《土壤含水率建模性能分析案例綜述》1200字

土壤含水率建模性能分析案例綜述在測試環(huán)境中，會存在各種各樣的噪聲，電子元件在系統(tǒng)工作過程中本身會產(chǎn)生隨機噪聲，主要由電子器件內部電子無規(guī)則的熱運動引起。此外設備工作外部環(huán)境以及電子系統(tǒng)使用不當也會將噪聲。噪聲會影響測量時信號的精準度，如果噪聲過大，會淹沒有用的信息。因此在信號的采集過程中要盡量避免噪聲干擾，同時在后續(xù)的處理過程中對需要信號進行降噪處理。但是在信號的采集過程中不可避免會使得信號收到噪聲的干擾。為了評估不同模型對噪聲的魯棒性，對測試數(shù)據(jù)集加入不同信噪比的噪聲，對不同模型的噪聲魯棒性進行比較。噪聲有多種不同的分布，其中高斯分布的噪聲信息熵最大，因此對采集到的超寬帶雷達信號分別加入信噪比為-10~30dB的噪聲，用模型對加噪后的信號進行分析，完成性能比較。對同一波形加入不同信噪比后的信號波形如圖4-1、4-2所示。圖4-1不同信噪比回波波形圖(a)原始波形(b)30dB信噪比(c)25dB信噪比(d)20dB信噪比(e)15dB信噪比(f)10dB信噪比圖4-2不同信噪比回波波形圖(a)5dB信噪比波形(b)0dB信噪比(c)-5dB信噪比(d)-10dB信噪比在對土壤回波信號完成加噪后，分別用訓練好的SVR模型、PLSR模型和CNNR模型對加噪后的數(shù)據(jù)進行預測，并用模型評價指標對不同模型的結果進行比較。不同噪聲下模型的R2、RMSE和RPD見表4-1，表4-2，表4-3。表4-1加噪后模型評價指標(R2)SVMPLSRCNNR-100.35550.69600.6856-50.21370.79510.757600.23710.79510.777750.71210.82460.8306100.71210.84160.8436150.84760.82860.8809200.88110.82680.9131250.87960.84750.9283300.88430.84910.9280表4-2加噪后模型評價指數(shù)(RMSE)SVMPLSRCNNR-101.11421.25360.8311SVMPLSRCNNR-51.15421.27980.752201.14671.43200.853651.32281.61751.6997101.69501.94132.3991151.69502.74023.8290202.48354.49085.1382253.23994.490810.1134306.729917.369718.8542表4-3加噪后模型評價指數(shù)(RPD)SVMPLSRCNNR-100.43890.45760.5024-50.55850.79170.569600.64420.79170.787551.27151.13790.9754101.27151.53301.3630151.94041.73831.7891202.31171.93193.1495252.34812.1903.7377302.45392.24303.3863從表中可以看到隨著信噪比的下降，不同模型的性能均有所下降，其中SVR模型的R2在10dB時開始明顯下降，在-5dB時下降到最低，SVR模型的RMSE在噪聲功率增加的過程中變化平緩，從原始的1.09上升到6.73，SVR模型RPD變化與PLSR模型類似。PLSR模型對在不同信噪比下的R2變化幅度平緩，可以對模型的變化趨勢進行較好預測。同時PLSR模型的模型預測均方根誤差在-5dB以前緩慢上升，在-10dB時上升很大。而它的RPD在20dB以前在2以上，隨著噪聲功率增加，對數(shù)據(jù)的解釋能力下降。CNNR模型的R2在信噪比降低過程中變化較為平緩在-10dB時為0.68，RMSE變化幅度大，隨著信噪比降低在-5dB時RMSE已經(jīng)超過了SVR模型在-10dB時的誤差，CNNR模型的RPD在30~15dB均有不錯的表現(xiàn)，15dB之前RPD大于3說明對于數(shù)據(jù)有很好的解釋，在15dB以后與其他模型接近。對三個模型整體進行分析，在15~30dB時CNNR模型的R2最高，PLSR模型的R2在15dB時與CNNR很接近，隨著噪聲功率增加，CNNR模型的R2低于PLSR模型。在10~30dB三個模型的均方根誤差很接近，說明三個模型在噪聲功率較低時對噪聲均不敏感。在信噪比低于10dB時CNNR模型的RMSE最大，然后時PLSR模型，SVR模型的RMSE最小預測誤差最低。CNNR模型的RPD在15~30dB時數(shù)值大于3，說明對于數(shù)據(jù)解釋能力強。SVR模型的RPD在15~30dB時大于PLSR模型，在信噪比-10~10dB范圍時三個模型