一种基于SAE-GS-TabNet的土壤有机质含量高光谱建模方法

本发明提出了一种基于SAE‑GS‑TabNet的光谱数据定量分析模型，通过稀疏自编码器（SAE）、参数寻优算法（GSPSO）、TabNet网络模型改进而成的SAE‑GS‑TabNet模型。在改进的SAE‑GS‑TabNet模型构建中，在四种标准深度学习在Adam优化下的SOM含量预测模型中，TabNet模型获得了最高的预测精度（R2=0.942、RMSE=2.973 g·kg‑1、RPD=4.159）。而使用GSPSO进行超参数寻优、稀疏自编码器（SAE）提取有效特征的SAE‑GS‑TabNet模型，取得了更高的预测精度（R2=0.954、RMSE=2.632 g·kg‑1、RPD=4.699）。可以快速有效预测林地土壤SOM含量。