Адаптивная оптимизация метода роя частиц на основе нейронной сети на радиальном базисе для классификации почв с помощью лазерно-искровой эмиссионной спектроскопии

Chen J. , Hao X. , Jia R. , Mo B. , Li S. , Wei H.
2025

Для классификации и идентификации стандартных образцов почвы использовано сочетание лазерно-искровой эмиссионной спектроскопии (LIBS) с адаптивной оптимизацией метода роя частиц на основе нейронной сети на радиальном базисе (APSO-RBF). Вычислительную сложность и избыточность исходных данных можно уменьшить путем выбора главных компонент спектральных данных LIBS в качестве входных, при этом образцы классифицировать быстро и точно. Для идентификации образцов почвы из 10 регионов в качестве входных данных модели APSO-RBF использованы шесть первых главных компонент, точность классификации тестового набора 98.81%. Производительность предлагаемой модели выше по сравнению с алгоритмами обратного распространения, APSO-RBF и RBF. Показано, что сочетание LIBS с моделью APSO-RBF значительно повышает точность идентификации почвы.

Chen J. , Hao X. , Jia R. , Mo B. , Li S. , Wei H. Адаптивная оптимизация метода роя частиц на основе нейронной сети на радиальном базисе для классификации почв с помощью лазерно-искровой эмиссионной спектроскопии. Журнал прикладной спектроскопии. 2025;92(3):409.
Цитирование

Список литературы

Похожие публикации

Источник