摘要:為了實(shí)現(xiàn)土壤有機(jī)質(zhì)快速,、準(zhǔn)確的測(cè)量,提出了一種基于人工嗅覺的土壤有機(jī)質(zhì)含量檢測(cè)方法,。首先,,由不同溫度控制的10個(gè)氣體傳感器所構(gòu)成的陣列對(duì)土壤樣品氣體進(jìn)行采集;然后,,提取每個(gè)傳感器響應(yīng)曲線上的7個(gè)特征(包括最大值,、最小值、平均值,、平均微分系數(shù),、響應(yīng)面積、第30秒的瞬態(tài)值和第60秒的瞬態(tài)值),,構(gòu)建嗅覺特征空間,;對(duì)特征空間優(yōu)化后,采用回歸算法建立預(yù)測(cè)模型,。為減小不同測(cè)定算法,、異常樣本以及冗余特征對(duì)模型預(yù)測(cè)性能的影響,在應(yīng)用蒙特卡羅抽樣(Monte Carlo sampling,,MCS)法剔除異常樣本的基礎(chǔ)上,,采用主成分分析(Principal component analysis,PCA)法對(duì)特征空間進(jìn)行降維處理,評(píng)估了包括偏最小二乘法回歸(Partial least square regression,,PLSR),、支持向量機(jī)回歸(Support vector machine regression,SVR)和BP神經(jīng)網(wǎng)絡(luò)(Back propagation neural network,,BPNN)等3種建模方法對(duì)土壤有機(jī)質(zhì)含量的預(yù)測(cè)性能,,選用決定系數(shù)R2、均方根誤差(RMSE)和預(yù)測(cè)偏差比(RPD)評(píng)價(jià)各模型的預(yù)測(cè)性能,。測(cè)試集驗(yàn)證結(jié)果表明,,PLSR、SVR和BPNN這3種模型的預(yù)測(cè)值和樣本的觀測(cè)值之間的R2分別為0.86,、0.91和0.85,,RMSE分別為2.49、2.05,、2.68g/kg,,RPD分別為2.49、3.02和2.32,。SVR模型的預(yù)測(cè)性能高于PLSR模型和BPNN模型,,可對(duì)土壤有機(jī)質(zhì)含量進(jìn)行準(zhǔn)確預(yù)測(cè)。