复镜像法中的一种自适应采样方法

为了分析土壤的结构从而进一步分析变电站接地网的性能,使用复镜像法逼近多层土壤中的格林函数,提出了一种采样的自适应选取方法。该方法使采样步长和采样点数根据土壤的层数和各层土壤的厚度自动调整,有利于计算机编程。在逼近过程中,使用了Prony法。比较了逼近后获得的函数与原函数,逼近效果非常好。使用该方法,由一组土壤视电阻率值反演得到了一个6层土壤结构。

航空高光谱遥感在重金属土壤污染检测中的应用

近年来,使用高光谱技术进行土壤重金属估算受到重视,本次研究利用航空高光谱遥感实现了石家庄市深泽县试验区土壤重金属污染的分级评估.在建模方法上,引入竞争自适应加权采样方法(Competitive Adaptive Reweighted Sampling,CARS)进行特征选择,并使用支持向量机(Support Vector Machine,SVM)方法对选取的特征波段进行回归建模,最终得到重金属的测试集决定系数R2p均在0.5以上,模型具有较高精度和可靠性,对于小样本集数据和不平衡数据取得了很好的建模效果.

近红外光谱结合遗传算法优化的极限学习机实现银杏叶纯化过程有效成分快速测定

近红外光谱技术(near infrared spectroscopy,NIRS)结合波段筛选方法及建模算法可以实现中药生产过程分析的快速、无损检测。该文针对银参通络胶囊关键工艺银杏叶大孔树脂纯化过程,实现对洗脱液中槲皮素、山柰酚和异鼠李素3种成分含量的快速测定。通过马氏距离算法剔除异常光谱,联合X-Y距离样本集划分(sample set partitioning based on joint X-Y distances,SPXY)方法划分数据集,基于协同区间偏最小二乘法(synergy interval partial least squares,siPLS)筛选的关键信息波段,在此基础上实施竞争自适应加权重采样方法(competitive adaptive reweighted sampling,CARS)、连续投影算法(successive projections algorithm,SPA)和蒙特卡洛无信息变量消除法(Monte Carlo uninformation variable elimination,MC-UVE)筛选波长以得到更少但更关键的变量数据,将其作为输入变量建立遗传算法优化的极限学习机(genetic algorithm joint extreme learning machine,GA-ELM)定量分析模型,并将模型性能与偏最小二乘回归(partial least squares regression,PLSR)方法建立的模型进行比较,结果表明siPLS-CARS-GA-ELM算法联用可实现以最少变量数达到最优的模型性能。槲皮素、山柰酚、异鼠李素的校正集相关系数Rc和验证集相关系数Rp均达到0.98以上,校正集误差均方根(root mean square error of calibration,RMSEC)、验证集误差均方根(root mean square error of prediction,RMSEP)和验证集相对偏差(relative standard errors of prediction,RSEP)分别为0.0300,0.0292,8.88%;0.0414,0.0348,8.46%;0.0293,0.0271,10.10%,相较于传统PLSR方法,所建立GA-ELM模型性能有较大提升,证明NIRS结合GA-ELM方法实现中药有效成分快速测定具有很大潜力。