[发明专利]基于透射光谱和PLS-Elman神经网络的水体亚硝酸盐含量估算方法

说明书

本发明提出了一种基于透射光谱测量和Elman神经网络的水体亚硝酸盐含量估算方法，主要包括以下步骤：1)采集不同浓度亚硝酸盐标液的高光谱透射率数据，对数据进行白板校正，划分为校正集和验证集；2)平滑处理以及预处理；3)对预处理数据选用偏最小二乘回归系数法(PLS：Partial least squares regression)提取特征波段，建立Elman神经网络模型；4)对各Elman神经网络进行精度检验和对比，并通过与单一模型的预测模型精度比较筛选最优模型。本发明首先采用偏最小二乘回归法提取不同预处理结果数据的特征波段建立Elman神经网络模型将不同浓度的亚硝酸盐样本的浓度与相应的光谱数据进行拟合，充分利用不同预处理方法以及特征波段的提取，提高了检测精度。通过检测水体亚硝酸盐含量，可实时监测水污染的状况。

技术领域

本发明涉及高光谱检测技术与其分析检测技术领域，特别涉及基于透射光谱和PLS-Elman神经网络的水体亚硝酸盐含量估算方法。

背景技术

目前传统的亚硝酸盐含量的测试采用化学测量的方法，耗时长、人力物力消耗较大、不能满足大面积测量的需求。

高光谱法在无二次污染、操作简便、实时性等方面都表现出了明显的优势，另外其速度快、测定效果好，具有很强的实用性。因此研究基于高光谱检测技术的亚硝酸盐含量定量化模型具有很好的理论研究意义和实践价值。

基于高光谱检测技术的水质检测已早有研究。2008年，YES等应用UVE-SPA-LS-SUV的方法实现了对COD的建模预测；2016年，RYAN等采用偏最小二乘建模构建出适用于Chl-a浓度估算的最佳高光谱模型；2017年，ALI等人利用400-900nm的光谱波段的反射率检测伊利湖的浓度和总悬浮固体浓度；曹引等提出基于离散粒子群和最小偏二乘的水体浊度高光谱反演模型，为水体浊度大面积遥感检测业务化管理提供了技术支持；2019年，张贤龙等提出了激光诱导击穿光谱和高光谱技术的水质参数浓度反演模型。目前基于高光谱检测技术的亚硝酸盐含量快速检测方法研究较少，而且大部分的研究模型均是在全光谱范围内建立预测模型，但是由于全光谱中难免包含噪声和冗余信息，会对建模的精确度和稳定性造成较大的影响，因此对于特征波段的提取在建模过程中显得尤其重要。

普通的多元线性回归应用中，有许多限制，最典型的问题就是自变量之间的多重相关性。

发明内容

本发明的目的在于提供基于透射光谱和PLS-Elman神经网络的水体亚硝酸盐含量估算方法，以解决上述问题。

为实现上述目的，本发明采用以下技术方案：

基于透射光谱和PLS-Elman神经网络的水体亚硝酸盐含量估算方法，包括以下步骤：

1)采集亚硝酸盐标液200-1030nm范围内的高光谱透射率数据，对数据进行白板校正；

2)对每一组数据进行平滑处理以及预处理；

3)采用偏最小二乘回归系数法提取不同预处理结果数据的特征波段，建立PLS-Elman神经网络组合模型；

4)进行PLS-Elman神经网络特征模型的训练；

6)对训练好的PLS-Elman神经网络，通过调试参数进行优化；

7)对优化好的PLS-Elman神经网络模型，选用测试数据对各模型进行精度检验和对比，最终，利用优化后的模型预测水体亚硝酸盐含量。

进一步的，步骤1)中采用微型光纤光谱仪相同时间间隔重复采集水体的透射光谱数据。

进一步的，步骤2)中选用的是局部回归lowess平滑滤波方法进行平滑处理；可选用双向二阶导数预处理、多元散射校正预处理或标准正态变量变换预处理方法进行对透射光谱数据进行预处理。