[发明专利]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

权利要求书

1.一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，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；

所述方法的具体步骤如下：

(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v_t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v_t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-lgf曲线和Tan(Delta)–lgf曲线作为检测数据；对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-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，并测量各标准土壤试样的Cp-lgf曲线和Tan(Delta)–lgf曲线，并由此建立标准数据库；

建立神经网络框架的方法为：调用Matlab函数库中的newgrnn函数，Net＝newgrnn(PR，T,SPREAD)，其中，Net为GRNN神经网络框架，PR为输入值,T为目标向量，SPREAD为径向基函数的扩展速度；

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。

2.一种如权利要求1所述的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：所述步骤(2)-(3)合并调整为：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；其余步骤均不变。

3.一种如权利要求1或2所述的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：交变信号源的输出交变电信号v_t的频率f低至百Hz量级，高至兆Hz量级；交变信号源的输出交变电信号v_t的频率f随时间t作对数规律变化。

4.一种如权利要求1或2所述所述的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：频率不断变化的交变电信号由信号发生器产生，信号发生器接受微处理器或计算机发出的控制指令。

5.一种如权利要求1或2所述的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：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℃；一对平行金属板均为圆片状。

6.一种如权利要求1-5任一项所述的基于神经网络的现场快速检测土壤重金属含量的方法的应用，其特征在于：步骤(8)之后还包括：当检测的结果报告出土壤中重金属含量显著超标时，标记所针对的土壤取样片区的土壤受重金属污染，并采用紫外可分光光度法、原子吸收法、原子荧光法、电感耦合等离子体法、X荧光光谱、电感耦合等离子质谱法中的任一种方法，进一步进行重金属种类鉴别、含量精确测定。