基于波长筛选的紫外可见光谱多金属离子检测方法技术

本发明专利技术公开一种基于波长筛选的紫外可见光谱多金属离子检测方法，能快速高效剔除冗余和干扰波长信息，减少波长筛选时间，并提高模型的精度和鲁棒性。所述方法包括：S1、用紫外可见分光度法获取包含多种金属离子的溶液在400‑700nm全波段的混合吸光度；S2、采用多重循环蒙特卡罗方法对获取的吸光度进行采样，使用指数衰减函数对波长进行初选，并应用无信息变量消除法选择混合吸光度中的有效波长点；S3、建立基于PLS法的浓度与混合吸光度之间的回归模型，分离计算得到各个离子的浓度值。

【技术实现步骤摘要】

本专利技术涉及紫外可见光谱分析领域，具体涉及一种基于波长筛选的紫外可见光谱多金属离子检测方法。
技术介绍
紫外可见光谱分析技术是一门快速分析的高新技术，由于其预处理简单、检测方便等特点，在金属离子的分析测定领域得到越来越广泛的应用。但使用该方法测量多金属离子浓度时，一般选用全波段波长信息，来进行PLS建模。理论上，在每一波长点上的吸光度都是各种物质吸光度的加和并满足朗伯比尔定理，但由于实验误差、仪器噪声以及各组分物质之间的相互影响，每一个波长点对模型的贡献度不同，甚至有一些波长点信息将影响模型的应用效果。因此，传统的全波段建模方法无法将实验误差大或者对模型贡献小的波长信息点筛除，导致模型误差大、精度低，多金属离子浓度分析不准确。目前，国内外学者对有效波长变量筛选方法进行了相关研究，通过筛选出对模型贡献度大的波长点来建模，从而获得更好的检测模型，减少建模时间。常用的特征变量选择方法主要有间隔偏最小二乘法(iPLS)，联合区间偏最小二乘法(siPLS)，蒙特卡罗无信息变量消除方法(MC-UVE)，竞争性自适应加权算法(CARS)等。前两者主要对光谱区间进行选择，并未针对性地选取特征变量，而MC-UVE和CARS方法则能筛选出对建模贡献度高且误差较小的变量。但通过分析发现，MC-UVE法主要用于剔除光谱中的噪声波长点，在去除对建模贡献度低的非噪声点时存在较大局限性；CARS方法是近年来新提出的一种变量筛选理论，该方法在对无效变量进行去除的同时还尽可能减少了共线性变量对模型的影响。但由于蒙特卡罗采样选择样本不同，所以回归系数一直在变化，其大小并不能完全反映变量的重要性。
技术实现思路
有鉴于此，本专利技术提供一种基于波长筛选的紫外可见光谱多金属离子检测方法，能快速高效剔除冗余和干扰波长信息，减少波长筛选时间，并提高模型的精度和鲁棒性。本专利技术实施例提出一种基于波长筛选的紫外可见光谱多金属离子检测方法，包括：S1、用紫外可见分光度法获取包含多种金属离子的溶液在400-700nm全波段的混合吸光度；S2、采用多重循环蒙特卡罗方法对获取的吸光度进行采样，使用指数衰减函数对波长进行初选，并应用无信息变量消除法选择混合吸光度中的有效波长点；S3、建立基于PLS法的浓度与混合吸光度之间的回归模型，分离计算得到各个离子的浓度值。本专利技术实施例提供的基于波长筛选的紫外可见光谱多金属离子检测方法，采样的过程中，用多重循环的蒙特卡罗采样方式来规避采样过程的偏差，快速去除夹杂噪声的波长变量，并去除大量对模型贡献度不高的非噪声波长变量，解决了传统蒙特卡罗算法在对样本抽取的过程中随机性大，导致变量稳定性指标计算不准确的问题。另外，为进一步加快波长变量筛选过程的速度，引入指数衰减函数(EDF)，快速淘汰重要性指标过低的无用波长变量，大大减少了波长筛选时间。附图说明图1为本专利技术基于波长筛选的紫外可见光谱多金属离子检测方法一实施例的流程示意图；图2为Cu2+筛选的波长数、RMSECV与算法循环次数的关系；图3为Cu2+通过改进型MC-UVE算法选择波长的结果；图4为Co2+筛选的波长数、RMSECV与算法循环次数的关系；图5为Co2+通过改进型MC-UVE算法选择波长的结果；图6为Zn2+筛选的变量数、RMSECV与算法循环次数的关系；图7为Zn2+通过改进型MC-UVE算法选择波长的结果；图8为Cu2+经MC-UVE方法波长筛选后模型检测结果；图9为Co2+经MC-UVE方法波长筛选后模型检测结果；图10为Zn2+经MC-UVE方法波长筛选后模型检测结果。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。参看图1，为了快速高效去除夹杂噪声的波长变量以及大量对模型贡献度不高的非噪声波长变量，进一步提高模型精度，本实施例公开一种基于波长筛选的紫外可见光谱多金属离子检测方法，包括：S1、用紫外可见分光度法获取包含多种金属离子的溶液在400-700nm全波段的混合吸光度；S2、采用多重循环蒙特卡罗方法对获取的吸光度进行采样，使用指数衰减函数对波长进行初选，并应用无信息变量消除法选择混合吸光度中的有效波长点；S3、建立基于PLS法的浓度与混合吸光度之间的回归模型，分离计算得到各个离子的浓度值。在波长采样的过程中，用多重循环的蒙特卡罗采样方式来规避采样过程的偏差，快速去除夹杂噪声的波长变量，并去除大量对模型贡献度不高的非噪声波长变量，解决了传统蒙特卡罗算法在对样本抽取的过程中随机性大，导致波长变量稳定性指标计算不准确的问题。另外，为进一步加快波长变量筛选过程的速度，引入指数衰减函数(EDF)，快速淘汰重要性指标过低的无用波长变量，大大减少了波长筛选时间。蒙特卡洛无信息变量消除法(MC-UVE)是一种基于PLS回归系数的变量选取方法，变量的重要性指标为式(1)： h = m e s - - - ( 1 ) ]]>式中h为波长变量的重要性，me为波长变量的回归系数的平均值，s为波长变量的回归系数的标准差。按式(1)计算所采的波长变量的重要性指标。通过指数衰减函数(EDF)对波长进行初步筛选，将初选后的波长变量按照重要性从高到低排列，再运用UVE方法对数据进一步筛选，通过PLS建模后得出RMSECV最小的波长变量子集SETi，如此进行循环。具体的算法过程包括如下步骤：A.通过蒙特卡洛方法对样品随机采样，按照Nt的采样比例，采样次数为M。采样后采用式(1)计算每个波长变量的重要性。B.通过指数衰减函数(EDF)对波长进行初步筛选，指数衰减函数可以强行保留稳定性值较大的波长变量，变量保留率按式(2)计算：ri＝ae-ki (2)其中，i为当前循环次数，a和k为第一次和第N次循环时样本集中建模数目，为遍历所有波长变量，第N次设为2个变量，所以r1＝P；rN＝2/P，从而可计算得 a = ( p 2 ) 1 N - 1 , k = l n ( p / 2 ) ( N - 1 ) - - - ( 3 ) ]]>其中P为原始波本文档来自技高网...

【技术保护点】
一种基于波长筛选的紫外可见光谱多金属离子检测方法，其特征在于，包括：S1、用紫外可见分光度法获取包含多种金属离子的溶液在400‑700nm全波段的混合吸光度；S2、采用多重循环蒙特卡罗方法对获取的吸光度进行采样，使用指数衰减函数对波长进行初选，并应用无信息变量消除法选择混合吸光度中的有效波长点；S3、建立基于PLS法的浓度与混合吸光度之间的回归模型，分离计算得到各个离子的浓度值。

【技术特征摘要】
1.一种基于波长筛选的紫外可见光谱多金属离子检测方法，其特征在于，包括：S1、用紫外可见分光度法获取包含多种金属离子的溶液在400-700nm全波段的混合吸光度；S2、采用多重循环蒙特卡罗方法对获取的吸光度进行采样，使用指数衰减函数对波长进行初选，并应用无信息变量消除法选择混合吸光度中的有效波长点；S3、建立基于PLS法的浓度与混合吸光度之间的回归模型，分离计算得到各个离子的浓度值。2.根据权利要求1所述的方法，其特征在于，所述S2，包括：S20、按照预设的采样比例Nt和采样次数M，采用蒙特卡洛方法对样品随机采样，在采样后计算每个波长变量的重要性，计算公式为其中，h为波长变量的重要性，me为波长变量的回归系数的平均值，s为波长变量的回归系数的标准差；S21、通过...

【专利技术属性】
技术研发人员：朱红求，邹胜男，阳春华，李勇刚，王雅琳，尹冬航，王强，蒋晓云，
申请(专利权)人：中南大学，
类型：发明
国别省市：湖南;43