文章摘要: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。

文章关键词:

论文分类号:TS210.7;O657