论文部分内容阅读
目前,水资源水环境保护已经引起了世界各国共同关注和高度重视,越来越多的学者开展了水质监测相关研究。近年来,紫外可见光谱技术依据化学法标准并结合回归模型,以其测量程序简单,且可以在不产生二次污染的基础上做到快速检测等优点,被广泛的用于水中硝酸盐及其它参数含量的测量。本文结合自主研发的双光路主动校正连续谱精细获取光谱仪,以全光谱精细分析技术为切入点,详细阐述了水质参数预测中的标准化数据采集流程、光谱数据预处理与分析方法。深入研究了基于峰面积、偏最小二乘法、反向传播神经网络等方法的预测性能,从建模区间优化、建模特征波长筛选、数据降维等角度提出了各类水体中硝酸盐浓度预测的优化算法,并在实际应用中对提出的算法及优化模型进行了验证。体现了紫外可见吸收光谱法预测水中硝酸盐浓度广阔的应用前景和研究价值。本文的主要研究成果和创新点如下:(1)提出了一套针对多样化水体的标准原始光谱数据预处理方法,包括待测样本光谱信息提取及光谱数据预处理。根据双光路主动校正连续谱精细获取光谱仪的特点,从包含光源、暗背景噪声的原始光谱数据中,突出了待测溶液中的硝酸盐的光谱信息,并结合硝酸盐的光谱特征及待测水体的类型,提出了分别适用于低浊度水体和高浊度水体的光谱数据预处理方案。(2)提出了间隔偏最小二乘法-峰面积(iPLS-PA)海水中硝酸盐浓度预测算法。针对目前海水中硝酸盐浓度预测的实际应用中采用的单波长法易受水样中其它物质的干扰的问题,提出采用特征峰面代替特征峰点,并嵌入iPLS进行吸光度区间选择的建模方法,同时,利用小麦岛典型海域海水样本对iPLS-PA算法进行建模验证,最终交叉验证的R~2达到了0.9986。(3)提出了局部线性嵌入-反向传播神经网络(LLE-BPNN)高浊度色度水体中硝酸盐浓度预测算法。水体中过高的浊度和色度会使硝酸盐的特征光谱位置发生偏移,同时影响其吸光度与浓度间的线性关系。针对这一问题提出使用BPNN对此类水体中的硝酸盐浓度建模预测以提高预测精度,结合了LLE非线性降维,在保持光谱数据间局部特征的同时将BPNN建模的耗时大幅缩短。利用实验室配制的不同浊度色度及硝酸盐浓度的样本对提出的LLE-BPNN算法进行了实验验证,对其中硝酸盐浓度交叉验证预测的R~2由0.7274提升至0.9556,RMSECV由1.3259降低至0.6585,同时建模耗时由991.91s缩短至4.46s。