一种基于神经网络的现场快速检测土壤重金属含量的方法技术

本发明专利技术提供了一种与现有技术原理完全不同的现场快速检测土壤重金属含量的方法，具体做法为：现场采集土壤试样；将土壤试样压实、烘干，置于一对平行金属板之间，对其施加一频率不断变化的交变电信号，实时检测并记录所述交变电信号通过上述一对平行金属板及土壤试样的电参数，作归一化处理，通过基于神经网络的机器学习，获得测量曲线的特征，得到所采集的土壤试样的重金属含量。

A Method of Rapid Detection of Heavy Metals in Soil Based on Neural Network

The invention provides a method for rapid detection of heavy metal content in soil in situ, which is totally different from the existing technical principles. The specific methods are: collecting soil samples in situ; compacting and drying soil samples, placing them between a pair of parallel metal plates, applying an alternating current signal with changing frequency to them, and real-time detecting and recording the alternating current signal passing through the pair of parallel metals mentioned above. The electrical parameters of metal plate and soil samples were normalized, and the characteristics of measurement curve were obtained by machine learning based on neural network, and the heavy metal content of soil samples was obtained.

【技术实现步骤摘要】
一种基于神经网络的现场快速检测土壤重金属含量的方法
本专利技术涉及一种基于神经网络的现场快速检测土壤重金属含量的方法。
技术介绍
土壤重金属污染是一种十分普遍的现象，土壤重金属污染是指由于自然的原因或人类活动将重金属带入到土壤中，致使土壤中重金属含量明显高于背景值、并造成现存的或潜在的土壤质量退化、生态与环境恶化的现象。土壤重金属来源广泛，主要包括有大气降尘、污水灌溉、工业固体废弃物的不当堆置、矿业活动、农药和化肥等。凡以重金属和含有重金属的材料为生产原料的行业，在生产过程中均可能排放重金属，如果处置不当，就会造成环境污染。工业企业的场地是城市污染土地当中最重要的类型之一。2001年至今，全国有超过10万家企业关停运转，产生了大量遗弃的、高风险的、污染的场地。这些老工业基地包括金属冶炼、电镀、机械加工、钢铁厂、化工厂、农药厂等大量排放危险废弃物的企业。有色重金属矿床的开发冶炼是向环境中排放重金属最主要的污染源。通过“三废”向环境中排放重金属的工矿企业，如：采矿、选矿、冶金、电镀、电工、染料、纺织、炼油等。特别是与IT产品相关的电池行业和印刷电路板制造相关的电镀行业，重金属污染问题更应该高度重视。印刷电路板主要涉及铜、镍、镍化合物和铬等污染，电池和电源则多涉及铅污染，由于大量印刷电路板生产企业不能稳定达标排放，已经给当地河流、土壤和近海造成了污染。土壤中的重金属污染严重危害人体健康。铅、镉、汞、砷等重金属，由于工业活动的发展，引起在人类周围环境中的富集，通过大气、水、食品等进入人体，在人体某些器官内积累，造成慢性中毒，危害人体健康。在预防、监测、治理土壤重金属污染过程中，检测土壤重金属含量是一个非常重要的环节。重金属的定量检测分析技术通常有：紫外可分光光度法(UV)、原子吸收法(AAS)、原子荧光法(AFS)、电感耦合等离子体法(ICP)、X荧光光谱(XRF)、电感耦合等离子质谱法(ICP-MS)。除上述方法外，还有光谱法检测、电感耦合等离子质谱法(ICP-MS)分析，也有的采用X荧光光谱(XRF)分析。在上述这些检测方法中，所采用的仪器设备都较为精密、昂贵，体积较大，且需在实验室安装调试后固定使用，无法外出随身携带使用，在检测土壤重金属含量时，都需要现场采样后，送交实验室进行后期复杂的预处理和异位检测分析，既耗时又不方便，不能用于现场快速检测。在需要快速检测、分析土壤重金属污染情况时，急需一种能够用于现场检测的、方便携带的、低成本的检测仪器与检测方法。
技术实现思路
为了解决现有技术存在的问题，本专利技术的目的在于提供一种全新的、完全不同于现有技术的土壤重金属含量的检测仪器与测量方法。实现本专利技术目的的具体技术方案是：一种现场快速检测土壤重金属含量的方法，其步骤如下：1、现场采集土壤试样；2、将所采集得到的土壤试样打碎，再施加压力进行压实，制成薄圆片状或薄方片状；3、将压实的土壤试样放置于一对平行金属板之间压紧；4、对压实的土壤试样在压紧的状态下进行加热烘干至恒重；5、扫频测试：在恒定温度下，利用一交变信号源在上述一对平行金属板上施加一频率不断变化的交变电信号vt作用在烘干的土壤试样上，所述交变信号源的输出交变电信号vt的频率f随时间t而变化，其信号幅度则保持不变；6、实时检测并记录所述交变电信号通过上述一对平行金属板及土壤试样的电参数，所述电参数包括交变电信号的表观电容实部Cp、表观电容虚部Cp’、损耗角正切值Tan(Delta)、频率f；其中，损耗角正切值Tan(Delta)等于表观电容虚部Cp’与表观电容实部Cp的比值；7、将步骤6中检测记录得到的数据，分别导出得到表观电容实部—频率曲线即Cp-f曲线、损耗角正切值—频率曲线即Tan(Delta)-f曲线；在所有表观电容实部—频率曲线、损耗角正切值—频率曲线中，频率均取对数值，即logf或lgf；步骤7最终得到的是Cp-logf曲线和Tan(Delta)–logf曲线，或Cp-lgf曲线和Tan(Delta)–lgf曲线；8、训练和验证神经网络：获取被测样品的Cp-logf曲线和Tan(Delta)–logf曲线，或Cp-lgf曲线和Tan(Delta)–lgf曲线作为检测数据；对Cp-logf曲线或Cp-lgf曲线作归一化处理；损耗角正切值Tan(Delta)—频率f曲线本身实质上即已是无量纲的、归一化的曲线，无需再作归一化处理；建立神经网络框架；列举已知重金属含量的标准土壤试样的Cp-logf曲线和Tan(Delta)–logf曲线，或Cp-lgf曲线和Tan(Delta)–lgf曲线的特征，包括各曲线的所有极值点、拐点、鼓包、畸变峰位置、畸变峰高、畸变峰宽，以及对应的重金属含量，所有这些点的值作为检测数据，带入建立的神经网络框架，以训练和验证神经网络；对神经网络反复训练，当预测值与监测数据间的相对误差小于10％时，停止训练，开始预测；利用通过训练和验证的神经网络进行反向归一法来预测被测土壤试样的重金属含量。具体地，基于神经网络的机器学习可由现有的MATLAB来完成，这属于本领域技术人员所具备的技能。可参阅：https://ww2.mathworks.cn/campaigns/offers/machine-learning-with-matlab.html？s_eid＝psn_15353上述步骤5-8均由微处理器或计算机控制、计算自动地完成。实际测试温度取值与标准曲线库中的测量温度相同。优选地，标准土壤试样的重金属含量，采用紫外可分光光度法(UV)、原子吸收法(AAS)、原子荧光法(AFS)、电感耦合等离子体法(ICP)、X荧光光谱(XRF)、电感耦合等离子质谱法(ICP-MS)中的任一种方法进行进一步的重金属种类鉴别、含量精确测定，并测量各标准土壤试样的Cp-logf曲线和Tan(Delta)–logf曲线，或Cp-lgf曲线和Tan(Delta)–lgf曲线，并由此建立标准数据库。优选地，所述薄圆片状或薄方片状的尺寸为厘米级，厚度为毫米级；优选地，土壤试样均为薄圆片状；优选地，一对平行金属板均为薄圆片状；优选地，土壤试样的采样量为几克至十克，这样，在测量时，既不会因为样品量太少而导致测量误差大，也不会因为样品量太大而导致加热烘干所耗费的时间过长、耗费的电能过多。通常地，对几克至十克的土壤试样量而言，在压紧的状态下进行加热烘干至恒重，一般需要3-5分钟；将土壤试样烘干至恒重，是为了避免试样中含有的水分对后续的电学测量带来较大误差。进一步地，在现场采集土壤试样时，去除枯枝败叶、肉眼可见的碎石颗粒。优选地，步骤2-3合并为：将所采集得到的土壤试样碾碎，将碾碎的土壤试样直接放置于一对平行金属板之间施加压力压紧，用刮片刮去漏出平行金属板外的多余部分，制成与平行金属板形状相同、大小相等的薄片状试样；优选地，对压实的土壤试样在压紧的状态下进行加热烘干的温度介于100℃-120℃；优选地，所述交变信号源的输出交变电信号vt的频率f低至百Hz量级，高至兆Hz量级；优选地，所述交变信号源的输出交变电信号vt的频率f随时间t作对数规律变化；依据我们的实践经验，在低频段，试样的表观电容实部Cp—频率f曲线、损耗角正切值Tan(Delta)—频率f曲线通常变化较为本文档来自技高网...

【技术保护点】
1.一种现场快速检测土壤重金属含量的方法，其特征在于，包括如下步骤：现场采集土壤试样；将土壤试样放入测量仪器中；测量得到土壤的物理参数曲线，基于物理参数曲线的特征来得到土壤中重金属含量。

【技术特征摘要】
1.一种现场快速检测土壤重金属含量的方法，其特征在于，包括如下步骤：现场采集土壤试样；将土壤试样放入测量仪器中；测量得到土壤的物理参数曲线，基于物理参数曲线的特征来得到土壤中重金属含量。2.一种基于神经网络的现场快速检测土壤重金属含量的方法，其特征在于，具体步骤如下：（1）现场采集土壤试样；（2）将所采集得到的土壤试样打碎，再施加压力进行压实，制成薄圆片状或薄方片状；（3）将压实的土壤试样放置于一对平行金属板之间压紧；（4）对压实的土壤试样在压紧的状态下进行加热烘干至恒重；（5）扫频测试：在恒定温度下，利用一交变信号源在上述一对平行金属板上施加一频率不断变化的交变电信号vt作用在烘干的土壤试样上；所述交变信号源的输出交变电信号vt的频率f随时间t而变化，其信号幅度则保持不变；（6）实时检测并记录所述交变电信号通过上述一对平行金属板及土壤试样的电参数，所述电参数包括交变电信号的表观电容实部Cp、损耗角正切值Tan(Delta)、频率f；其中，损耗角正切值Tan(Delta)等于表观电容虚部Cp’与表观电容实部Cp的比值；（7）将步骤6中检测记录得到的数据，分别导出得到表观电容实部Cp—频率f曲线、损耗角正切值Tan(Delta)—频率f曲线；在所有表观电容实部—频率曲线、损耗角正切值—频率曲线中，频率均取对数值，即logf或lgf；（8）训练和验证神经网络：获取被测样品的Cp-logf曲线和Tan(Delta)–logf曲线，或Cp-lgf曲线和Tan(Delta)–lgf曲线作为检测数据；对Cp-logf曲线或Cp-lgf曲线作归一化处理；建立神经网络框架；列举已知重金属含量的标准土壤试样的Cp-logf曲线和Tan(Delta)–logf曲线，或Cp-lgf曲线和Tan(Delta)–lgf曲线的特征，包括各曲线的所有极值点、拐点、鼓包、畸变峰位置、畸变峰高、畸变峰宽，以及对应标准土壤试样的重金属含量，所有这些值作为检测数据，带入建立的神经网络框架，以训练和验证神经网络；其中，标准土壤试样的重金属含量，采用紫外可分光光度法（UV）、原子吸收法（AAS）、原子荧光法（AFS）、电感耦合等离子体法（ICP）、X荧光光谱（XRF）、电感耦合等离子质谱法（ICP-MS）中的任一种方法进行进一步的重金属种类鉴别、含量精确测定，并...

【专利技术属性】
技术研发人员：许伟，施维林，蔡慧，陈洁，贺志刚，孟宪荣，
申请(专利权)人：苏州市环境科学研究所，苏州科技大学，苏州逸凡特环境修复有限公司，苏州中益世纪生态环境设计研究有限公司，
类型：发明
国别省市：江苏,32