[发明专利]基于紫外-可见吸收光谱的污染源识别方法及系统在审
申请号: | 202110246417.6 | 申请日: | 2021-03-05 |
公开(公告)号: | CN113033623A | 公开(公告)日: | 2021-06-25 |
发明(设计)人: | 吴静;刘博 | 申请(专利权)人: | 清华大学 |
主分类号: | G06K9/62 | 分类号: | G06K9/62;G01N21/01;G01N21/31;G01N21/33 |
代理公司: | 北京清亦华知识产权代理事务所(普通合伙) 11201 | 代理人: | 戴冬瑾 |
地址: | 10008*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 紫外 可见 吸收光谱 污染源 识别 方法 系统 | ||
1.一种基于紫外-可见吸收光谱的污染源识别方法,其特征在于,包括以下步骤:
采集污染源样品,对所述污染源样品进行预处理;
对预处理后的污染源样品进行紫外-可见吸收光谱测试得到所述污染源样品的光谱数据;
对所述光谱数据进行预处理;
利用预处理后的光谱数据及分类算法建立污染源识别模型并进行训练;
通过训练后的污染源识别模型进行污染源识别。
2.根据权利要求1所述的方法,其特征在于,所述紫外-可见吸收光谱扫描范围为200~800nm,扫描间隔为0.1~20nm。
3.根据权利要求1所述的方法,其特征在于,对所述光谱数据进行预处理,预处理方法包括但不限于剔除无效数据、基线校正、光谱正态变换、光谱归一化、光谱数据降维。
4.根据权利要求1所述的方法,其特征在于,所述分类算法包括但不限于偏最小二乘分辨分析、支持向量机、K最近邻节点算法。
5.根据权利要求4所述的方法,其特征在于,所述分类算法为偏最小二乘分辨分析时,利用预处理后的光谱数据及分类算法建立污染源识别模型并进行训练,进一步包括:
模型初始化:选择75%~95%的光谱数据作为训练集,采用交叉验证的方法建立所述污染源识别模型,并根据交叉验证误差最小化原则选择最佳潜在变量数;
模型训练:将变量数设置为最佳潜在变量数对所述污染源识别模型再次拟合;
模型预测:通过拟合后的污染源识别模型对剩余5%~25%的光谱数据进行预测,根据预测结果评估模型性能,其中,评估参数为评估所述污染源识别模型的灵敏度、特异度、精确率和正确率。
6.一种基于紫外-可见吸收光谱的污染源识别系统,其特征在于,包括:取样模块、样品预处理模块、进样模块、光谱采集模块、数据交换模块、显示模块与系统控制模块;
所述取样模块用于采集污染源或污染水体样品;
所述样品预处理模块用于样品预处理,包括过滤和稀释;
所述进样模块用于将预处理后的样品输送至光谱采集模块;
所述光谱采集模块用于获取污染源样品并进行紫外-可见吸收光谱测试得到所述污染源样品的光谱数据;
所述数据交换模块用于进行各模块间的数据传输;
所述显示模块用于进行结果显示;
所述系统控制模块用于嵌入污染源识别模型及进行系统控制,所述光谱采集模块的数据传输给所述控制模块并利用组态软件在所述显示模块实时显示结果,将组态软件中收集的所述光谱数据输送至所述污染源识别模型,利用所述污染源识别模型对样污染样本类别进行判别,再把判别结果返回至所述显示模块显示判别结果。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于清华大学,未经清华大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110246417.6/1.html,转载请声明来源钻瓜专利网。