关于参数优化支持向量机的林下参净光合速率预测模型.pdf

第31卷，第5期 光谱学与光谱分析 20l and 1年5月 SpectroscopySpectralAnalysis May，2011 基于参数优化支持向量机的林下参净光合速率预测模型 武海巍1’2，于海业¨，张 蕾1 1．吉林大学工程仿生教育部蕈点实验窀，吉林长春 130022 2．北华大学电气信息工程学院，吉林吉林市 132021 摘要使用K．fold交叉验证方法，通过两种支持向量机函数，四种核函数，grid-search算法，遗传算法， 粒子群算法，建立对个体净光合速率预测拟合程度最高和最佳惩罚参数C的支持向量机模型。将町见光光谱 组成成分配比关系归为一个P粒子，将叶温、散射辐射、气温等门为一个￡粒子。通过信息粒子化技术对影 响个体净光合速率的因子进行降维处理，使得分析光合有效辐射、可见光光谱组成成分和个体净光合速率 之间的相关关系成为r可能。试验结果表明，epsilon-SVR．RBF-Genetic search模型和rill-SVR-RBF-GeneticAlgorithm模型对光合有效辐射和P粒子组成预测集的拟合程度均达到 辐射、P粒子和￡粒子组成的预测集进行预测分析，拟合程度达到96％以上。 关键词可见光光谱；支持向量机；参数优化；信息粒子化 中图分类号：0657．3文献标识码：A 引 言 1实验及数据处理 在光谱分析中，人工神经网络是人们常采用的方法，其 1．1样本来源 中又以BP神经网络应用的最多。BP神经网络要求大样本， 研究样本来源于吉林省梅河几林场林下参种植基地，地 并且容易陷入局部极小值，在实际应用中其预测的效果并不 理位置东经125．5。，北纬42．2。，海拔514m。全年日照时数 2556 十分理想。支持向帚机(SVM)是近年来机器学习研究的重大 h，年平均气温4．6。。年平均降水量798rflrn。所选试验 成果，泛化能力强和全局寻优的特点令其在光谱分析中越来 样地为20年生同龄人工落叶松林，位于海拔514m，坡向 m。以林下 越受到重视。SVM利用松弛变量和核函数，将低维空间的输 172。。坡度13。，林分郁闭度0．8，平均树高14．8 入变换到一个高维空间，在高维空间求样本数据线性不可分 生长8年龄人参个体为研究对象，测定净光合速率、光合有 情况的最优分类面[131。SVM计算和存储数据不受输入维数 crIl为半径所划生态位 效辐射和以该人参根部为中心、以20 的限制n’5]，这更符合林下参复杂光环境的实际情况。 的可见光光谱组成成分配比关系。 光作为植物最必需的资源，是影响其形态和功能的重要 1．2光谱测定 因子，而净光合速率Pn体现了植物有机物的积累。将人参 采片j美国生产的MSR-16型便携式多光谱辐射仪。根据 个体Pn作为研究对象，通过测定可见光光谱成分组成，结 仪器性质，应用辐射计|：方入射辐射的460～710啪波段光 合光合有效辐射，预测净光合速率变化规律。由于影响模型 谱分析林下叮见光成分和比例改变。MSR-16多波段光谱仪 的因素有很多[6’7]，需要对模型进行优化[81。本文详细介绍 测定的町见光波段能量以电雎单位mV表示。时『日J跨度为 利用不同公式、不同核函数、不同相关参数的支持向量机建 2009年7月1日至7月28日。为了提高模型的泛化能力， 立净光合速率预测模型，同时详细讨论参数优化、模型组