一种城市河涌水体典型有机污染物智能检测方法技术

本发明专利技术公开了一种城市河涌水体典型有机污染物智能检测方法，包括以下步骤：获取水体典型有机污染物软测量建模用输入自变量和输出变量；采用迭代寻优方法获得卷积神经网络CNN各卷积层最佳卷积核数；通过PCA算法提取训练样本数据主成分，对CNN输入数据进行降维优化；改进CNN自变量输入方式，将图像分类模型变换为回归预测模型；利用主成分‑卷积神经网络构建PCA‑CNN模型并进行训练；通过训练后PCA‑CNN模型对水体典型有机污染物浓度进行软测量，获得分析结果；本发明专利技术构建PCA‑CNN模型，能有效预测河涌水体典型有机污染物浓度，准确度高，操作简便，为城市河涌水体污染快速监测及水质评价提供了一种高效方法。

An intelligent detection method of typical organic pollutants in urban river

【技术实现步骤摘要】
一种城市河涌水体典型有机污染物智能检测方法
本专利技术涉及水质检测技术研究领域，特别涉及一种城市河涌水体典型有机污染物智能检测方法。
技术介绍
城市河涌水体水质状况关系到人居水环境安全和健康，由于公众环保意识缺乏，近年城市河涌水体水质不断恶化，黑臭水体不断增多，对生态环境和人体健康造成严重威胁。城市污水处理系统尾水、周边工农业活动排放水中携带的典型微、痕量有机化合物(如农药、杀虫剂等)在城市河涌水体中广泛分布、持久存在、难以降解，是河涌水体水质污染和恶化的主要原因。因此需要加强对城市河涌水体典型有机污染物的监测，掌握污染状况及时空异变规律，进而加强对河涌水体有机污染物污染监管和防控，改善城市河涌水体水环境。城市河涌水体有机污染物一般浓度较低，检测时常常需要进行前处理，用于目标有机污染物浓缩、净化，之后借助仪器分析获得污染物浓度。常用检测仪器包括气相色谱(GC)、高效液相色谱(HPLC)、气相色谱质谱联用(GC-MS)、液相色谱串联质谱(LC-MS/MS)等，此类仪器检出限低、灵敏度高、准确度高，能够准确获得水中典型有机污染物浓度，但其价本文档来自技高网...

【技术保护点】
1.一种城市河涌水体典型有机污染物智能检测方法，其特征在于，包括以下步骤：/nS1、获取河涌水体典型有机污染物软测量建模用输入自变量和输出变量；/nS2、采用迭代寻优方法获得卷积神经网络CNN各卷积层最佳卷积核数；/nS3、通过PCA算法提取原始训练集和原始测试集主成分，去除原始高维数据中亢余信息和噪音信息，获取降维优化后新训练集和新测试集；/nS4、改进CNN自变量输入方式，将图像分类模型变换为回归预测模型；/nS5、依据CNN各卷积层最佳卷积核数、降维去噪后训练数据、改进CNN自变量输入方式，构建主成分-卷积神经网络PCA-CNN模型；/nS6、利用降维去噪后训练数据通过动量随机梯度下降法...

【技术特征摘要】
1.一种城市河涌水体典型有机污染物智能检测方法，其特征在于，包括以下步骤：
S1、获取河涌水体典型有机污染物软测量建模用输入自变量和输出变量；
S2、采用迭代寻优方法获得卷积神经网络CNN各卷积层最佳卷积核数；
S3、通过PCA算法提取原始训练集和原始测试集主成分，去除原始高维数据中亢余信息和噪音信息，获取降维优化后新训练集和新测试集；
S4、改进CNN自变量输入方式，将图像分类模型变换为回归预测模型；
S5、依据CNN各卷积层最佳卷积核数、降维去噪后训练数据、改进CNN自变量输入方式，构建主成分-卷积神经网络PCA-CNN模型；
S6、利用降维去噪后训练数据通过动量随机梯度下降法对PCA-CNN模型进行训练，得训练后PCA-CNN模型；
S7、使用训练后PCA-CNN模型对城市河涌水体典型有机污染物浓度进行软测量，并获得分析结果。


2.根据权利要求1所述的一种城市河涌水体典型有机污染物智能检测方法，其特征在于，所述输入自变量包括pH、溶解氧DO、电导率TDS、氧化还原电位ORP；所述输出变量包括典型有机杀虫剂浓度。


3.根据权利要求1所述的一种城市河涌水体典型有机污染物智能检测方法，其特征在于，所述步骤S2具体为：
S201、按照8:2比例将样本数据划分为训练集与测试集，均匀随机选取样本中80％组数据为训练集，20％组数据为测试集；
S202、获取K个卷积层卷积核候选值，将候选值的行向量设为矩阵A＝[A1,A2…AK]，所选取的卷积核数为A(i)，i为矩阵中元素的顺序；
S203、将CNN用第i个卷积核训练时输出变量的均方误差之和记为MSE(i)，设置一个初始误差值MSE_MAX，令MSE_MAX＝100；
S204、设置CNN每次迭代都会初始化状态，且初始化状态相同，开始迭代寻优；
S205、当MSE(i)＜MSE_MAX时，则把此时MSE(i)的赋值给MSE_MAX，并标记此时的A(i)为desired_A(i)；
S206、当所有卷积层卷积核候选值迭代完成，此时的MSE_MAX即为MSE(i)最小值，对应的desired_A(i)即为最佳卷积核数。


4.根据权利要求1所述的一种城市河涌水体典型有机污染物智能检测方法，其特征在于，所述步骤S3具体为：
S301、将训练集进行标准化处理，即为每组变量减去均值再除以标准差，则标准化后的训练集为：
P_train(k,:)＝(p_train(k,:)-mu)./sig，
其中，P_train为标准化后的训练集，p_train为原始的训练集，(k,:)为样本第行数据，mu为训练集平均值，sig为训练集标准差；
S302、将标准化后的训练集P_train输入pca，得到特征向量、特征值、训练集新成分：
[coeff,score,latent]＝pca(P_train)，
其中，coef为训练集特征向量，latent为每个变量中对应特征值，score为经过pca分析后新的数据成分；
S303、计算score中每一列数据的贡献率，将score中累计贡献率大于85％的前n列数据提取出来，即为训练集主成分；
S304、将测试集进行标准化处理，标准化后的测试集为：
p_test(j,:)＝(ptest(j,:)-mu)./sig，
其中，p_test为标准化后测试集，ptest为原始测试集，(j,:)为测试样本第行数据；
S305、计算出训练集...

【专利技术属性】
技术研发人员：黄明智，牛国强，易晓辉，李小勇，应光国，石青松，
申请(专利权)人：华南师范大学，广州奇岭环境服务有限公司，
类型：发明
国别省市：广东;44