///标签1

研究文章

深度学习申请由可见光谱预测土壤有机质含量

表1

不同的模型的预测精度结果分数阶导数(1.5)土壤光谱反射率数据的转换。


模型	变量	培训		验证
模型	变量	R²	RMSE	R²	RMSE	RPD

症	67年	0.831±0.003	4.900±0.062	0.867±0.000	5.382±0.001	2.843±0.001
症	203年	0.835±0.018	5.107±0.290	0.834±0.018	6.112±0.290	2.465±0.092
中长期规划	67年	0.806±0.021	5.657±0.288	0.861±0.019	5.578±0.364	2.709±0.164
中长期规划	203年	0.890±0.011	4.249±0.199	0.886±0.002	5.044±0.037	2.987±0.022
LeNet5	67年	0.872±0.015	4.542±0.224	0.870±0.020	5.304±0.401	2.901±0.220
LeNet5	203年	0.902±0.006	3.909±0.114	0.863±0.001	5.471±0.033	2.790±0.022
DenseNet10	67年	0.927±0.009	3.376±0.191	0.888±0.012	4.925±0.274	3.133±.0.177
DenseNet10	203年	0.907±0.009	3.367±0.177	0.892±0.004	4.933±0.091	3.053±0.056

数据平均值±标准偏差。R ²=确定系数,RMSE =均方根误差和RPD =性能偏差的比值。

文章奖:2020年杰出的研究贡献,选择由我们的首席编辑。获奖的文章阅读。