[发明专利]土壤重金属含量反演模型生成方法、系统及反演方法

权利要求书

1.一种土壤重金属含量反演模型生成方法，其特征在于，包括如下步骤：

步骤1：获取土壤样本的重金属含量及室内光谱数据；

步骤2：对土壤样本的室内光谱数据进行预处理并采用竞争性自适应重加权方法提取重金属光谱特征波段；

步骤3：基于土壤样本的重金属含量及与其对应的重金属光谱特征波段构建实测样本集；

步骤4：基于实测样本集中土壤样本的重金属含量及与其对应的重金属光谱特征波段，应用基于最小二乘虚拟样本生成方法生成土壤虚拟样本集，使土壤虚拟样本与实测样本数量之比为1～10∶1，实测样本集与土壤虚拟样本集构成混合样本集；

步骤5：基于混合样本集，以重金属光谱特征波段为输入，对应重金属含量为输出，训练得到BP神经网络重金属含量反演回归模型；

其中，步骤4中所述基于实测样本集中土壤样本的重金属含量及与其对应的重金属光谱特征波段，应用基于最小二乘虚拟样本生成方法生成虚拟样本集，具体包括如下步骤：

4.1、以实测样本集为初始训练集D⁽⁰⁾，领域控制因子选取为δ，δ取值范围为[0.0001，0.01]，最大搜索次数为V，待生成土壤虚拟样本数量为R，初始化循环变量r＝1；

4.2、基于初始训练集D⁽⁰⁾，以重金属光谱特征波段为输入，对应重金属含量为输出，训练得到偏最小二乘反演重金属含量回归模型，通过留一验证法得到初始训练集D⁽⁰⁾的训练绝对误差为E⁽⁰⁾，令E＝E⁽⁰⁾；

4.3、判断r≤R是否成立，若成立，进入步骤4.4，若否，跳转至步骤4.14；

4.4、根据初始训练集D⁽⁰⁾中各样本训练误差高低对初始训练集D⁽⁰⁾中的样本从高到低进行排序，记为其中，N为初始训练集D⁽⁰⁾中样本总个数，x表示重金属特征光谱波段，y表示对应的重金属含量，训练误差是重金属含量预测值与实测值y_n之间绝对差值；

4.5、初始化循环变量q＝1；

4.6判断q≤N是否成立，若成立，进入步骤4.7；若否，令r＝r+1，跳转至步骤4.3；

4.7、初始化搜索次数v＝1；

4.8、判断v≤V是否成立，若成立，进入步骤4.9；若否，跳转至步骤4.13；

4.9、随机生成样本对应6邻域内的土壤虚拟样本

4.10、基于训练集D^(r-1)∪(x^(r)，y^(r))，以重金属光谱特征波段为输入，对应重金属含量为输出，训练得到偏最小二乘反演重金属含量回归模型，再计算得到初始训练集D⁽⁰⁾的训练绝对误差为E^(r)；

4.11、如果E^(r)＜E，令D^(r)＝D^(r-1)∪(x^(r)，y^(r))，E＝E^(r)，r＝r+1，跳转至步骤4.3；否则跳转至4.12；

4.12、令v＝v+1，跳转至步骤4.8；

4.13、令q＝q+1，跳转至步骤4.6；

4.14、输出土壤虚拟样本数量为R的土壤虚拟样本集。