本发明涉及一种水体中硝酸盐浓度预测模型搭建方法,具体为一种基于迁移学习的硝酸盐浓度预测模型泛化方法。解决使用同一硝酸盐浓度预测模型时,因光谱数据采集环境或水质不同而导致的模型失效或预测精度下降的问题,首先对测得的源域数据和目标域数据进行预处理,再通过迁移学习的方法对其进行光谱特征映射,分别计算得到迁移后的源域数据和目标域数据,并将其分别划分为训练集和测试集。使用训练集样本数据进行偏最小二乘PLS建模,使用所建模型对测试集样本数据进行预测。有效改善了在不同环境下获取的样本使用原模型预测时的模型失效问题,提升了硝酸盐浓度预测精度,增强了硝酸盐浓度预测模型在不同环境下的泛化能力。
声明:
“基于迁移学习的硝酸盐浓度预测模型泛化方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)