立了BP神经网络、随机森林和支持向量机回归3种预测模型。结果表明,预测模型对样本集F1的预测精度良好,但无法准确预测样本集F2中的柴油含量。通过加标和重复加标处理,改善了实际土壤中柴油含量的预测效果。与直接建模相比,由柴油高岭土样本加入少量实际土壤样本后建立的近红外光谱模型,能更准确地预测柴油含量。