[发明专利]一种基于紫外可见光谱的海洋水质检测方法在审
申请号: | 202310216097.9 | 申请日: | 2023-03-08 |
公开(公告)号: | CN116297267A | 公开(公告)日: | 2023-06-23 |
发明(设计)人: | 张晓峻;武瑾;申鑫鹏;韩庆国;侯琳琳;刘洋 | 申请(专利权)人: | 哈尔滨工程大学 |
主分类号: | G01N21/31 | 分类号: | G01N21/31;G01N21/33;G16C20/30;G16C20/70;G06N3/0442 |
代理公司: | 暂无信息 | 代理人: | 暂无信息 |
地址: | 150001 黑龙江省哈尔滨市南岗区*** | 国省代码: | 黑龙江;23 |
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 基于 紫外 可见 光谱 海洋 水质 检测 方法 | ||
1.一种基于紫外可见光谱的海洋水质检测方法,其特征在于,步骤如下:
步骤一:配制溶液;
步骤二:针对不同待测物质获取其不同浓度下的紫外可见光谱的吸光度值;
步骤三:数据预处理:根据朗伯比尔定律中吸光度可叠加性,将步骤2中提取到的不同待测物质的特征光谱,构成新的数据集;将该数据集中的数据进行分组,分别为60%的训练集、20%的交叉验证集、20%的测试集。
步骤四:根据待测溶质不同浓度下的光谱特征,利用连续投影算法,提取出不同待测物质的特征波段的吸光度值;
步骤五:将步骤3中获取的数据集,引入长短期神经网络,构建多参数浓度预测模型;
步骤六:模型预测与性能测试;
当一束单色平行光垂直通过均匀的非散射溶液时,光强由初始的I0衰减的I,这种衰减与溶液的摩尔吸光系数、溶液浓度以及光程有关;则有:
A=-lg(T)=-lg(I/I0)=εCλ
式中:A为吸光度,T为透射率,I0为紫外光源LED初始光强,I为探测器接收到的光强,ε为摩尔吸收系数,C为待测溶液浓度,λ为光程;
当混合溶液中存在两种或两种以上对光有吸收的物质,在同一波长下共存物质不互相影响,则混合溶液中总吸光度为共存物质各组分的吸光度之和:
A=Aa+Ab+Ac+......
式中:A为总吸光度,Aa、Ab、Ac……为混合溶液中共存物质各组分的吸光度。
2.根据权利要求1所述的一种基于紫外可见光谱的海洋水质检测方法,其特征在于,步骤四具体包括:连续投影算法包括:
步骤1.任取矩阵X(M,J)中的第j列,命名为向量xj即xk(0)作为初始迭代向量;
步骤2.矩阵S是尚未选择的波长集:
步骤3.计算向量xj在xk(n-1)的正交子空间中的投影:
步骤4.在n次迭代所选择的波长中,提取能使最大的子集:
步骤5.令
步骤6.令n=n+1,当n<N返回步骤1;
步骤7.提取的波长为{k(n);n=0,1,2,3......N-1},
式中:X(M,J)混合溶液的吸光度矩阵,M为待测混合溶液,J为紫外可见光谱波段,Y(M,A)混合溶液中多个待测参量的浓度矩阵,A为多个待测物质,N为最大迭代次数,n为第n次迭代,k(n)是第n次迭代中选择的波长。
3.根据权利要求1所述的一种基于紫外可见光谱的海洋水质检测方法,其特征在于,步骤5中通过长短期记忆循环神经网络处理不同浓度多种待测物质特征光谱数据,长短期记忆神经网络由于其循环结构特性包括遗忘门、输入门、输出门三大结构并具有传输带保持记忆,适合处理时间序列数据,时间序列是指随着时间推移信号呈现一定的规律,而光谱数据是指随着波长变换对应的吸光度呈现一定的规律,因此光谱数据满足时间序列数据特点:
输入门:
It=σ(XtWxi+Ht-1Whi+bi)
遗忘门:
Ft=σ(XtWxf+Ht-1Whf+bf)
输出门:
Ot=σ(XtWxo+Ht-1Who+bo)
输入门、遗忘门、输出门使用激活函数Sigmoid,Sigmoid函数的输出在0~1之间,当输入或输出较大或较小时,输出接近1或者0,符合门控的物理意义;生成候选记忆细胞时使用双曲正切函数tanh作为激活函数,其输出在-1~1之间;。
当前时间步候选记忆细胞:
记忆细胞:
隐藏状态:
Ht=Ot⊙tanh(Ct)
式中:当前时间步为t,上一时间步为t-1,输入数据Xt∈Rn*d,隐藏状态Ht∈Rn*h,σ为全连接层与激活函数。
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哈尔滨工程大学,未经哈尔滨工程大学许可,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/202310216097.9/1.html,转载请声明来源钻瓜专利网。
- 上一篇:一种刀具研磨装置
- 下一篇:一种灯盏花素-苦参碱双载药共无定形物及其应用