【期刊信息】

Message

刊名:计算机光盘软件与应用
主办:中国大恒公司大恒电子出版社
主管:中国科学院
ISSN:1007-9599
CN:11-3907/TP
语言:中文
周期:半月
影响因子:0
期刊分类:计算机软件及计算机应用

现在的位置:主页 > 期刊导读 >

化学论文_基于大米特征矿物元素产地鉴别建模方

来源:计算机光盘软件与应用 【在线投稿】 栏目:期刊导读 时间:2022-01-17

作者:网站采编

关键词:

【摘要】文章摘要:基于前期实验筛选到的与产地和母质土壤直接相关的23 种特征矿物元素作为产地判别特征指标,比较Fisher判别模型和前馈神经网络预测模型的适用性。以连续3 年随机采集的五

文章摘要:基于前期实验筛选到的与产地和母质土壤直接相关的23 种特征矿物元素作为产地判别特征指标,比较Fisher判别模型和前馈神经网络预测模型的适用性。以连续3 年随机采集的五常、查哈阳和建三江地理保护区274 份样本作为建模对象,以模型的判别率为指标,采用电感耦合等离子体质谱仪(ICP-MS)和X射线荧光光谱仪测定样本中特征矿物元素含量(Mg、Ca、Cr、Mn、Zn、As、Rb、Sr、Ag、Cd、Sb、Te、Ba、La、Nd、Sm、Gd、Dy、Ho、Er、Yb、Pb、U),结合线性(一般线性判别分析)和非线性(前馈神经网络训练方法)模型构建方法用于产地鉴别。结果表明,Fisher判别分析模型对训练集判别率为81.5%,交叉检验判别率为78.8%,测试集总体判别率为87.5%。前馈神经网络预测模型对大米产地识别结果平均相对误差值为17.14%,产地的整体识别准确率为100%。筛选到的特征矿物元素携带了足够多的产地信息,通过前馈神经网络法建立的判别模型具有更优的判别能力,能解决小距离相似自然环境产地样本难以识别的问题。

文章关键词:

论文分类号:TS210.7;O657



文章来源:《计算机光盘软件与应用》 网址: http://www.jsjgprjyyy.cn/qikandaodu/2022/0117/1796.html


上一篇:电力工业论文_基于Kmeans-VMD-LSTM的短期风速
下一篇:航空航天科学与工程论文_基于粒子群优化的串级