[发明专利]基于堆叠式模型的土壤重金属含量检测方法

权利要求书

1.基于堆叠式模型的土壤重金属含量检测方法，其特征在于，所述方法通过堆叠式模型获取土壤样本光谱的波长点，根据波长点与重金属含量的对应关系得到土壤重金属含量，堆叠式模型包括堆叠的基学习器和元学习器，所述土壤重金属含量检测方法包括以下步骤：

步骤1：采集土壤样品，配置预定重金属浓度范围的土壤样本；

步骤2：获取土壤样本的X射线荧光光谱，其中重金属元素的含量值利用化学方法标定，形成样本光谱数据集，并将样本光谱数据集分成校正集和验证集；

步骤3：利用迭代保留信息法筛选出光谱中的强信息变量与弱信息变量；

步骤4：分别从变量区间选择算法、变量优化选择算法、变量统计选择算法和变量波段选择算法中选出具有代表性的四种特征变量选择方法，在强信息变量与弱信息变量的基础上分别构建基学习器进行训练、测试；

步骤5：将基学习器集成，构建元学习器，元学习器的输入是基学习器的输出，利用基学习器的输出对元学习器进行训练、测试；

步骤6：将待检测土壤的光谱输入基学习器，依据元学习器得到待检测光谱的波长点，依据得到的波长点判断分析土壤重金属的含量。

2.根据权利要求1所述的基于堆叠式模型的土壤重金属含量检测方法，其特征在于，步骤5中，选出的特征变量选择方法为区间偏最小二乘法、变量区间组合优化算法、萤火虫算法和连续投影算法。

3.根据权利要求1所述的基于堆叠式模型的土壤重金属含量检测方法，其特征在于，对基学习器进行分组训练，将区间偏最小二乘法对应的基学习器和区间组合优化算法对应的基学习器作为一组进行训练，将萤火虫算法对应的基学习器和连续投影算法对应的基学习器作为另一组进行训练。

4.根据权利要求1所述的基于堆叠式模型的土壤重金属含量检测方法，其特征在于，所述利用迭代保留信息法筛选出光谱中的强信息变量与弱信息变量，具体包括：

(a)对波长变量分类；

对每个波长变量计算包含和不包含该波长变量时的偏最小二乘法模型的RMSECV平均值，计算得到平均值的差值，并进行曼-惠特尼秩和检验，确定该变量的类型；

在每次迭代中保留强信息变量和弱信息变量，直至波长变量中不包含无信息变量和干扰变量为止；

(b)逆向消元；

筛选出强信息变量和弱信息变量后，考虑每个波长变量与其它波长变量的交互作用，进行逆向消元，使保留的波长变量的数量进一步减少，得到最优波长变量子集。