[发明专利]基于三维液相色谱指纹的污染源识别方法及装置

权利要求书

1.一种基于三维液相色谱指纹的污染源识别方法，其特征在于，包括以下步骤：

对污染源样品和待识别样品进行预处理；

采集预处理后的污染源样品和待识别样品的三维液相色谱指纹，并对采集的三维液相色谱指纹进行预处理；所述三维液相色谱指纹为多吸收色谱指纹，所述三维液相色谱指纹采集所用色谱柱为体积排阻色谱柱；

利用预处理后的所述污染源样品和所述待识别样品的三维液相色谱指纹建立污染源识别模型进行污染源识别，以确定所述待识别样品所属的污染源；

所述三维液相色谱指纹包括多吸收色谱指纹、多激发色谱指纹和多发射色谱指纹；所述多吸收色谱指纹为样品用液相色谱在二极管阵列检测器多波长模式下采集的图谱，波长范围200～800nm，波长间隔1～20nm；所述多激发色谱指纹为样品用液相色谱在荧光检测器多激发模式下采集的图谱，激发波长范围200～600nm，波长间隔1～20nm；所述多发射色谱指纹为样品用液相色谱在荧光检测器多发射模式下采集的图谱，发射波长扫描范围220～750nm，波长间隔1～20nm；

所述污染源识别模型所用算法为自组织神经网络，通过所述污染源识别模型对所述污染源样品和所述待识别样品的三维液相色谱指纹进行可视化分析和聚类分析，根据聚类分析结果判断所述待识别样品所属的污染源；

当采用自组织神经网络进行污染源识别时，建立污染源识别模型的步骤为：

a)导入预处理后的污染样品和污染源样品的三维液相色谱指纹数据；

b)线性初始化建立并训练至少1个SOM模型；

c)随机初始化建立并训练n个SOM模型，n大于等于10；

d)选择最佳SOM模型：从b)和c)建立的SOM模型中选择平均量化误差和拓扑图形误差最小化的模型作为最佳SOM模型；

e)SOM模型可视化分析：SOM模型可视化分析包括导出最佳匹配神经元映射图和统一聚类矩阵图，二者能够指示聚类边界，初步分析聚类结果；

f)SOM模型聚类分析：SOM模型聚类分析是指利用k-均值聚类算法将最佳SOM模型的神经元分为若干类别；

g)SOM模型识别结果的确定：SOM模型识别结果的确定是指综合分析最佳匹配神经元映射图、统一聚类矩阵图和k-均值聚类结果后确定最终的样品类结果；若待识别样品和某个污染源的样品聚为一类，则认为污染很可能来自该污染源；若待识别样品未与数据库中任何一个污染源的样品聚为一类，则说明还存在其他潜在污染源。

2.根据权利要求1所述的方法，其特征在于，所述污染源样品和所述待识别样品包括液态样品、固态样品或气态样品。

3.根据权利要求1所述的方法，其特征在于，所述污染源样品所属的污染源个数大于等于2。

4.根据权利要求2所述的方法，其特征在于，对所述污染源样品和所述待识别样品进行预处理，包括：

对所述液态样品预处理包括：用滤膜对所述液态样品进行过滤；

对所述固态样品预处理包括：将所述固态样品用超纯水溶解，将所述固态样品浸出液用滤膜进行过滤；

对所述气态样品预处理包括：将所述气态样品溶于超纯水，将水样用滤膜进行过滤。

5.根据权利要求1所述的方法，其特征在于，还包括：

采集空白样本，对所述空白样本进行预处理；

采集预处理后的所述空白样本的三维液相色谱指纹。

6.根据权利要求1或5所述的方法，其特征在于，对采集的三维液相色谱指纹并进行预处理，包括扣除空白和归一化、主成分分析、多元曲率分辨。

7.一种基于三维液相色谱指纹的污染源识别装置，其特征在于，包括：

样品处理模块，用于对污染源样品和待识别样品进行预处理；

指纹采集模块，用于采集预处理后的污染源样品和待识别样品的三维液相色谱指纹，并对采集的三维液相色谱指纹并进行预处理；所述三维液相色谱指纹为多吸收色谱指纹，所述三维液相色谱指纹采集所用色谱柱为体积排阻色谱柱；

识别模块，用于利用预处理后的所述污染源样品和所述待识别样品的三维液相色谱指纹建立污染源识别模型并进行污染源识别，以确定所述待识别样品所属的污染源；

所述三维液相色谱指纹包括多吸收色谱指纹、多激发色谱指纹和多发射色谱指纹；所述多吸收色谱指纹为样品用液相色谱在二极管阵列检测器多波长模式下采集的图谱，波长范围200～800nm，波长间隔1～20nm；所述多激发色谱指纹为样品用液相色谱在荧光检测器多激发模式下采集的图谱，激发波长范围200～600nm，波长间隔1～20nm；所述多发射色谱指纹为样品用液相色谱在荧光检测器多发射模式下采集的图谱，发射波长扫描范围220～750nm，波长间隔1～20nm；

所述污染源识别模型所用算法为自组织神经网络，通过所述污染源识别模型对所述污染源样品和所述待识别样品的三维液相色谱指纹进行可视化分析和聚类分析，根据聚类分析结果判断所述待识别样品所属的污染源；

当采用自组织神经网络进行污染源识别时，建立污染源识别模型的步骤为：

a)导入预处理后的污染样品和污染源样品的三维液相色谱指纹数据；

b)线性初始化建立并训练至少1个SOM模型；

c)随机初始化建立并训练n个SOM模型，n大于等于10；

d)选择最佳SOM模型：从b)和c)建立的SOM模型中选择平均量化误差和拓扑图形误差最小化的模型作为最佳SOM模型；

e)SOM模型可视化分析：SOM模型可视化分析包括导出最佳匹配神经元映射图和统一聚类矩阵图，二者能够指示聚类边界，初步分析聚类结果；

f)SOM模型聚类分析：SOM模型聚类分析是指利用k-均值聚类算法将最佳SOM模型的神经元分为若干类别；

g)SOM模型识别结果的确定：SOM模型识别结果的确定是指综合分析最佳匹配神经元映射图、统一聚类矩阵图和k-均值聚类结果后确定最终的样品类结果；若待识别样品和某个污染源的样品聚为一类，则认为污染很可能来自该污染源；若待识别样品未与数据库中任何一个污染源的样品聚为一类，则说明还存在其他潜在污染源。