土壤氮、磷、钾预测回归模型方法研究与实现.docx

摘  要：随着人类社会的发展，农业也不再仅仅局限于男耕女织，开始进入了机械化，而农作物的生长离不开土壤内部元素，因此土壤氮磷钾分析设备的应用越来越多，可以有效的指导人类对肥料的使用更加合理，对于土壤改良，保护生态具有重大意义。

  氮磷钾在植物生长的各种营养元素之中，是需要被大量吸收的营养元素，而它们通过残根的形式回归土壤的却很少，因此往往需要我们使用肥料去补充这些元素，才能让植物正常生长。而土壤测试就是我们制定肥料配方的重要依据之一，随着我国农业发展的不断进步，种植业结构不断完善，高产作物品种接连出现，使得我们施肥方式也发生了重大变化，土壤中的养分也改变了很多。通过开展土壤氮、磷、钾养分测试，可以让我们更好的了解土壤供肥能力状况，从而去采取一些正确的措施。如何高效地对土壤氮磷钾含量进行研究，并在此基础上，对其中特征提取方法进行改进从而提高，主要研究内容如下：

1.基于PCA的土壤氮、磷、钾数据降维，预测模型设计与分析-采用PCA线性降维，本文分别将原来的193组数据降维到152组与102组，然后再对新的数据集进行回归测试。

2.基于SVM的线性回归SVR、非线性回归SVR预测模型设计与分析-采用支持向量机先对数据集进行线性回归SVR测试，然后采用支持向量回归算法，通过升维后，在高维空间中构造线性决策函数来实现线性回归，用核函数代替线性方程中的线性项，这样就可以把原来的线性算法非线性化，即可进行非线性回归SVR测试。

关键词：近红外光谱、PCA（主成分分析法）、SVM（支持向量机）

目录

摘要

Abstract

一、绪论-1

（一）研究背景及意义-1

（二）国内外现状-2

（三）本文主要研究的内容-3

（四）本文组织结构-3

二、 两种模型PCA和SVM-4

（一）PCA（主成分分析法）-4

（二） SVM（支持向量机）-6

（三）模型误差-10

三、数据集-12

四、模型训练和测试-13

（一） PCA（主成分分析法）-13

（二） SVM（支持向量机）-19

五、结果分析-24

六、总结与展望-25

（一）总结-25

（二）展望-26

参考文献-27

致谢-28