基于粗糙集属性约简法的植烟土壤肥力评价分析

为建立更合理的植烟土壤评价方法,以江苏中烟某原料基地的植烟土壤为研究对象,采用层次分析法和基于粗糙集的属性约简法对土壤肥力的综合状况进行评价,并利用当年的烟叶产量对评价结果进行检验。结果表明:①15个采样点土壤肥力指标间的差异不同,其中有机质、碱解氮、水溶性氯、速效磷、速效钾、有效硫和有效镁含量（质量分数）7项指标差异较大,全钾、有效硼、有效钼、有效钙含量（质量分数）和土壤pH 5项指标差异较小,采样点的全氮和全磷含量（质量分数）指标差异不显著。②经多重比较筛选并利用层次分析法确定有机质、碱解氮、速效磷、速效钾、有效镁和水溶性氯含量的初始权重分别为0.229、0.357、0.120、0.189、0.055、0.050。③基于粗糙集的属性约简法确定的最小近似约简为有机质、速效磷、速效钾和水溶性氯含量指标,权重系数分别为0.214、0.214、0.321和0.251。④利用层次分析法和基于粗糙集的属性约简法得到的土壤综合肥力评价结果不尽相同,不同方法计算得到的土壤综合肥力指数与当年的烟叶产量均呈显著线性相关,相关系数（r）值分别为0.65和0.92,决定系数（R2）分别为0.42和0.86,均方根误差（RMSE）分别为5.92和5.89,基于粗糙集属性约简法的相关性更好,精度更高。      

基于NIR技术和ELM的烤烟烟叶自动分级

为解决初烤烟叶收购中人工分级主观因素影响较大的问题,提出了一种基于近红外（NIR）光谱技术结合极限学习机（ELM）算法自动鉴别烟叶等级的方法。文章首次提出基于品质相似、价格接近原则的烟叶收购分组方法,通过交互检验优化ELM分组、分级模型的隐节点数,并与K最近邻法（KNN）、支持向量机（SVM）和随机森林（RF）等多分类算法进行了比较。结果表明:ELM分类模型参数自动优化、训练时间短、稳定性和预测能力较好,2014年（数据集A）、2015年（数据集B）烟叶收购国标样本上、中、下等烟外部预测分组正确率分别为95.77%和94.23%,数据集A和B的上、中、下等烟各组样本外部预测分级正确率分别为85.71%、86.67%、100%和100%、92.86%、92.86%。因此,采用NIR技术结合ELM能准确鉴别初烤烟叶等级,可为烤烟烟叶收购质量等级评价提供一种新技术。