[发明专利]一种近岸复杂海水硝酸盐氮多光谱测量方法有效
申请号: | 202010656177.2 | 申请日: | 2020-07-09 |
公开(公告)号: | CN111766210B | 公开(公告)日: | 2023-03-14 |
发明(设计)人: | 冯巍巍;侯耀斌 | 申请(专利权)人: | 中国科学院烟台海岸带研究所 |
主分类号: | G01N21/33 | 分类号: | G01N21/33;G06N3/067 |
代理公司: | 沈阳优普达知识产权代理事务所(特殊普通合伙) 21234 | 代理人: | 郑瑶 |
地址: | 264003 山*** | 国省代码: | 山东;37 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 近岸 复杂 海水 硝酸盐 光谱 测量方法 | ||
本发明公开一种近岸复杂海水硝酸盐氮多光谱测量方法,首先通过正交试验配置含盐度、有机物影响的硝酸盐标液,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;然后光谱预处理去除高频光谱噪声;再根据紫外光谱特征确定神经网络模型结构并初始化参数;最后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。本发明降低了使用光谱法进行近岸海水硝酸盐浓度检测时盐度及有机物浓度的变化对测量精度的影响,提高了光谱法近岸海水硝酸盐氮测量的精度。
技术领域
本发明涉及海水硝酸盐测量技术,具体为一种近岸复杂海水硝酸 盐氮多光谱测量方法。
背景技术
光谱法作为一种常见的分析检测手段,被广泛应用于水体污染物 浓度检测等领域,常被应用于水质原位传感器进行水质参数的快速原 位测量,具有快速、长时间监测等优势。
但是由于海水中的组分十分复杂,一些适用于淡水的水质光谱法 监测方法,在应用于海水水质监测领域时,常常因为干扰物质的影响 表现的不尽人意。尤其是近海领域盐度及有机物浓度变化大,对光谱 法海水硝酸盐浓度的测量有极大的影响,原因是决定盐度的离子之一 溴离子以及有机物在硝酸盐的紫外吸收波段都具有较强的吸收,与硝 酸盐吸收光谱有部分的重叠,从而造成较大的测量误差,制约了该研 究领域的发展。因此如何校准干扰物对海水光谱造成的影响,对于光 谱法测量海水硝酸盐是极为重要的。
发明内容
针对现有技术中光谱法近海水体硝酸盐浓度测量过程中盐度、有 机物等干扰物对测量精度影响大,影响机理复杂且难以校准的现状, 本发明提供一种近岸复杂海水硝酸盐氮多光谱测量方法。
具体技术方案如下:
一种近岸复杂海水硝酸盐氮多光谱测量方法,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标液,测 量多光谱信息(200-300nm)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 水样并测得其光谱数据,建立训练数据集、测试数据集;
(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,去除原始光谱数据中紫外吸收光谱中的高频噪声信号。
(3)根据干扰物及硝酸盐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。
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浓度测量。
与现有技术相比,本发明具有如下有益技术:
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国科学院烟台海岸带研究所,未经中国科学院烟台海岸带研究所许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010656177.2/2.html,转载请声明来源钻瓜专利网。