[发明专利]基于Elman神经网络模型的土壤重金属含量预测方法

摘要

本发明涉及基于Elman神经网络模型的土壤重金属含量预测方法,与现有技术相比解决了未考虑重金属在土壤中的迁移习性致使难以准确预测土壤重金属含量的缺陷。本发明包括以下步骤：样本数据的获取和预处理；构造基于堆栈自编码网络的Elman神经网络预测分析模型；对基于堆栈自编码网络的Elman神经网络预测分析模型进行无监督训练；基于堆栈自编码网络的Elman神经网络预测分析模型进行有监督训练；土壤重金属含量的预测分析。本发明利用充分考虑土壤重金属含量迁移特性而改进的Elman神经网络模型进行分析预测，保证了土壤中重金属元素预测的精度。

主权项

一种基于Elman神经网络模型的土壤重金属含量预测方法，其特征在于，包括以下步骤：11)样本数据的获取和预处理，将采集的土壤样本划分为训练样本和测试样本，利用LIBS技术获取训练样本中土壤的光谱数据形成训练数据，将训练数据分为标签数据和无标签数据；12)构造基于堆栈自编码网络的Elman神经网络预测分析模型；13)对基于堆栈自编码网络的Elman神经网络预测分析模型进行无监督训练，利用无标签数据对基于堆栈自编码网络的Elman神经网络预测分析模型的堆栈自编码网络进行无监督训练；14)基于堆栈自编码网络的Elman神经网络预测分析模型进行有监督训练，将训练样本的标签数据输入到训练后的堆栈自编码网络中进行特征提取，将已提取特征后预处理的标签数据和土壤重金属含量的历史数据输入基于堆栈自编码网络的Elman神经网络预测分析模型，对Elman神经网络预测分析模型进行有监督训练；15)土壤重金属含量的预测分析，将土壤重金属含量的历史数据和测试样本的LIBS光谱数据处理后输入基于堆栈自编码网络的Elman神经网络预测分析模型中，完成对测试样本的土壤重金属含量的动态分析预测。