公开(公告)号：CN115598162B

公开(公告)日：2024-08-06

申请号：CN202111586536.2

申请日：2021-12-21

Applicant: 三峡大学

Inventor： 任顺 ,  陆旻波 ,  任东 ,  安毅 ,  杨信廷 ,  王纪华

IPC: G01N23/223 ,  G06N3/006 ,  G06N20/20

Abstract: 本发明涉及基于堆叠式模型的土壤重金属含量检测方法，包括：采集土壤样品，配置预定重金属浓度范围的土壤样本；获取土壤样本的光谱，形成样本光谱数据集；利用迭代保留信息法筛选出光谱中的强信息变量与弱信息变量；选出具有代表性的四种特征变量选择方法，分别构建基学习器进行训练、测试；将基学习器集成，构建元学习器，并对元学习器进行训练、测试；将待检测土壤的光谱输入基学习器，依据元学习器得到的波长点判断分析土壤重金属的含量。本发明将多种波长变量选择算法并联、集成，克服了单一特征变量选择方法的缺陷，提高了土壤重金属含量的检测精度，检测结果稳定性好。

公开(公告)号：CN117874480A

公开(公告)日：2024-04-12

申请号：CN202311682639.8

申请日：2021-12-31

Applicant: 三峡大学

Inventor： 任顺 ,  陆旻波 ,  任东 ,  安毅 ,  杨信廷 ,  王纪华

IPC: G06F18/2115 ,  G01N23/223 ,  G06F18/214 ,  G16C20/70

Abstract: 本发明涉及基于ICO‑BOSS算法的土壤重金属光谱特征提取方法，包括：采集土壤样品，配置样本，获取样本的光谱，形成样本数据集；运行BOSS算法，计算各变量被选中的概率，挑选出概率大的波长变量，计算预测模型的RMSECV平均值并调整波长变量的数量使RMSECV平均值最小，确定波长变量的最优数量N；多次重复运行串联的ICO‑BOSS算法进行波长变量选择，计算各变量被选中的概率，从中选出N个概率大的波长变量，计算预测模型的RMSECV平均值，调整波长变量的数量使RMSECV平均值最小，得到最优波长变量集。本发明采用ICO‑BOSS算法，并采用波长频次选择策略，选出最优波长变量集，用于重金属含量的预测，提高了预测模型的稳定性和精度。

公开(公告)号：CN114354666B

公开(公告)日：2023-12-26

申请号：CN202111677903.X

申请日：2021-12-31

Applicant: 三峡大学

Inventor： 任顺 ,  陆旻波 ,  任东 ,  安毅 ,  杨信廷 ,  王纪华

IPC: G01N23/223 ,  G06F30/20 ,  G06F17/18 ,  G06F111/06 ,  G06F111/08

Abstract: 本发明涉及基于波长频次选择的土壤重金属光谱特征提取、优化方法，包括：采集土壤样品，配置样本，获取样本的光谱，形成样本数据集；多次运行BOSS算法，计算各变量被选中的概率，挑选出概率大的波长变量，计算预测模型的RMSECV平均值，调整波长变量的数量使RMSECV平均值最小，确定波长变量的最优数量N；重复运行串联的ICO‑BOSS算法进行波长变量选择，计算各变量被选中的概率，从中选出N个概率大的波长变量，计算预测模型的RMSECV平均值，调整波长变量的数量使RMSECV平均值最小，得到最优波长变量集；利用得到的波长变量集预测重金属含量。本发明采用串联的ICO‑BOSS算法，并采用波长频次选择策略，选出最优波长变量集，用于重金属含量的预测，提高了预测模型的稳定性和精度。

公开(公告)号：CN115598162A

公开(公告)日：2023-01-13

申请号：CN202111586536.2

申请日：2021-12-21

Applicant: 三峡大学(CN)

Inventor： 任顺 ,  陆旻波 ,  任东 ,  安毅 ,  杨信廷 ,  王纪华

IPC: G01N23/223 ,  G06N3/00 ,  G06N20/00

Abstract: 本发明涉及基于堆叠式模型的土壤重金属含量检测方法，包括：采集土壤样品，配置预定重金属浓度范围的土壤样本；获取土壤样本的光谱，形成样本光谱数据集；利用迭代保留信息法筛选出光谱中的强信息变量与弱信息变量；选出具有代表性的四种特征变量选择方法，分别构建基学习器进行训练、测试；将基学习器集成，构建元学习器，并对元学习器进行训练、测试；将待检测土壤的光谱输入基学习器，依据元学习器得到的波长点判断分析土壤重金属的含量。本发明将多种波长变量选择算法并联、集成，克服了单一特征变量选择方法的缺陷，提高了土壤重金属含量的检测精度，检测结果稳定性好。

公开(公告)号：CN103839184A

公开(公告)日：2014-06-04

申请号：CN201410060106.0

申请日：2014-02-21

Applicant: 三峡大学

Inventor： 王纪华 ,  董莹莹 ,  任东 ,  董方敏 ,  徐守志

IPC: G06Q50/02 ,  G01D21/02

Abstract: 本发明涉及一种农作物群体长势多空间尺度自适应监测方法及装置，包括以下步骤：监测农作物群体形态结构和群体生理活性的地表参量；根据所述地表参量构建用于综合定量表征所述农作物群体形态结构和群体生理活性的遥感可估算长势参量；根据所述遥感可估算长势参量对农作物群体长势进行评估。本发明结合农学知识与植被遥感响应机制构建能够综合定量表征农作物群体形态结构和群体生理活性的遥感可估算长势参量，根据所述遥感可估算长势参量制定具有空间尺度自适应能力的阈值划分策略，扩展定量阈值划分方法的空间尺度通用性和可移植性，实现了综合定量分级农作物群体长势状况的有益效果。

公开(公告)号：CN114354666A

公开(公告)日：2022-04-15

申请号：CN202111677903.X

申请日：2021-12-31

Applicant: 三峡大学

Inventor： 任顺 ,  陆旻波 ,  任东 ,  安毅 ,  杨信廷 ,  王纪华

IPC: G01N23/223 ,  G06F30/20 ,  G06F17/18 ,  G06F111/06 ,  G06F111/08

Abstract: 本发明涉及基于波长频次选择的土壤重金属光谱特征提取、优化方法，包括：采集土壤样品，配置样本，获取样本的光谱，形成样本数据集；多次运行BOSS算法，计算各变量被选中的概率，挑选出概率大的波长变量，计算预测模型的RMSECV平均值，调整波长变量的数量使RMSECV平均值最小，确定波长变量的最优数量N；重复运行串联的ICO‑BOSS算法进行波长变量选择，计算各变量被选中的概率，从中选出N个概率大的波长变量，计算预测模型的RMSECV平均值，调整波长变量的数量使RMSECV平均值最小，得到最优波长变量集；利用得到的波长变量集预测重金属含量。本发明采用串联的ICO‑BOSS算法，并采用波长频次选择策略，选出最优波长变量集，用于重金属含量的预测，提高了预测模型的稳定性和精度。