机器学习算法辅助的GPS信噪比观测值土壤湿度反演

• 作者: 丰秋林 郑南山
• 来源期刊: 测绘通报
• 学科: 地球科学
• 关键词: BP神经网络算法 支持向量回归机 信噪比 土壤湿度
• 年，卷（期）: 2018,（7）
• 所属期刊栏目: 技术交流
• 页码范围: 106-111
• 页数: 6页
• 分类号: P237
• 语种: 中文

摘要

利用BP神经网络和支持向量回归机两种机器学习算法,构建基于机器学习算法的GNSS卫星反射信号土壤湿度反演模型,并与线性回归统计模型和实测数据进行对比分析.结果表明:基于机器学习算法的GNSS卫星反射信号土壤湿度反演方法获取的土壤湿度结果与土壤湿度参考值误差较小,反演模型的决定系数分别为0.9283和0.9131,均方根误差为0.0266和0.0326,线性回归统计模型的决定系数分别为0.5532和0.8598,均方差根误差分别为0.0939和0.0416.说明利用回归算法定量估测土壤湿度明显优于线性回归统计模型,且基于支持向量回归机的土壤湿度反演模型定量估测土壤湿度优于基于BP神经网络算法的土壤湿度反演模型,证明了该方法的可靠性,为土壤湿度的实时反演研究提供了一种新方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郑南山	中国矿业大学环境与测绘学院	46	369	11.0	17.0
5	丰秋林	中国矿业大学环境与测绘学院	5	26	3.0	5.0