基于超限学习机的矿区土壤重金属高光谱反演

近年来采用可见光近红外光谱反演矿区土壤重金属受到重视,但土壤中重金属含量微小,光谱特性非常脆弱,对反演模型提出了较高要求。针对复垦矿区的土壤重金属反演研究,引入超限学习机(extreme learning machine,ELM)方法进行反演建模,与传统的偏最小二乘(partial least squares regression,PLS)方法和支持向量机(support vector machine,SVM)方法进行分析比较。通过对光谱数据进行预处理和相关性分析后,对30个土壤样本数据运用3种模型进行反演,并对其中10个预测样本进行模型检验。结果表明,ELM对于重金属Zn、Cr、Cd和Cu的预测精度要高于SVM和PLS,对重金属As和Pb的预测能力与SVM基本相当。