关键词:
数据融合
水质检测
紫外-可见吸收光谱
拉曼散射光谱
摘要:
对于水质检测而言,常用的方法有化学法、生物传感法以及物理法。化学法容易产生二次污染,且测量的时间周期长;生物传感法中缺点有灵敏度低和无法重复使用这两点;物理方法中的色谱法和质谱法它的测量过程复杂,需要专业人员操作,而且设备比较昂贵。因此,近年来直接光谱法广泛应用于水质检测中,其具有快速、无二次污染、指纹检测、可污染溯源等优点,已成为水质检测领域的研究热点。地表水中主要的24项参数指标,包含了生产生活中的大多数可能性污染物,可以有效地衡量水质污染的程度。本文基于地表水参数指标的区分,对某几种特定的参数进行了测量与研究。论文的主要研究工作如下:1)光谱法检测地表水实验系统设计。分别采用大功率氘卤灯组合光源结合了光谱仪搭建紫外-可见吸收光谱法水质检测系统;采用功率为600m W,波长为785nm的窄线宽激光器,光谱仪采用高分辨率光纤光谱仪搭建拉曼散射光谱法水质检测系统。实验配置不同浓度的水质标液并用光谱法获得光谱数据。2)多源光谱融合的水质参数测量方法研究。针对紫外-可见吸收光谱对水质参数预测不够精确的问题,采用了拉曼散射光谱和紫外-可见吸收光谱的多源光谱数据融合的方法,提升了水质参数测量精度。实验中数据融合策略为投影变量重要性分析与偏最小二乘回归法相结合,应用了两种不同光谱的信息即拉曼散射光谱和紫外-可见吸收光谱,对5-100mg/L的低浓度COD值与0.1-20mg/L的NO3-N进行了不同的建模。多源光谱模型是将原始数据运用归一法去除量纲后,级联成新的数据集矩阵;通过矩阵的投影变量重要性分析筛选出特征变量的特征级融合模型,最后将处理过的矩阵与偏最小二乘回归法相结合。结果表明,数据级融合的数据中COD的R2=0.9668,RMSECV=1.6113;NO3-N的R2=0.9633,RMSECV=0.5968。特征级融合中COD的R2=0.9766,RMSECV=1.2957;NO3-N的R2=1,RMSECV=0.2400。融合后的模型具有更强的数据拟合能力,提升了测量的精度。3)地表水水质多参数融合分类方法研究。对水质分类评价不完善的问题,提出了一种基于区间证据理论的高冲突水质多参数数据融合方法研究。采用了传统D-S证据理论结合区间数,通过高冲突修正。达到了一个能直接观看得到分类概率的结果。本次试验提供了一种基于区间相似度的基本概率分配生成方法,并用系数α调节,在修改冲突数据的同时可能多的保留了原始数据。运算后得到水质概率分类Ⅰ~Ⅴ依次为0.3516,0.5224,0.0913,0.0247,0.0099,不确定度的概率为0,融合后的信度能清晰的了解每个等级的支持度的概率,能够迅速的判断水质当前所处等级,信度最大的值就是当前的水质分类。为水质分类提供了一种新的思路。论文对光谱法检查地表水实现了两种方法研究的讨论,第一种是通过研究拉曼散射光谱和紫外-可见吸收光谱这两种光谱的光谱融合,运用特征级融合方法对其进行光源的重要性筛选以达到留存一定的维数从而判断参数浓度。另一种是通过对多参数的决策级融合,实现对地表水水质的概率分类。