[发明专利]一种近岸复杂海水硝酸盐氮多光谱测量方法

权利要求书

1.一种近岸复杂海水硝酸盐氮多光谱测量方法，其特征在于，包括以下步骤：

(1)通过正交试验配置含盐度、有机物影响的硝酸盐氮标液，测量多光谱信息并计算紫外吸收光谱，建立神经网络模型建模数据集；具体步骤包括干扰物组分的确定以及干扰原理分析，确定干扰物的数目以及其浓度变化范围，根据干扰物以及观测对象硝酸盐氮的浓度变化范围，确定正交试验的因子数及水平数，基于正交试验，配置含溴离子、腐植酸影响的硝酸盐氮标液，并测得其光谱数据，建立训练数据集、测试数据集；其中，多光谱信息是波长为200-300nm之间的光谱信息；干扰物的数目为2，干扰物组分为溴离子和腐植酸，即所述盐度具体为溴离子，所述有机物具体为腐植酸，溴离子浓度变化范围为50-90mg/L，腐植酸浓度变化范围为100-900μg/L，硝酸盐氮浓度变化范围为100-900μg/L；

(2)小波变换进行光谱预处理，去除紫外吸收光谱中的高频噪声；具体步骤包括紫外吸收光谱数据的小波分解，获得小波细节系数及近似系数，根据VisuShrink阈值，对相应尺度上的细节系数进行阈值量化处理，去除原始紫外吸收光谱中的高频噪声信号，其中，小波分解使用db4小波基；

(3)根据干扰物及硝酸盐氮紫外吸收光谱特征确定神经网络模型结构并初始化参数；具体步骤包括根据紫外吸收光谱特征确定特征波段范围，根据选取的特征波段确定输入层节点数，以及隐藏层、输出层节点数的设置，还包括权重及偏置矩阵的初始化，以及学习率、正则化系数、训练次数超参数的设置，该神经网络使用双隐层结构；

(4)神经网络模型训练及超参数的优化，获得基于双隐层神经网络的近岸复杂海水硝酸盐氮测量模型，并使用该模型预测高盐度及有机物干扰条件下的硝酸盐浓度；具体步骤包括利用训练数据集中每一个样本进行神经网络模型的正向传播计算及误差反向传播更新权重及偏置矩阵，根据模型在训练集和测试集上的表现，利用折半法优化模型的超参数，获取最优模型，最终确定218-242nm为特征波段，输入层节点数为12，隐藏层节点数为5，输出层节点数为1，学习率为0.3，正则项系数为0.00001， 训练650次得到最优测量模型。

2.根据权利要求1所述的近岸复杂海水硝酸盐氮多光谱测量方法，其特征在于：所述方法适用于盐度、有机物浓度变化大的复杂水体的硝酸盐氮浓度测量，适用于河流入海口、海岸潮间带复杂水体的硝酸盐氮浓度测量。