本發(fā)明涉及水質(zhì)檢測，具體為一種基于紫外可見吸收光譜技術(shù)的水質(zhì)多參數(shù)檢測方法。

背景技術(shù)：

1、水資源是人類賴以生存和發(fā)展的重要資源，水資源環(huán)境污染會對當(dāng)?shù)鼐用竦慕】瞪钏皆斐蓢?yán)重影響，導(dǎo)致生態(tài)環(huán)境系統(tǒng)的連鎖破壞。浮游植物被用作水質(zhì)的生物指標(biāo)，對湖庫而言，測定浮游植物的物種與數(shù)量對水質(zhì)評價有重要的實用意義，而葉綠素a是現(xiàn)場觀測中必不可少的測量水質(zhì)參數(shù)，色譜法、熒光法和分光光度法都是用來檢測葉綠素a含量值的主要方法。其中紫外可見吸收光譜法利用水中某種特定物質(zhì)吸收特定波長處的紫外可見光，來產(chǎn)生分子吸收光譜，進而可以根據(jù)光譜數(shù)據(jù)來定性定量地分析水質(zhì)參數(shù)。

2、目前由于水樣光譜數(shù)據(jù)中通常包含大量的波長信息，具有高度的相關(guān)性或冗余性，導(dǎo)致回歸模型不穩(wěn)定，對于許多水質(zhì)參數(shù)預(yù)測任務(wù)，某些波段的數(shù)據(jù)可能并不提供額外的有價值信息，冗余的特征會增加計算負(fù)擔(dān)，降低了檢測效率，并且單獨的模型容易出現(xiàn)過擬合和欠擬合問題，從而降低模型的預(yù)測準(zhǔn)確性。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的在于提供一種基于紫外可見吸收光譜技術(shù)的水質(zhì)多參數(shù)檢測方法，解決了上述背景技術(shù)中所提出的問題。

2、為實現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：一種基于紫外可見吸收光譜技術(shù)的水質(zhì)多參數(shù)檢測方法，包括以下步驟：

3、檢測前準(zhǔn)備，準(zhǔn)備紫外可見光譜儀和透明容器，之后從目前水域采集水樣；

4、水樣預(yù)處理，使用濾膜過濾水樣，去除懸浮顆粒物，并進行濃度標(biāo)準(zhǔn)化，確保每次實驗的水樣條件一致；

5、光譜特征提取，使用紫外可見光譜儀測量水樣的吸光度譜，記錄波段范圍從200nm到800nm的光吸收數(shù)據(jù)，得到原始光譜數(shù)據(jù)，使用光譜特征提取算法得到平均變化率s，并設(shè)定最大閾值為y1，當(dāng)平均變化率s大于y1時，對該波段進行標(biāo)記，從而能夠從原始光譜數(shù)據(jù)中提取與葉綠素a和濁度相關(guān)的波段；

6、光譜數(shù)據(jù)權(quán)重調(diào)整，利用權(quán)重調(diào)整算法對原始光譜數(shù)據(jù)進行權(quán)重調(diào)整，用于凸出與葉綠素a和濁度相關(guān)的波段，保證檢測數(shù)據(jù)的準(zhǔn)確性，并將結(jié)果應(yīng)用于原始光譜數(shù)據(jù)，得到加權(quán)后的光譜數(shù)據(jù)集；

7、建立偏最小二乘模型，使用加權(quán)后的光譜數(shù)據(jù)集作為輸入，建立偏最小二乘模型pls一，使用原始光譜數(shù)據(jù)作為輸入建立偏最小二乘模型pls二，結(jié)合上述模型并利用綜合預(yù)測算法得到水質(zhì)參數(shù)的綜合預(yù)測值pcom；

8、結(jié)果報告，使用已知濃度的標(biāo)準(zhǔn)溶液進行驗證，確保檢測結(jié)果的準(zhǔn)確性，整理檢測結(jié)果和分析過程，撰寫檢測報告，以便后續(xù)使用。

9、所述光譜特征提取算法過程如下：

10、；

11、其中s(bi，bj)表示在波段bi到bj內(nèi)的平均變化率；

12、bi是特征提取的起始波長；

13、bj是特征提取的結(jié)束波長；

14、k是原始光譜數(shù)據(jù)中第k個波長；

15、a(k)是第k個波長下的吸光度；

16、設(shè)定s(bi，bj)的最大閾值為y1，具體的：

17、；

18、μ是整個波段變化率的平均值；

19、σ是波段變化率的標(biāo)準(zhǔn)差；

20、c為常數(shù)，取值范圍為2；

21、當(dāng)s(bi，bj)大于y1時，表示當(dāng)前波段的變化較為顯著，具有高特征性，通過計算原始光譜數(shù)據(jù)的波段變化率，能夠篩選出目標(biāo)水質(zhì)參數(shù)。

22、可選的，所述權(quán)重調(diào)整算法過程如下：

23、；

24、其中w(k)是第k個波長權(quán)重；

25、μ表示整個波段變化率的平均值；

26、amin是原始光譜數(shù)據(jù)中的最小吸光度值；

27、amax是原始光譜數(shù)據(jù)中的最大吸光度值；

28、是原始光譜數(shù)據(jù)的變異性系數(shù)，取值范圍為0至1，表示在第k個波長下原始光譜數(shù)據(jù)的波動程度；

29、其中vsd(k)是第k個波長的標(biāo)準(zhǔn)差；

30、是第k個波長的平均值；

31、設(shè)定的閾值為0.3，當(dāng)其大于0.3時，表示在第k個波長下原始光譜數(shù)據(jù)的波動過大，此時對最大閾值y1中的c進行調(diào)整，得到nc，具體為：

32、;

33、nc為新常數(shù)，當(dāng)大于0.3時，增加最大閾值y1，使其能夠根據(jù)實際情況進行調(diào)整，提高篩選出目標(biāo)水質(zhì)參數(shù)的準(zhǔn)確性。

34、可選的，所述綜合預(yù)測算法過程如下：

35、;

36、其中pcom是綜合預(yù)測值，表示篩選出水質(zhì)參數(shù)的預(yù)測值；

37、ppred是偏最小二乘模型pls一進行預(yù)測的結(jié)果；

38、μ表示整個波段變化率的平均值；

39、α是平均變化率影響系數(shù)，取值范圍為0至1；

40、是使用μ值作為特征的pls模型的預(yù)測結(jié)果；

41、pbase是偏最小二乘模型pls二進行預(yù)測的結(jié)果；

42、β是pbase影響系數(shù)，取值范圍為0至1。

43、可選的，所述水樣預(yù)處理步驟中選用孔徑為0.45微米的混合纖維素酯濾膜，在使用前先將濾膜浸泡在純水中兩小時，然后用純水進行抽濾清洗，去除濾膜上的水溶性物質(zhì)，再將濾膜在烘箱中烘干至恒重。

44、可選的，所述水樣預(yù)處理步驟中濃度標(biāo)準(zhǔn)化過程為先測量過濾后水樣的體積，確定所需的目標(biāo)濃度，若過濾后水樣的濃度高于目標(biāo)濃度，使用純水進行稀釋，若過濾后水樣的濃度低于目標(biāo)濃度，使用蒸發(fā)濃縮水樣。

45、可選的，所述光譜特征提取步驟中，使用紫外可見光譜儀測量水樣的吸光度數(shù)據(jù)，使用紫外可見光譜儀測量水樣三次，并最終取三次的平均值作為吸光度數(shù)據(jù)。

46、可選的，所述檢測前準(zhǔn)備步驟中，在水樣采集完畢后將其置于2至5℃的冰箱中保存。

47、與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果如下：

48、一、本發(fā)明通過光譜特征提取算法得到平均變化率s，將不相關(guān)的波段剔除，保留那些對目標(biāo)分析有強相關(guān)性的波段，能夠減少冗余特征的影響，確保對目標(biāo)水質(zhì)參數(shù)進行檢測，提高檢測精度，自動選擇出與目標(biāo)水質(zhì)參數(shù)最相關(guān)的波段，且減少計算負(fù)擔(dān)，提高了檢測效率，之后通過權(quán)重調(diào)整算法對原始光譜數(shù)據(jù)進行權(quán)重調(diào)整，使得目標(biāo)水質(zhì)參數(shù)相關(guān)的波段在回歸模型中占比更重，降低噪聲波段對模型的干擾，從而提高預(yù)測的準(zhǔn)確性。

49、二、本發(fā)明通過綜合預(yù)測算法，并結(jié)合偏最小二乘模型pls一和偏最小二乘模型pls二所輸出的數(shù)據(jù)，得到綜合預(yù)測值pcom，綜合預(yù)測值pcom經(jīng)過光譜數(shù)據(jù)特征提取、權(quán)重調(diào)整、模型訓(xùn)練和優(yōu)化，能夠直接反映目標(biāo)水質(zhì)參數(shù)，包括濁度和葉綠素a濃度的實時狀況，將光譜數(shù)據(jù)轉(zhuǎn)化為具有明確物理意義的參數(shù)值，為水質(zhì)監(jiān)測和評估提供重要依據(jù)，綜合了不同模型的優(yōu)勢，減少單一模型可能出現(xiàn)地過擬合和欠擬合問題，增強模型存在的泛化能力，通過光譜特征提取算法在集成模型中進行特征選擇，進而減少冗余特征的影響，從而能夠剔除多重共線性帶來的負(fù)面影響，各算法之間相互聯(lián)系，共同提高整體模型預(yù)測的準(zhǔn)確度。

技術(shù)特征：

1.一種基于紫外可見吸收光譜技術(shù)的水質(zhì)多參數(shù)檢測方法，其特征在于，包括以下步驟：

2.根據(jù)權(quán)利要求1所述的基于紫外可見吸收光譜技術(shù)的水質(zhì)多參數(shù)檢測方法，其特征在于：所述權(quán)重調(diào)整算法過程如下：

3.根據(jù)權(quán)利要求2所述的基于紫外可見吸收光譜技術(shù)的水質(zhì)多參數(shù)檢測方法，其特征在于：所述綜合預(yù)測算法過程如下：

4.根據(jù)權(quán)利要求3所述的基于紫外可見吸收光譜技術(shù)的水質(zhì)多參數(shù)檢測方法，其特征在于：所述水樣預(yù)處理步驟中選用孔徑為0.45微米的混合纖維素酯濾膜，在使用前先將濾膜浸泡在純水中兩小時，然后用純水進行抽濾清洗，去除濾膜上的水溶性物質(zhì)，再將濾膜在烘箱中烘干至恒重。

5.根據(jù)權(quán)利要求4所述的基于紫外可見吸收光譜技術(shù)的水質(zhì)多參數(shù)檢測方法，其特征在于：所述水樣預(yù)處理步驟中濃度標(biāo)準(zhǔn)化過程為先測量過濾后水樣的體積，確定所需的目標(biāo)濃度，若過濾后水樣的濃度高于目標(biāo)濃度，使用純水進行稀釋，若過濾后水樣的濃度低于目標(biāo)濃度，使用蒸發(fā)濃縮水樣。

6.根據(jù)權(quán)利要求1所述的基于紫外可見吸收光譜技術(shù)的水質(zhì)多參數(shù)檢測方法，其特征在于：所述光譜特征提取步驟中，使用紫外可見光譜儀測量水樣的吸光度數(shù)據(jù)，使用紫外可見光譜儀測量水樣三次，并最終取三次的平均值作為吸光度數(shù)據(jù)。

7.根據(jù)權(quán)利要求1所述的基于紫外可見吸收光譜技術(shù)的水質(zhì)多參數(shù)檢測方法，其特征在于：所述檢測前準(zhǔn)備步驟中，在水樣采集完畢后將其置于2至5℃的冰箱中保存。

技術(shù)總結(jié)
本發(fā)明公開了一種基于紫外可見吸收光譜技術(shù)的水質(zhì)多參數(shù)檢測方法，本發(fā)明涉及，包括以下步驟，檢測前準(zhǔn)備，水樣預(yù)處理，光譜特征提取，使用紫外可見光譜儀測量水樣的吸光度譜，得到原始光譜數(shù)據(jù)，使用光譜特征提取算法得到平均變化率S，光譜數(shù)據(jù)權(quán)重調(diào)整，建立偏最小二乘模型，使用加權(quán)后的光譜數(shù)據(jù)集作為輸入，結(jié)合上述模型并利用綜合預(yù)測算法得到水質(zhì)參數(shù)的綜合預(yù)測值，結(jié)果報告，具備了通過光譜特征提取算法，減少冗余特征的影響，確保對目標(biāo)水質(zhì)參數(shù)進行檢測，提高檢測精度，且減少計算負(fù)擔(dān)，提高了檢測效率，綜合預(yù)測值能夠利用各個模型的強項，減少單一模型可能出現(xiàn)地過擬合和欠擬合問題，提高整體模型預(yù)測的準(zhǔn)確度的效果。

技術(shù)研發(fā)人員：盛建武,劉璇
受保護的技術(shù)使用者：湖南碧霄環(huán)境科技有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/2