[发明专利]基于极端随机树的非线性全光谱水体浊度定量分析方法

说明书

本发明涉及水体浊度检测技术，具体涉及一种基于极端随机树的非线性全光谱水体浊度定量分析方法，解决现有单波长、多波长的光谱浊度测量方法不具有普适性，全波长光谱浊度测量分析方法无法捕捉非线性的特征、存在计算量大、容易过拟合所导致的浊度预测不准确的问题，该方法主要包括第一步、光谱数据的采集；第二步、标准水参比；第三步、吸光度转换；第四步、将步骤三得到吸光度光谱进行KPCA特征提取；第五步、数据正态化；第六步、训练基于极端随机树的浊度预测模型，第七步、用测试数据测试存储的基于极端随机树的浊度预测模型。

技术领域

本发明涉及水体浊度检测技术，具体涉及一种基于极端随机树的非线性全光谱水体浊度定量分析方法。

背景技术

水是自然环境和社会环境中极为重要且活跃的因素，对水质信息的科学监测是实现水资源优化配置与高效利用的基础。水体浊度是水环境和水质状况的重要监测指标，浊度是一种光学效应，它反映了光线在透过水层时收到的阻碍，水体浊度是指均匀分布于水中的可溶性微小颗粒物或可溶性有机与无机化合物等对水体中入射光线的散射、吸收导致光线的衰减程度，浊度的测量方法就是基于光的衰减程度。

传统的浊度测量方法主要有分光光度法和光电式法，此两种方法普遍存在需要使用化学试剂、操作繁琐、需要使用试剂、造成二次污染等缺点，同时无法完成浊度的自动、快速、原位测量。光谱法水质检测技术由于无需化学试剂、无二次污染、快速准确、成本低，可实现实时在线原位测量，现已广泛应用于在线水质检测领域。光谱法水质检测技术是利用水中特定物质吸收特定波长的光，产生分子吸收光谱，从而根据光谱数据定性定量地分析水质参数。

传统的光谱法浊度检测技术主要包括单波长、多波长和全波长分析方法。单波长法测量水体在680nm处的吸光度，通过线性回归的方法来测量水体浊度。多波长法在单波长的基础上，增加了矫正波长，来矫正水体测试时环境因素的干扰，采用486nm、551nm、671nm等多处波长的吸光度，通过加权分析的方法，建立浊度预测模型进行浊度检测。但是，上述单波长、多波长的方法本质上都依赖于水体对特定波长的特征吸收，同一波长组合建模可能适应于特定应用场景，不具有普适性。

全波长分析方法主要包括线性方法和非线性方法两种。线性方法的代表是偏最小二乘法，偏最小二乘法通过不断提取主成分来简化数据，建立回归模型，该方法能很好的寻找线性特征进行回归，但却无法捕捉非线性的特征，导致浊度预测不准确。非线性方法的一个代表是支持向量机法，将低维数据映射到高维空间进行回归，再把高维空间的超平面映射回低维空间，建立回归模型，该方法可以捕捉高维空间的非线性特征，但存在计算量大，容易过拟合等缺点，导致浊度预测速度慢、准确性低。

发明内容

本发明的目的是解决现有单波长、多波长的光谱浊度测量方法不具有普适性，全波长光谱浊度测量分析方法无法捕捉非线性的特征、存在计算量大、容易过拟合所导致的浊度预测不准确的问题，提供一种基于极端随机树的非线性全光谱水体浊度定量分析方法。该方法通过测量水体紫外-可见-近红外透射光谱，建立非线性全光谱水体浊度定量分析模型，完成水体浊度的测量。

为实现上述目的，本发明通过以下技术方案来实现：

一种基于极端随机树的非线性全光谱水体浊度定量分析方法，包括以下步骤：

第一步、光谱数据的采集；

采用紫外-可见-近红外光谱仪测量被测水体和标准去离子水，得到被测水体的紫外-可见-近红外光谱曲线和标准去离子水的光谱曲线；

第二步、标准去离子水参比；

通过公式(1)完成标准去离子水参比，得到两光谱的比值I：

式中，I₁为被测水体的透射光谱，I₀为标准去离子水的透射光谱；

第三步、吸光度转换；