一种基于光谱高差特征的水质参数预测方法技术

本发明专利技术公开了一种基于光谱高差特征的水质参数预测方法，包括使用无浊度水样数据在特征波段建立COD参数值与COD特征面积的相关性模型FC，使用普通水样数据在特征波段建立浊度参数值与浊度特征面积的相关性模型FT，同时使用梯形形状描述浊度特征，以及建立梯形自由底边与特定可见光段的吸光度高差值H相关性模型Fh，在预测时，提取待测水样在特征波段的面积特征和高差特征，通过相关性模型计算浊度和COD参数。本发明专利技术基于实际水样数据与其特征，能够最大程度避免浊度因素对于水质COD参数测算的影响，从而精确测算出水质浊度与COD参数值，为水质检测提供便利。

A Prediction Method of Water Quality Parameters Based on Spectral Altitude Difference

The invention discloses a method for predicting water quality parameters based on spectral height difference characteristics, which includes establishing a correlation model FC between COD parameter value and COD characteristic area in characteristic band using turbidity-free water sample data, establishing a correlation model FT between turbidity parameter value and turbidity characteristic area in characteristic band using common water sample data, describing turbidity characteristics with trapezoidal shape, and establishing a ladder. The correlation model Fh of high difference of absorbance between free bottom edge and specific visible light band was used to extract the area and high difference characteristics of water samples in characteristic band, and the turbidity and COD parameters were calculated by the correlation model. Based on the actual water sample data and its characteristics, the invention can avoid the influence of turbidity factors on the calculation of COD parameters of water quality to the greatest extent, thereby accurately calculate the turbidity and COD parameters of water quality, and provide convenience for water quality detection.

【技术实现步骤摘要】
一种基于光谱高差特征的水质参数预测方法
本专利技术涉及水质监测
，尤其涉及一种基于光谱高差特征的水质参数预测方法。
技术介绍
饮水安全问题直接关系到广大人民群众的健康，积极探索采用先进可行的监测技术与方法，实时掌握重要饮用水水源地水质变化情况，加强突发水污染事件水质预警和应急处理能力是十分必要和迫切的。中国国家水资源监控能力建设2012-2014年项目(以下简称一期项目)已于2015年完成全部建设内容。一期项目完成后，在填补中国水资源监控手段缺乏、改善水资源管理基础设施薄弱状况、提高水资源源管理信息化永平等方面发挥了重要作用。通过一期项目建设基本实现了列入《全国重要饮用水水源地名录》(水资源函[2011]109号)的重要地表水水源地水质在线监测全覆盖。近年来，中国质相关指标仍然使用化学法，虽然测量较为准确，但是耗时长，所需化学试剂多，操作复杂，稳定性差，二次污染严重，因此光谱法应运而生，其监测周期短，速度快，是在线监测的必备手段。
技术实现思路
专利技术目的：本专利技术针对现有技术存在的问题，提供一种基于光谱高差特征的水质参数预测方法，能够有效区分不同水质的浊度，测算出较为精准的水质浊度和COD参数。技术方案：本专利技术所述的基于光谱高差特征的水质参数预测方法包括：(1)根据无浊度水样的光谱数据和COD参数值，在特征波段建立COD参数值与COD特征面积的相关性模型FC；(2)根据普通水样的光谱数据以及COD参数值和浊度参数值，在特征波段建立浊度参数值与浊度特征面积的相关性模型FT，以及被描述为梯形的浊度特征面积的自由底边与可见光波段的吸光度差值H的相关性模型Fh；(3)对于待测水样，计算其光谱数据在特征波段的混合特征面积S'和在可见光波段的吸光度差值H'；(4)根据可见光波段的吸光度高差值H'和模型Fh计算得到浊度特征面积，并将混合特征面积S'和浊度特征面积的差作为COD特征面积；(5)将待测水样的浊度特征面积代入模型FT计算得到待测水样的浊度参数值，将待测水样的COD特征面积代入模型FC计算得到待测水样的COD参数值。进一步的，步骤(1)具体包括：(1.1)获取多条无浊度水样的光谱数据和COD参数值；(1.2)计算每条无浊度水样在特征波段范围内的包络面积，作为COD特征面积SC；(1.3)采用多条无浊度水样的COD参数值和COD特征面积SC数据进行拟合，得到COD参数值与COD特征面积SC的相关性模型FC。进一步的，步骤(2)具体包括：(2.1)获取多条普通水样的光谱数据以及其COD参数值和浊度参数值；(2.2)计算每条普通水样在特征波段范围内的包络面积，作为包含浊度特征和COD特征的混合特征面积STC；(2.3)将每条普通水样的COD参数值带入模型FC，从而得到对应COD特征面积SC；(2.4)将每条普通水样的混合特征面积STC减去其COD特征面积SC，得到对应的浊度特征面积ST；(2.5)采用多条普通水样的浊度参数值和浊度特征面积ST数据进行拟合，得到浊度参数值与浊度特征面积ST的相关性模型FT；(2.6)计算每条普通水样的光谱数据在可见光波段的吸光度差值H；(2.7)计算每条普通水样的浊度特征面积ST的自由底边h；其中，浊度特征面积ST为梯形；(2.8)采用多条普通水样的吸光度差值H和自由底边h数据进行拟合，得到自由底边h与吸光度差值H的相关性模型Fh。进一步的，步骤(3)具体包括：(3.1)计算待测水样光谱数据在特征波段范围内的包络面积，作为混合特征面积S'；(3.2)计算待测水样光谱数据在可见光波段的吸光度差值，记为H'。进一步的，步骤(4)具体包括：(4.1)将可见光波段的吸光度高差值H'代入模型Fh，得到浊度特征面积的自由底边Fh(H')；(4.2)获取待测水样光谱数据在特征波段终点波长处的吸光度值h'；(4.3)将h'和Fh(H')作为梯形的浊度特征面积的两个底边，按照下式计算得到浊度特征面积S'T：式中，λ1、λ2分别为特征波段的起点波长值和终点波长值；(4.4)计算混合特征面积S'和浊度特征面积的差S'-S'T，作为COD特征面积S'C。可选的，所述特征波段具体为[250nm,310nm]，所述可见光波段具体为[310nm,680nm].进一步的，所述无浊度水样是浊度测定值低于国标测定法检出限的水样，普通水样是参数测定值均在国标测定法可检测范围内的水样。有益效果：本专利技术与现有技术相比，其显著优点是：本专利技术基于实际水样数据与其特征，能够最大程度避免浊度因素对于水质COD参数测算的影响，从而精确测算出水质浊度与COD参数值，为水质检测提供便利。附图说明图1是本专利技术的一个实施例的流程示意图；图2为使用无浊度水样数据建模示意图；图3为使用普通水样数据建模示意图。具体实施方式本实施例提供了一种基于光谱高差特征的水质参数预测方法，如图1所示，包括：(1)根据无浊度水样的光谱数据和COD参数值，在特征波段建立COD参数值与COD特征面积的相关性模型FC。具体包括：(1.1)获取多条无浊度水样的光谱数据和COD参数值；无浊度水样是浊度测定值低于国标测定法检出限的水样；(1.2)计算每条无浊度水样在250nm-310nm范围内的包络面积，作为COD特征面积SC；如图2所示；(1.3)采用多条无浊度水样的COD参数值和COD特征面积SC数据进行拟合，得到COD参数值与COD特征面积SC的相关性模型FC。(2)根据普通水样的光谱数据以及COD参数值和浊度参数值，在特征波段建立浊度参数值与浊度特征面积的相关性模型FT，以及被描述为梯形的浊度特征面积的自由底边与可见光波段的吸光度差值H的相关性模型Fh。具体包括：(2.1)获取多条普通水样的光谱数据以及其COD参数值和浊度参数值；所述普通水样是参数测定值均在国标测定法可检测范围内的水样；(2.2)计算每条普通水样在250nm-310nm范围内的包络面积，作为包含浊度特征和COD特征的混合特征面积STC；(2.3)将每条普通水样的COD参数值带入模型FC，从而得到对应COD特征面积SC；(2.4)将每条普通水样的混合特征面积STC减去其COD特征面积SC，得到对应的浊度特征面积ST；(2.5)采用多条普通水样的浊度参数值和浊度特征面积ST数据进行拟合，得到浊度参数值与浊度特征面积ST的相关性模型FT；(2.6)计算每条普通水样的光谱数据从310nm至680nm的吸光度差值H，如图3所示；(2.7)计算每条普通水样的浊度特征面积ST的自由底边h；其中，浊度特征面积ST为梯形，如图3所示，底边分别为h0和h，h为自由底边，h0为固定边；(2.8)采用多条普通水样的吸光度差值H和自由底边h数据进行拟合，得到自由底边h与吸光度差值H的相关性模型Fh。(3)对于待测水样，计算其光谱数据在250nm-310nm范围内的包络面积，作为混合特征面积S'，并计算光谱数据从310nm至680nm的吸光度差值，记为H'。(4)根据可见光波段的吸光度高差值H'和模型Fh计算得到浊度特征面积，并将混合特征面积S'和浊度特征面积的差作为COD特征面积。具体包括：(4.1)将可见光波段的吸光度高差值H'代入模型Fh，得到浊度特征面积的自由底边Fh(H')；(4.2)获取待测水样光谱数据在本文档来自技高网...

【技术保护点】
1.一种基于光谱高差特征的水质参数预测方法，其特征在于该方法包括：(1)根据无浊度水样的光谱数据和COD参数值，在特征波段建立COD参数值与COD特征面积的相关性模型FC；(2)根据普通水样的光谱数据以及COD参数值和浊度参数值，在特征波段建立浊度参数值与浊度特征面积的相关性模型FT，以及被描述为梯形的浊度特征面积的自由底边与可见光波段的吸光度差值H的相关性模型Fh；(3)对于待测水样，计算其光谱数据在特征波段的混合特征面积S'和在可见光波段的吸光度差值H'；(4)根据可见光波段的吸光度高差值H'和模型Fh计算得到浊度特征面积，并将混合特征面积S'和浊度特征面积的差作为COD特征面积；(5)将待测水样的浊度特征面积代入模型FT计算得到待测水样的浊度参数值，将待测水样的COD特征面积代入模型FC计算得到待测水样的COD参数值。

【技术特征摘要】
1.一种基于光谱高差特征的水质参数预测方法，其特征在于该方法包括：(1)根据无浊度水样的光谱数据和COD参数值，在特征波段建立COD参数值与COD特征面积的相关性模型FC；(2)根据普通水样的光谱数据以及COD参数值和浊度参数值，在特征波段建立浊度参数值与浊度特征面积的相关性模型FT，以及被描述为梯形的浊度特征面积的自由底边与可见光波段的吸光度差值H的相关性模型Fh；(3)对于待测水样，计算其光谱数据在特征波段的混合特征面积S'和在可见光波段的吸光度差值H'；(4)根据可见光波段的吸光度高差值H'和模型Fh计算得到浊度特征面积，并将混合特征面积S'和浊度特征面积的差作为COD特征面积；(5)将待测水样的浊度特征面积代入模型FT计算得到待测水样的浊度参数值，将待测水样的COD特征面积代入模型FC计算得到待测水样的COD参数值。2.根据权利要求1所述的基于光谱高差特征的水质参数预测方法，其特征在于：步骤(1)具体包括：(1.1)获取多条无浊度水样的光谱数据和COD参数值；(1.2)计算每条无浊度水样在特征波段范围内的包络面积，作为COD特征面积SC；(1.3)采用多条无浊度水样的COD参数值和COD特征面积SC数据进行拟合，得到COD参数值与COD特征面积SC的相关性模型FC。3.根据权利要求1所述的基于光谱高差特征的水质参数预测方法，其特征在于：步骤(2)具体包括：(2.1)获取多条普通水样的光谱数据以及其COD参数值和浊度参数值；(2.2)计算每条普通水样在特征波段范围内的包络面积，作为包含浊度特征和COD特征的混合特征面积STC；(2.3)将每条普通水样的COD参数值带入模型FC，从而得到对应COD特征面积SC；(2.4)将每条普通水样的混合特征面积STC减去其COD特征面积SC，得到对...

【专利技术属性】
技术研发人员：吴绍锋，蔡鑫，张敏，李东波，
申请(专利权)人：南京波思途智能科技股份有限公司，南京波思途电子科技有限公司，
类型：发明
国别省市：江苏,32