基于特征筛选结合PSO-BPNN和GA-BPNN算法的土壤重金属高光谱定量反演

以连州地区土壤重金属含量为研究对象，分析包括土壤原始光谱在内的经过数学变换后的光谱数据与重金属含量之间的相关性，再采用VISSA-IRIV算法进行光谱特征提取，分别建立偏最小二乘回归(PLSR)、BP神经网络(BPNN)、粒子群优化BP神经网络、遗传算法优化BP神经网络模型，对比获取土壤重金属元素Cr、Cu含量最优反演模型。结果表明：VISSA-IRIV算法实现了对光谱数据的高效降维；BPNN模型预测效果明显优于PLSR模型；经过优化的BP神经网络模型反演精度和稳定性得到了极大地提升，其中Cr、Cu元素的最佳反演模型组合分别为FD-GABPNN(R²=0.87、RMSE=13.82、RPD=2.95)、SNV-FD-PSO-BPNN(R²=0.92、RMSE=4.25、RPD=3.41)。该研究对土壤重金属含量的准确、快速分析提供了一种有效的方法，对实现土壤重金属污染治理具有重要的现实意义。