关键词:
紫外-可见光谱法
水质检测
压缩感知
主成分分析
Fisher判别
摘要:
我国经济的快速发展,总是伴随着不容乐观的水质现状。绿水青山就是金山银山,要像对待生命一样对待生态环境,所以水质检测技术的研究刻不容缓。传统的水质检测技术具有操作复杂、测量周期长、需化学试剂、存在二次污染等缺点。直接紫外-可见光谱法水质检测技术具有实时、原位、在线测量、无需化学试剂、无二次污染等优点,已广泛应用于在线水质检测领域。然而,直接紫外-可见光谱法水质检测技术在数据处理方面仍存在一些不足,例如水质检测系统受测量仪器本身和外界环境的影响致使光谱数据含有大量噪声,以及单一模型不适用于多种水域的光谱数据分析,严重影响水质光谱数据建模的准确性和分析精度。基于此,本论文在重庆市博士后科研项目特别资助(Xm2016117)和重庆市教委科学技术研究项目(KJ1709201)的联合资助下,针对水质在线检测技术光谱数据处理过程存在的关键技术问题,深入开展基于紫外-可见光谱法水质检测系统的数据处理方法研究。论文的主要研究工作如下:1)紫外-可见光谱法水质检测系统设计。采用海洋光学DH2000氘卤钨灯组合式光源和科研级光谱仪QE系列搭建了紫外-可见光谱法科研级水质检测系统,采集生活污水、溪水、纯净水为水质样本,并获得样本的紫外-可见光谱数据。2)基于小波变换的压缩感知算法对紫外-可见光谱法水质检测光谱数据的去噪研究。针对水质检测光谱探测系统受到光源、光路、光电转换器件和复杂环境的严重影响等问题,提出了基于小波变换的压缩感知去噪算法。重点研究了不同压缩比和不同观测矩阵下压缩感知算法的去噪效果对比,并与传统小波阈值去噪方法进行了比较实验,最后将该方法应用到实际在线水质检测系统,对城市生活污水和某溪水的光谱数据进行去噪处理。实验结果表明,基于小波变换的压缩感知去噪算法能够有效去除系统噪声。3)主成分分析(PCA)对紫外-可见光谱法水质检测光谱数据的降维方法研究。针对直接光谱法水质检测系统采集的光谱数据信息冗余较大,分析过程复杂的问题,利用主成分分析消除信息指标间的相关性,实现光谱数据的降维和特征信息提取,简化了数据结构且缩短了数据分析时间。4)Fisher判别方法对紫外-可见光谱法水质检测光谱数据的判别分类研究。针对传统单一水质光谱数据模型适应性差、解算精度低等问题,利用PCA联合Fisher判别的方法建立判别模型,对某化工厂和某溪水水样进行分类,并与传统的Fisher判别模型进行了对比实验。实验结果表明,PCA联合Fisher判别模型可以有效消除信息冗余带来的影响,分类效果好、回代误判率低、计算时间短。本论文提出的压缩感知去噪算法为实时在线水质检测系统的光谱数据去噪处理提供了一种全新的思路,对仪器降噪具有重要的指导意义。主成分分析联合Fisher判别方法为直接光谱法水质类型判别工程实用化提供了一种高效手段。