神经网络在土壤有机质直接测定中的应用研究

【摘要】：针对智能仪器和精细农业的迅速发展,我们于2002年开发了一种试验系统—土壤有机质直接测定系统,它采用反射光谱对土壤有机质进行测量。相对于传统的测量方法,它很好的克服了测量时需要化学前处理、工作繁琐、测量成本高等问题。然而,在实际的测量当中,仍存在需要对土壤进行烘干处理和测量误差较大的问题。本文为进一步提高仪器测量精度,对土壤有机质测定作了进一步深入研究。 本文利用神经网络原理与技术,将BP人工神经网络用于土壤有机质直接测定仪,通过对17个土样(选用其中10组所测有机质光电压信号作为训练样本,而用另外7个土样进行预测)测得的有机质光电压信号进行建模预测。并鉴于BP网络在学习训练过程中收敛速度慢、容易陷入局部极小的不足,应用填充函数法与BP算法相结合训练神经网络全局优化算法,通过BP算法得到的一个误差函数局部极小点,然后借助填充函数,让搜索点跳出当前极小点的吸引域,再次利用BP算法求得误差函数的一个局部极小点。如此交替进行,从而最终求得全局极小点。 本研究采用MATLAB6.5编写了神经网络模型,通过对7个土样有机质进行预测分析结果表明,利用填充函数法训练前向神经网络用于土壤有机质直接测定仪,仪器测量精度大大提高,预测相对误差均低于7%,进一步表明神经网络运用于土壤有机质测定的可行性,且具有很好的应用价值。