本發明涉及一種水體中硝酸鹽濃度預測模型搭建方法,具體為一種基于遷移學習的硝酸鹽濃度預測模型泛化方法。解決使用同一硝酸鹽濃度預測模型時,因光譜數據采集環境或水質不同而導致的模型失效或預測精度下降的問題,首先對測得的源域數據和目標域數據進行預處理,再通過遷移學習的方法對其進行光譜特征映射,分別計算得到遷移后的源域數據和目標域數據,并將其分別劃分為訓練集和測試集。使用訓練集樣本數據進行偏最小二乘PLS建模,使用所建模型對測試集樣本數據進行預測。有效改善了在不同環境下獲取的樣本使用原模型預測時的模型失效問題,提升了硝酸鹽濃度預測精度,增強了硝酸鹽濃度預測模型在不同環境下的泛化能力。
聲明:
“基于遷移學習的硝酸鹽濃度預測模型泛化方法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)