关键词:
机器学习
土壤抗剪强度
多传感器
特征向量
预测模型
摘要:
土壤抗剪强度参数包括粘聚力和内摩擦角,是评价土壤侵蚀敏感性和反映耕层耕作性能的重要指标。为实现农田土壤抗剪切强度参数的快速检测,提出了一种基于机器学习的土壤抗剪切强度参数检测方法。以STM32单片机为核心处理器,采用圆锥杆、滚珠丝杆滑台、三角支架等构建土壤数据采集装置,利用DYMH-103柱式压力传感器和FlexiForce薄膜传感器分别检测圆锥杆贯入土壤的锥尖阻力和锥侧压力,采用CSF11土壤水分传感器获取土壤含水率信息,通过多传感器数据特征向量提取构建建模数据集。数据集相关性分析结果表明:土壤抗剪强度参数与锥尖阻力、锥侧压力和土壤含水率之间具有明显相关性。利用蒙特卡罗交叉验证(Monte Carlo Cross Validation,MCCV)剔除了数据集中的4个异常样本;同时,提出了一种ELM-PLSR组合建模算法,以决定系数R^(2)和RPD为评价指标,对比评估了ELM、PLSR和ELM-PLSR 3种不同机器学习模型,结果表明:ELM-PLSR模型预测性能优于ELM模型和PLSR模型;检测粘聚力时,对应的R^(2)、RPD分别为0.919和3.475;检测内摩擦角时,对应的R 2和RPD分别为0.910和3.304。研究结果可为土壤抗剪强度参数快速测量提供参考。