本文主要研究内容
作者周昆鹏,白旭芳,毕卫红（2019）在《基于荧光多光谱融合的水质化学需氧量的检测》一文中研究指出：为了对水中的有机污染物进行绿色、快速、准确的检测,提出了一种基于荧光多光谱融合的水质化学需氧量（Chemical Oxygen Demand,COD）的检测方法。实验样本为包含近岸海水和地表水在内的实际水样53份,采用标准化学方法获取样本的化学需氧量的理化值,利用荧光分光光度计采集样本的三维荧光光谱并对光谱数据进行处理和建模。在200～300nm（间隔5nm）的激发波长范围内将三维光谱展开成二维的发射光谱（发射波长范围250～500nm,间隔2nm）。采用ACO-iPLS（蚁群-区间偏最小二乘）算法提取发射光谱特征,PSO-LSSVM（粒子群优化的最小二乘支持向量机）算法建立预测模型,分别建立了单激发波长下的荧光发射光谱数据预测模型、多激发波长下发射光谱的数据级融合（LLDF）预测模型以及多激发波长下发射光谱的特征级融合（MLDF）预测模型,通过对预测效果的对比,得出结论。实验结果表明,对于不同激发波长下荧光发射光谱数据而言,265nm激发光作用下的发射谱数据的预测模型最优,其检验集决定系数RP2和外部检验均方根误差RMSEP分别为0.990 1和1.198 6mg·L-1;对于荧光多光谱数据级融合模型（简写为:LLDF-PSO-LSSVM）而言,在235,265和290nm激发光作用下的发射光谱的LLDF模型效果最优,其检验集的Rp2和RMSEP分别为0.992 2和1.055 1mg·L-1;对于荧光多光谱特征级融合模型（MLDF-PSO-LSSVM）而言,在265,290和305nm激发光作用下的荧光发射光谱的MLDF模型效果最优,其0.998 2,RMSEP=0.534 2mg·L-1。综合比较各类建模结果可知,MLDF-PSO-LSSVM的模型效果最优,说明基于荧光发射光谱数据,采用多光谱特征级融合模型检测水质COD时,检测的精度更高,预测效果更好。
Abstract
wei le dui shui zhong de you ji wu ran wu jin hang lu se 、kuai su 、zhun que de jian ce ,di chu le yi chong ji yu ying guang duo guang pu rong ge de shui zhi hua xue xu yang liang （Chemical Oxygen Demand,COD）de jian ce fang fa 。shi yan yang ben wei bao han jin an hai shui he de biao shui zai nei de shi ji shui yang 53fen ,cai yong biao zhun hua xue fang fa huo qu yang ben de hua xue xu yang liang de li hua zhi ,li yong ying guang fen guang guang du ji cai ji yang ben de san wei ying guang guang pu bing dui guang pu shu ju jin hang chu li he jian mo 。zai 200～300nm（jian ge 5nm）de ji fa bo chang fan wei nei jiang san wei guang pu zhan kai cheng er wei de fa she guang pu （fa she bo chang fan wei 250～500nm,jian ge 2nm）。cai yong ACO-iPLS（yi qun -ou jian pian zui xiao er cheng ）suan fa di qu fa she guang pu te zheng ,PSO-LSSVM（li zi qun you hua de zui xiao er cheng zhi chi xiang liang ji ）suan fa jian li yu ce mo xing ,fen bie jian li le chan ji fa bo chang xia de ying guang fa she guang pu shu ju yu ce mo xing 、duo ji fa bo chang xia fa she guang pu de shu ju ji rong ge （LLDF）yu ce mo xing yi ji duo ji fa bo chang xia fa she guang pu de te zheng ji rong ge （MLDF）yu ce mo xing ,tong guo dui yu ce xiao guo de dui bi ,de chu jie lun 。shi yan jie guo biao ming ,dui yu bu tong ji fa bo chang xia ying guang fa she guang pu shu ju er yan ,265nmji fa guang zuo yong xia de fa she pu shu ju de yu ce mo xing zui you ,ji jian yan ji jue ding ji shu RP2he wai bu jian yan jun fang gen wu cha RMSEPfen bie wei 0.990 1he 1.198 6mg·L-1;dui yu ying guang duo guang pu shu ju ji rong ge mo xing （jian xie wei :LLDF-PSO-LSSVM）er yan ,zai 235,265he 290nmji fa guang zuo yong xia de fa she guang pu de LLDFmo xing xiao guo zui you ,ji jian yan ji de Rp2he RMSEPfen bie wei 0.992 2he 1.055 1mg·L-1;dui yu ying guang duo guang pu te zheng ji rong ge mo xing （MLDF-PSO-LSSVM）er yan ,zai 265,290he 305nmji fa guang zuo yong xia de ying guang fa she guang pu de MLDFmo xing xiao guo zui you ,ji 0.998 2,RMSEP=0.534 2mg·L-1。zeng ge bi jiao ge lei jian mo jie guo ke zhi ,MLDF-PSO-LSSVMde mo xing xiao guo zui you ,shui ming ji yu ying guang fa she guang pu shu ju ,cai yong duo guang pu te zheng ji rong ge mo xing jian ce shui zhi CODshi ,jian ce de jing du geng gao ,yu ce xiao guo geng hao 。
论文参考文献
论文详细介绍
论文作者分别是来自光谱学与光谱分析的周昆鹏,白旭芳,毕卫红，发表于刊物光谱学与光谱分析2019年03期论文，是一篇关于荧光论文,多光谱融合论文,预测模型论文,化学需氧量论文,水质检测论文,光谱学与光谱分析2019年03期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自光谱学与光谱分析2019年03期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：荧光论文; 多光谱融合论文; 预测模型论文; 化学需氧量论文; 水质检测论文; 光谱学与光谱分析2019年03期论文;