[发明专利]一种基于采样轮廓波变换的紫外光谱污染物分类检测方法

说明书

本发明公开了一种基于采样轮廓波变换的紫外光谱污染物分类检测方法，包括以下步骤：步骤一，已知污染物测量；步骤二，分类模型建立；步骤三，样本获取；步骤四，浓度测量；步骤五，光谱检测；步骤六，数据处理；步骤七，浓度模型建立；步骤八，分类检测；步骤九，浓度确定；该发明通过对样本数据进行平滑处理、导数处理和SNV处理，大大降低了样本中的噪声和干扰，有利于降低分类测量的误差，该发明不仅仅通过分类模型对样本中含有的污染物进行检测分类，而且同时利用浓度模型根据紫外线的吸光度得出污染物的浓度，有利于提高该发明的实用性，通过光谱直接对比分析法来快速对污染物种类进行区分，有利于提高工作效率。

技术领域

本发明涉及水质监测技术领域，具体为一种基于采样轮廓波变换的紫外光谱污染物分类检测方法。

背景技术

紫外光谱又称紫外和可见光谱，简写为UV，是一种在有机化学中应用最广泛的测定分子结构的方法。

紫外光谱的应用范围十分广泛，随着现代科技的不断进步，在水质检测中也有应用，市面上水中的污染物分类检测一般采用湿化学法，极易造成二次污染，从而诞生了基于采样轮廓波变换的紫外光谱污染物分类检测方法，然而市面上的分类检测方法在检测过程中容易受到检测样品中杂散光的影响，对检测结果造成干扰，增大了检测的误差，同时检测时单单对样品中的污染种类进行检测，无法判断污染物的浓度，实用性较低，并且在分类检测过程中，费时费力，大大降低了分类检测的效率。

发明内容

本发明的目的在于提供一种基于采样轮廓波变换的紫外光谱污染物分类检测方法，以解决上述背景技术中提出的问题。

为了解决上述技术问题，本发明提供如下技术方案：一种基于采样轮廓波变换的紫外光谱污染物分类检测方法，包括以下步骤：步骤一，已知污染物测量；步骤二，分类模型建立；步骤三，样本获取；步骤四，浓度测量；步骤五，光谱检测；步骤六，数据处理；步骤七，浓度模型建立；步骤八，分类检测；步骤九，浓度确定；

其中在上述步骤一中，首先取用UV光谱仪对含有单一污染物的标准水样进行检测分析，得到标准污染物的光谱特征，并且建立标准污染物的光谱矩阵作为参考；

其中在上述步骤二中，将步骤一中得到的标准污染物的光谱矩阵带入支持向量机中，经过数据的不断迭代学习得到分类模型；

其中在上述步骤三中，获取多份需要检测的未知污染物作为样本；

其中在上述步骤四中，将步骤三中的未知污染物样本按照7∶3的比例分成实验样本和测试样本，将实验样本利用重铬酸钾滴定法测量其COD值，并且生成实验样本COD值的数据矩阵；

其中在上述步骤五中，将步骤四中的实验样本和测试样本分别利用UV光谱仪进行测量，得到未知污染物的光谱特征，并分别建立实验样本的光谱矩阵和测试样本的光谱矩阵；

其中在上述步骤六中，将步骤五中得到的实验样本的光谱矩阵和测试样本的光谱矩阵分别进行平滑处理、导数处理和SNV处理，处理完成后备用；

其中在上述步骤七中，将步骤六中处理完成的实验样本的光谱矩阵作为训练集，测试样本的光谱矩阵作为测试集，将训练集以及步骤步骤三中测量得到的实验样本COD值的数据矩阵分别利用计算机进行迭代计算，得到浓度模型；

其中在上述步骤八中，将步骤五中得到的测试样本的光谱矩阵带入步骤二中得到的分类模型中，从而得到测试样本中的污染物种类；

其中在上述步骤九中，将步骤五中得到的测试样本的光谱矩阵带入步骤七中得到的浓度模型中，得到测试样本的污染物浓度数据。

根据上述技术方案，所述步骤六中，平滑处理的算法为移动平均法或Savitzky-Go-lay卷积平滑法。

根据上述技术方案，所述步骤六中，导数处理为一阶导数或者二阶导数其中的一种。

根据上述技术方案，所述步骤六中，SNV处理的公式为：，其中是第i个样本的平均值，m为紫外光谱曲线的波长点数，i是样本数。