基于大米特征矿物元素产地鉴别建模方法比较研究

摘要

基于前期实验筛选到的与产地和母质土壤直接相关的23种特征矿物元素作为产地判别特征指标,比较Fisher判别模型和前馈神经网络预测模型的适用性。以连续3年随机采集的五常、查哈阳和建三江地理保护区274份样本作为建模对象,以模型的判别率为指标,采用电感耦合等离子体质谱仪(ICP-MS)和X射线荧光光谱仪测定样本中特征矿物元素含量(Mg、Ca、Cr、Mn、Zn、As、Rb、Sr、Ag、Cd、Sb、Te、Ba、La、Nd、Sm、Gd、Dy、Ho、Er、Yb、Pb、U),结合线性(一般线性判别分析)和非线性(前馈神经网络训练方法)模型构建方法用于产地鉴别。结果表明,Fisher判别分析模型对训练集判别率为81.5%,交叉检验判别率为78.8%,测试集总体判别率为87.5%。前馈神经网络预测模型对大米产地识别结果平均相对误差值为17.14%,产地的整体识别准确率为100%。筛选到的特征矿物元素携带了足够多的产地信息,通过前馈神经网络法建立的判别模型具有更优的判别能力,能解决小距离相似自然环境产地样本难以识别的问题。