[发明专利]一种基于紫外可见光谱的海洋水质检测方法

说明书

本发明提供一种基于紫外可见光谱的海洋水质检测方法，包括：配制溶液；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；数据预处理：根据朗伯比尔定律中吸光度可叠加性，将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。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；将获取的数据集，引入长短期神经网络，构建多参数浓度预测模型；模型预测与性能测试。本发明实现多参数的特征提取，实现对海洋水质检测中主要待测参量如化学需氧量、硝酸盐和浊度的精确测量。

技术领域

本发明属于海洋水质检测技术领域，具体涉及一种基于紫外可见光谱的海洋水质信号的处理方法。

背景技术

人类活动对海洋造成了大范围的污染，致使海洋各项功能区的环境指标被破坏，需求无法被满足。海洋水质污染主要包括有机物污染、硝酸盐污染、固体悬浮物污染。化学需氧量反映了水体被还原性有机污染物的破坏程度。而传统检测方式测量化学需氧量、硝酸盐、浊度等耗时耗能、检测步骤繁琐。同时其他的化学测量方式将会产生新的污染物。魏康林等人研究了基于光谱分析的多参数水质监测与预警系统。闫鹏程等人使用激光诱导荧光技术(Laser-induced fluorescence,LIF)结合长短时记忆神经网络(Long Short-TermMemory Networks,LSTM)实现矿井水源识别。

在朗伯比尔定律的基础上通过光谱分析实现海洋水质检测作为一种高效便捷无污染的新型水质检测方式得到快速发展。本发明在朗伯比尔定律的基础上，通过改进连续投影算法(Successive Projections Algorithm,SPA)，实现多参数的特征提取。通过特征提取后不同待测物质在不同特征波长处的吸光度值，建立基于长短期记忆神经网络(LongShort-Term Memory Networks,LSTM)，实现海洋水质多参数检测。相对于传统的水质检测方法而言，本发明的SPA-LSTM海洋水质检测方法对连续光谱的海洋水质实现多参数精确测量，避免蓝移效应等对测量结果的影响。提高测量精度的同时，确保检测方式更加安全、可靠无污染。此外该检测方法不受检测地点限制可实现多个待测参量的浓度检测，将获取的基于紫外可见光谱波段的海洋水质信号传输至远程上位机实时处理。

发明内容

本发明的目的是为了克服传统水质检测方法耗时耗能、步骤繁琐且有新的污染物生成的问题而提出一种高效、便捷、无污染的新型海洋水质检测方法。本发明在朗伯比尔定律的基础上，通过改进连续投影算法(Successive Projections Algorithm,SPA)，实现多参数的特征提取。通过特征提取后不同待测物质在不同特征波长处的吸光度值，建立基于长短期记忆神经网络(Long Short-Term Memory Networks,LSTM)，实现对海洋水质检测中主要待测参量如化学需氧量、硝酸盐和浊度的精确测量。

本发明的目的是这样实现的：包括如下步骤：

1.配制溶液；

2.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。

3.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。

4.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。

5.将步骤3中获取的数据集，引入长短期神经网络(Long Short-Term MemoryNetworks,LSTM)，构建多参数浓度预测模型。

6.模型预测与性能测试