RT - article
SR - Electronic
T1 - Ансамблевый метод обучения на основе суммирования для прогнозирования доступного азота в почве с помощью портативного микроспектрометра ближнего инфракрасного диапазона
JF - Журнал прикладной спектроскопии
SP - 2022-12-02
A1 - Wan M. , 
A1 - Jin X. , 
A1 - Han Y. , 
A1 - Wang L. , 
A1 - Li S. , 
A1 - Rao Y. , 
A1 - Zhang X. , 
A1 - Gao Q. , 
YR - 2022
UL - https://www.academjournals.by/publication/15624
AB - Для разработки надежной и точной модели доступного в почве азота используются спектроскопия в ближнем ИК-диапазоне (БИК) почвы и данные об азоте. Спектральная отражательная способность образцов почвы изучена в диапазоне 900—1700 нм с помощью девяти методов предварительной обработки с использованием портативного микроБИК-спектрометра. Экстремальное повышение градиента (XGBoost), категориальное повышение (CatBoost), машина повышения градиента света (LightGBM) и случайный лес, которые представляют собой древовидные алгоритмы, сложены в виде базовых моделей. Линейная регрессия используется в метамодели для определения уникального шаблона обучения базовой модели. Результаты показывают, что диапазон и характеристики спектров можно использовать для соответствующих прогнозов, а спектры микро-БИК меняются при различных предварительных обработках. Многослойная модель обеспечивает наилучшую производительность среди всех протестированных моделей. Коэффициент детерминации R2 = 0.942, относительная процентная разница RPD = 4.192 с коррекцией Савицкого–Голея и мультипликативным рассеянием.