<?xml version="1.0" encoding="UTF-8"?>
<xml>
 <records>
  <record>
   <ref-type name="Journal Article">17</ref-type>
   <contributors>
    <authors>
     <author>Lin Z. D.</author>
     <author>Wang Y. B.</author>
     <author>Wang R. J.</author>
     <author>Wang L. S.</author>
     <author>Lu C. P.</author>
     <author>Zhang Z. Y.</author>
     <author>Song L. T.</author>
     <author>Liu Y. .</author>
    </authors>
   </contributors>
   <titles>
    <title>УСОВЕРШЕНСТВОВАНИЕ МОДЕЛИ ДЛЯ АНАЛИЗА СОДЕРЖАНИЯ ОРГАНИКИ В ПОЧВЕ МЕТОДОМ СПЕКТРОМЕТРИИ В ВИДИМОМ И БЛИЖНЕМ ИК ДИАПАЗОНАХ ЗА СЧЕТ ПРЕДВАРИТЕЛЬНОЙ ОБРАБОТКИ СПЕКТРОВ, ВЫБОРА ОБРАЗЦОВ И ОПТИМИЗАЦИИ ДЛИН ВОЛН</title>
   </titles>
   <keywords>
    <keyword>спектроскопия видимого и ближнего ИК диапазонов</keyword>
    <keyword>содержание органических веществ</keyword>
    <keyword>предварительная обработка спектра</keyword>
    <keyword>выбор образца</keyword>
    <keyword>оптимизация длины волны</keyword>
    <keyword>Vis-NIR spectroscopy</keyword>
    <keyword>organic matter content</keyword>
    <keyword>spectral pretreatment</keyword>
    <keyword>sample selection</keyword>
    <keyword>wavelength optimization</keyword>
   </keywords>
   <dates>
    <year>2017</year>
    <pub-dates>
     <date>2025-03-12</date>
    </pub-dates>
   </dates>
   <journal>Журнал прикладной спектроскопии</journal>
   <abstract>При создании модели для анализа методом спектрометрии в видимом и ближнем ИК диапазонах содержания органических веществ (OMC) в черноземе с известковыми включениями использованы 130 образцов поверхностного слоя почвы, взятых в графстве Гуоян провинции Аньхой, Китай. Для минимизации несоответствующей и бесполезной информации в полученных из спектров данных и повышения степени их корреляции с измеряемыми величинами проведена предварительная обработка спектров. Для выбора обучающего набора использованы метод Кеннарда-Стоуна (KS) и разбиение набора образцов с совместным учетом расстояний по x-y (SPXY). C помощью алгоритма последовательных проекций (SPA) и генетического алгоритма (GA) осуществлена оптимизация длин волн. В итоге построена модель регрессии на главные компоненты (PCR), в которой оптимальное число главных компонент определено с помощью методики перекрестной проверки с исключением по одному. Показано, что комбинация фильтра Савицкого-Голея (SG) для сглаживания и мультипликативной поправки на рассеяние (MSC) может исключить влияние шума и дрейфа базовой линии; метод SPXY имеет преимущество перед KS при выборе образцов; SPA и GA могут значительно уменьшить число переменных по длинам волн и эффективно повысить точность GA и анализа OMC в почве до коэффициентов корреляции (Rcc), среднеквадратичной ошибки предсказания (RMSEP) и остаточной погрешности прогноза (RPD) 0.9316, 0.2142 и 2.3195 соответственно. </abstract>
   <urls>
    <web-urls>
     <url>https://www.academjournals.by/publication/16429</url>
    </web-urls>
    <pdf-urls>
     <url>https://www.academjournals.by/files/16383</url>
    </pdf-urls>
   </urls>
  </record>
 </records>
</xml>
