[发明专利]基于太赫兹光谱与深度自动编码器的土壤重金属元素含量预测方法

权利要求书

1.一种基于太赫兹光谱与深度自动编码器的土壤重金属元素含量预测方法，其特征在于，包括以下步骤：

11)土壤样本的获取和预处理，获取土壤样本并划分为训练样本和测试样本，使用光谱仪获取土壤样本的太赫兹光谱数据；

12)构造基于深度自动编码器的预测模型,在模型构造上采用去噪自动编码器和压缩编码器堆叠形成深度自动编码器预测模型；

13)深度自动编码器预测模型的训练，将训练样本的太赫兹光谱数据输入深度自动编码器预测模型，完成对深度自动编码器预测模型的训练；所述的深度自动编码器预测模型的训练包括以下步骤：

131)训练去噪自动编码器，通过去噪自动编码器的代价函数J(W,b)训练去噪自动编码器；所述的训练去噪自动编码器包括以下步骤：

1311)训练去噪自动编码器的编码部分，

将具有统计特性的噪声加入到原始输入光谱数据x中，利用去噪自动编码器的编码部分对加入噪声后的数据进行编码，

设h表示隐藏层的神经单元激活，则其数学表达式为

其中：W表示连接在输入层与隐藏层之间的d_h×d_x权值矩阵，s_f表示激活函数，

1312)训练去噪自动编码器的解码部分，

利用去噪自动编码器的编码部分的隐藏层重构出原始输入数据，其解码函数表示如下：

y＝g(h)＝s_g(W'h+b_y)，

其中：y表示解码部分对加入干扰噪声后输入数据的重构，s_g表示解码部分的激活函数，偏置b_y∈R^dx是连接在隐藏层与输出层之间的d_x×d_h权值矩阵；

1313)通过最小化重构与原始输入数据之间的误差代价提取特征，采用梯度下降法更新层与层之间的权值，获得最终特征，其代价函数为

其中L是重构误差，形式为平方差重构误差L(x,y)＝||x-y||²或交叉熵代价

132)训练压缩编码器，将去噪自动编码器的编码输出作为压缩编码器的输入，通过压缩编码器的代价函数J_CAE(W,b)训练压缩编码器；

133)将压缩编码器中隐藏层的输出作为有监督人工神经网络层的输入，保持已预训练层的参数固定，初始化整个网络的参数；

将压缩编码器的输出作为提取的特征，联同训练样本对应的土壤重金属元素含量，输入深度自动编码器预测模型最后一层的有监督人工神经网络层，按照有监督的学习方法，对深度自动编码器预测模型的所有层进行有监督的微调；

14)土壤重金属元素含量的预测，将测试样本的太赫兹光谱数据输入训练后的深度自动编码器预测模型，完成对测试样本的土壤重金属元素含量的分析预测。

2.根据权利要求1所述的基于太赫兹光谱与深度自动编码器的土壤重金属元素含量预测方法，其特征在于，所述的使用光谱仪获取土壤样本的太赫兹光谱数据包括以下步骤：

21)将采集的土壤均经过去杂、风干处理后依次编号；经过计算、称取、混合、溶解、搅拌、干燥、研磨工序后，装袋密封保存；

22)将土壤样本通过压片处理，获得厚度均匀的压片样本；

23)使用太赫兹时域光谱仪采集压片样本的太赫兹光谱数据，利用飞秒激光器提供激光，在室温下进行操作；

将压片样本放入太赫兹测量平台的立式光学元件的槽内，测量波段范围为0.1～2.0THz，每个压片样本重复采集3次太赫兹光谱曲线，求取3次测量的平均值代表该压片样本的太赫兹光谱数据。