一种基于浊度色度补偿的硝酸盐浓度预测方法技术

本发明专利技术涉及一种基于浊度色度补偿的硝酸盐浓度预测方法。解决利用现有硝酸盐浓度预测模型实现硝酸盐浓度预测方法测量精度低的问题。本发明专利技术首先对测得的样本原始紫外光谱数据进行预处理，再进行光谱特征提取，使用提取后的特征和测得样本的浊度色度信息作为机器学习模型的输入，样本的硝酸盐浓度信息作为机器学习模型的输出，训练基于机器学习的浓度预测模型。将待测样本特征提取后的光谱数据及浊度色度信息带入训练好的浓度预测模型中，输出预测结果，获得新样本的硝酸盐浓度。补偿浊度和色度对紫外可见光谱曲线产生的影响可以获得更高的硝酸盐浓度预测精度。

【技术实现步骤摘要】
一种基于浊度色度补偿的硝酸盐浓度预测方法
本专利技术涉及一种基于浊度色度补偿的硝酸盐浓度预测方法。
技术介绍
水体中硝酸盐浓度过高会引起水体富营养化、危害人体健康等问题。传统的硝酸盐测定方法包括离子色谱法、镉柱还原法、离子电极法等，但普遍存在一些缺点，如大多数方法价格昂贵、操作复杂且分析时间长、需要消耗试剂、存在对水体的二次污染等。紫外可见光谱技术具有测量方便快捷与无需引入其他试剂等优点，因此可以用于水体中硝酸盐浓度的测量。该方法利用测量物质吸收紫外可见光谱辐射的原理，将待测水样的光谱信息代入硝酸盐浓度预测模型对其浓度进行预测，灵敏度较高，但是该方法的测量精度较低。
技术实现思路
本专利技术的目的是提供一种基于浊度色度补偿算法的硝酸盐浓度预测方法，解决了利用现有硝酸盐浓度预测模型实现硝酸盐浓度预测方法测量精度低的问题。本专利技术预测方法的基本思路是：通过对现有的硝酸盐浓度预测模型的建模进行分析，发现其预测精度较低的原因在于，待测水样浊度和色度过高，对硝酸盐浓度预测产生干扰。因此，本专利技术首先对测得的样本原始紫外光谱数据进行预处理，再进行光谱特征提取，使用提取后的特征和测得样本的浊度色度信息作为机器学习模型的输入，样本的硝酸盐浓度信息作为机器学习模型的输出，训练基于机器学习的浓度预测模型。将待测样本特征提取后的光谱数据及浊度色度信息带入训练好的浓度预测模型中，输出预测结果，获得新样本的硝酸盐浓度。本专利技术的技术方案是提供一种浊度色度补偿的硝酸盐浓度预测方法，其特殊之处在于，包括以下步骤：步骤1、建立、训练及验证硝酸盐浓度预测模型；步骤1.1、建立训练样本集及验证样本集；步骤1.11、采集n组水样的浊度色度信息；其中n为大于1的自然数；步骤1.12、获得所述n组水样的紫外可见光谱曲线；步骤1.13、预处理所述n组水样的紫外可见光谱曲线，获得所述n组水样的吸光度曲线；步骤1.14、提取所述n组水样的吸光度曲线光谱特征；步骤1.15、利用所述n组水样的光谱特征数据、浊度色度信息构建样本信息；样本信息的一部分作为训练样本集，另一部分作为验证样本集；步骤1.2、采用机器学习中的反向传播神经网络(BPNN)作为建模方法，将训练样本集中各组水样的光谱特征数据、浊度色度信息作为硝酸盐浓度预测模型的输入，各组水样的硝酸盐浓度信息作为硝酸盐浓度预测模型的输出，训练得到硝酸盐浓度预测模型；步骤1.3、将验证样本集中各组水样的光谱特征数据、浊度色度信息输入训练完成的硝酸盐浓度预测模型中，对硝酸盐的浓度预测模型进行验证；步骤2、获得待测水样的硝酸盐浓度；步骤2.1、采集待测水样的浊度色度信息；步骤2.2、获得待测水样的紫外可见光谱曲线；步骤2.3、预处理待测水样的紫外可见光谱曲线，获得待测水样的吸光度曲线；步骤2.4、提取待测水样的吸光度曲线的光谱特征；步骤2.5、将待测水样的光谱特征及浊度色度信息输入步骤一验证完成的硝酸盐浓度预测模型，输出预测结果，获得待测水样的硝酸盐浓度。进一步地，步骤1.13与步骤2.3中的预处理过程具体为：首先提取紫外可见光谱曲线的待测特征：其中，Xi为第i组水样的光谱，X暗背景为暗背景的光谱，X参比溶液为基底溶液的光谱，Ti为第i组水样扣除暗背景，用参比溶液做基线校正后的透射光谱值；然后，根据朗伯比尔定律将透射光谱转换为吸光度谱：其中，A(λ)和T(λ)分别表示在波长λ处的吸光度和透射率；最后，采用MSC、SNV预处理算法进行去噪。进一步地，步骤1.14与步骤2.4中通过流形学习的方法进行光谱特征提取。进一步地，步骤1.3中，对硝酸盐的浓度预测模型进行验证基于验证参数的均方根误差(RMSEP)和决定系数(R2)，RMSEP越低，R2越高，则说明模型的预测精度越高。本专利技术的有益效果是：1、本专利技术通过对现有的硝酸盐浓度预测模型的建模进行分析，发现待测水样浊度和色度过高会影响其预测精度，因此本专利技术利用水样的光谱信息和浊度色度与对应的硝酸盐浓度进行交叉验证建模，补偿浊度和色度对紫外可见光谱曲线产生的影响可以获得更高的硝酸盐浓度预测精度。2、本专利技术基于紫外可见光谱技术测量硝酸盐浓度，方便快捷、无需引入其他试剂，不会对水体产生二次污染。附图说明图1为不同色度的铂钴溶液紫外可见光谱曲线；图2为不同浊度的福尔马肼混悬液紫外可见光谱曲线；图3为同一硝酸盐浓度、不同色度、浊度混合溶液的紫外可见光谱曲线；图4为本专利技术色度浊度补偿算法建模验证流程图；图5为采集到的某一水样的原始紫外可见光谱曲线；图6为本专利技术浊度色度补偿的硝酸盐浓度预测方法示意图；图7为94组水样的吸光度曲线。具体实施方式以下结合附图及具体实施例对本专利技术做进一步地描述。本专利技术通过对现有硝酸盐浓度预测模型的建模进行分析，发现待测水样中的浊度和色度过高都会对其中硝酸盐浓度预测产生干扰。色度的干扰体现在它会在紫外可见光谱曲线中产生新的吸收峰，而这个吸收峰可能与硝酸盐的特征峰重叠，从而导致硝酸盐吸收峰的偏移。在化学中，取代基或溶剂的改变常会使溶质的吸收带最大波长λmax发生移动，向长波方向的移动称为红移，向短波方向的移动则称为蓝移。在紫外光谱段，由于引起浊度的颗粒物对有机物产生了吸附，因此浊度对水样的紫外光谱影响较为复杂；在可见光谱段，随着波长的增大，浊度对光谱的影响逐渐减弱。因铂钴溶液与天然水黄色色调相似，所以本专利技术使用铂-钴标准溶液加去离子水稀释成不同色度溶液，测量的紫外可见光谱曲线如图1，可以看出在200-300nm之间出现了明显的吸收峰。这个吸收峰与硝酸盐的特征峰重叠，导致硝酸盐吸收峰的偏移，从而影响硝酸盐浓度预测精度。采用福尔马肼标准混悬液加去离子水稀释成的不同浊度溶液，测量的紫外可见光谱曲线如图2，可以看出，水体中浊度过高一方面会对阻碍光线的透过，另一方面福尔马肼浊度液在200-300nm之间也有吸收，同样会对硝酸盐的特征峰位置和紫外可见光谱曲线产生影响，从而干扰硝酸盐浓度的建模预测。图3中展示了同一硝酸盐浓度、不同色度、浊度混合溶液的紫外可见光谱曲线，结合表1可以看出，由于色度浊度的干扰，导致每一条紫外可见光谱曲线都不尽相同。表1.同一硝酸盐浓度、不同色度浊度混合溶液的浊度色度数据。基于上述分析，本专利技术在建立硝酸盐浓度预测模型时，考虑色度和浊度的影响，提升硝酸盐浓度预测的准确率。本专利技术方法的基本思路是：首先对测得的训练样本原始紫外可见光谱数据进行预处理，再通过流形学习的方法进行光谱特征提取，使用提取后的光谱特征和测得训练样本的浊度色度信息作为硝酸盐浓度预测模型的输入，训练样本的硝酸盐浓度信息作为模型的输出，训练基于机器学习的硝酸盐浓度预测模型。并利用测试样本，对模型的预测准确性进行验证。在进行准确本文档来自技高网...

【技术保护点】
1.一种浊度色度补偿的硝酸盐浓度预测方法，其特征在于，包括以下步骤：/n步骤1、建立、训练及验证硝酸盐浓度预测模型；/n步骤1.1、建立训练样本集及验证样本集；/n步骤1.11、采集n组水样的浊度色度信息；其中n为大于1的自然数；/n步骤1.12、获得所述n组水样的紫外可见光谱曲线；/n步骤1.13、预处理所述n组水样的紫外可见光谱曲线，获得所述n组水样的吸光度曲线；/n步骤1.14、提取所述n组水样的吸光度曲线光谱特征；/n步骤1.15、利用所述n组水样的光谱特征数据、浊度色度信息构建样本信息；样本信息的一部分作为训练样本集，另一部分作为验证样本集；/n步骤1.2、采用机器学习中的反向传播神经网络(BPNN)作为建模方法，将训练样本集中各组水样的光谱特征数据、浊度色度信息作为硝酸盐浓度预测模型的输入，各组水样的硝酸盐浓度信息作为硝酸盐浓度预测模型的输出，训练得到硝酸盐浓度预测模型；/n步骤1.3、将验证样本集中各组水样的光谱特征数据、浊度色度信息输入训练完成的硝酸盐浓度预测模型中，对硝酸盐的浓度预测模型进行验证；/n步骤2、获得待测水样的硝酸盐浓度；/n步骤2.1、采集待测水样的浊度色度信息；/n步骤2.2、获得待测水样的紫外可见光谱曲线；/n步骤2.3、预处理待测水样的紫外可见光谱曲线，获得待测水样的吸光度曲线；/n步骤2.4、提取待测水样的吸光度曲线的光谱特征；/n步骤2.5、将待测水样的光谱特征及浊度色度信息输入步骤一验证完成的硝酸盐浓度预测模型，输出预测结果，获得待测水样的硝酸盐浓度。/n...

【技术特征摘要】
1.一种浊度色度补偿的硝酸盐浓度预测方法，其特征在于，包括以下步骤：
步骤1、建立、训练及验证硝酸盐浓度预测模型；
步骤1.1、建立训练样本集及验证样本集；
步骤1.11、采集n组水样的浊度色度信息；其中n为大于1的自然数；
步骤1.12、获得所述n组水样的紫外可见光谱曲线；
步骤1.13、预处理所述n组水样的紫外可见光谱曲线，获得所述n组水样的吸光度曲线；
步骤1.14、提取所述n组水样的吸光度曲线光谱特征；
步骤1.15、利用所述n组水样的光谱特征数据、浊度色度信息构建样本信息；样本信息的一部分作为训练样本集，另一部分作为验证样本集；
步骤1.2、采用机器学习中的反向传播神经网络(BPNN)作为建模方法，将训练样本集中各组水样的光谱特征数据、浊度色度信息作为硝酸盐浓度预测模型的输入，各组水样的硝酸盐浓度信息作为硝酸盐浓度预测模型的输出，训练得到硝酸盐浓度预测模型；
步骤1.3、将验证样本集中各组水样的光谱特征数据、浊度色度信息输入训练完成的硝酸盐浓度预测模型中，对硝酸盐的浓度预测模型进行验证；
步骤2、获得待测水样的硝酸盐浓度；
步骤2.1、采集待测水样的浊度色度信息；
步骤2.2、获得待测水样的紫外可见光谱曲线；
步骤2.3、预处理待测水样的紫...

【专利技术属性】
技术研发人员：王雪霁，于涛，刘嘉诚，张周锋，刘宏，胡炳樑，鱼卫星，
申请(专利权)人：中国科学院西安光学精密机械研究所，
类型：发明
国别省市：陕西;61