| 摘 要： | 随着工业化的不断推进,土壤重金属污染情况十分严重。重金属污染对于环境保护,人类安全都有很大的影响。砷作为一种毒性很强的重金属元素,对其进行反演研究,这对环境保护有着重要意义。传统的土壤重金属含量检测方法多为繁杂的实验室化学处理方法,耗费大量时间且成本高昂。为研发一种快速、准确检测土壤砷含量的方法,首先在可见光-近红外光波段获得原始反射光谱,使用三波段光谱指数分析波段间的相互作用,利用相关系数法获得最优的光谱参数组合,从而提取优质光谱特征。双隐含层极限学习机（TELM）是一种前馈神经网络模型。TELM在单隐含层极限学习机的基础上引入了新的隐含层和学习机制,有较高的性能。但是由于TELM第一隐含层参数是随机获得的,容易导致模型的不稳定,利用粒子群优化（PSO）算法对该层参数进行寻优。PSO是一种经典的智能优化算法,具有很强的全局搜索能力。针对PSO容易陷入局部最优点的缺点,引入新的交叉策略,通过该交叉策略,可以帮助其摆脱局部最优,并提出基于三波段光谱指数和交叉粒子群算法的双隐含层极限学习机混合模型（TPC-TELM）。为验证模型的有效性,将其与多个机器学习模型（如单层极限学习机和TELM等...
|
