矿物近红外光谱建模数据相关性对模型性能影响的理论研究
本文针对野外矿物近红外光谱数据与其组分含量相关性的未知,采用偏最小二乘法(PLS)和人工神经网络(ANN)两种建模方法,利用合成已知相关性的建模数据,研究矿物近红外光谱建模数据的相关性对PLS、ANN模型性能的影响,以及消除其影响的措施.同时对比PLS、ANN两种方法所建模型性能.结果表明,建模数据的相关性对所建模型的准确性有影响,而且对采用不同的建模方法所建模型的影响程度不同,消除其对模型性能影响的措施是采用对其不敏感的建模方法;稳健性ANN好于PLS.
近红外光谱 矿物组分含量 数据建模 人工神经网络
王智宏 林君
吉林大学仪器科学与电气工程学院,地球信息探测仪器教育部重点实验室,长春,130026
国内会议
北京
中文
294-298
2006-10-28（万方平台首次上网日期，不代表论文的发表时间）