当前位置: 首页> 交通专利数据库 >详情
原文传递 一种水质多参数紫外可见吸收光谱定量化反演方法
专利名称: 一种水质多参数紫外可见吸收光谱定量化反演方法
摘要: 一种水质多参数紫外可见吸收光谱定量化反演方法,1.选择320~750nm波段水样原始吸收光谱0A320‑750,利用偏最小二乘PLS法解析获得水体浊度;2.利用320~750nm波段水样原始吸收光谱0A320‑750和Mie散射校正法计算200~320nm波段浊度消光光谱1B200‑320,将该波段原始吸收光谱减去浊度消光光谱,获得浊度补偿后吸收光谱1A200‑320;3.选择260~320nm波段浊度补偿后的吸收光谱1A260‑320,利用偏最小二乘PLS法解析获得COD浓度解析结果;4.利用浓度归一化COD吸收光谱和COD解析结果,计算200~260nm波段COD补偿光谱2B200‑260,将该波段浊度补偿后吸收光谱1A200‑260减去COD补偿光谱2B200‑260,获得浊度和COD补偿后吸收光谱2A200‑260;5.选择200~260nm浊度和COD补偿后的吸收光谱2A200‑260,利用偏最小二乘PLS法解析获得硝酸盐浓度。
专利类型: 发明专利
申请人: 中国科学院合肥物质科学研究院
发明人: 殷高方;马明俊;孟德硕;方丽;刘建国;刘文清;赵南京;陈晓伟;甘婷婷;胡丽;夏蒙;董鸣;祝伟;杨瑞芳
专利状态: 有效
申请日期: 1900-01-20T21:00:00+0805
发布日期: 1900-01-20T15:00:00+0805
申请号: CN202010107945.9
公开号: CN111157476A
代理机构: 北京科迪生专利代理有限责任公司
代理人: 邓治平
分类号: G01N21/33;G01N21/31;G;G01;G01N;G01N21;G01N21/33;G01N21/31
申请人地址: 230031 安徽省合肥市蜀山湖路350号
主权项: 1.一种水质多参数紫外可见吸收光谱定量化反演方法,其特征在于,包括如下步骤: 步骤1:选择320~750nm波段水样原始吸收光谱0A320-750,利用偏最小二乘PLS法解析获得水体浊度; 步骤2:利用320~750nm波段水样原始吸收光谱0A320-750和Mie散射校正法计算200~320nm波段浊度消光光谱1B200-320,将该波段原始吸收光谱减去浊度消光光谱,获得浊度补偿后吸收光谱1A200-320; 步骤3:选择260~320nm波段浊度补偿后的吸收光谱1A260-320,利用偏最小二乘PLS法解析获得COD浓度解析结果; 步骤4:利用浓度归一化COD吸收光谱和COD解析结果,计算200~260nm波段COD补偿光谱2B200-260,将该波段浊度补偿后吸收光谱1A200-260减去COD补偿光谱2B200-260,获得浊度和COD补偿后吸收光谱2A200-260; 步骤5:选择200~260nm浊度和COD补偿后的吸收光谱2A200-260,利用偏最小二乘PLS法解析获得硝酸盐浓度。 2.根据权利要求1所述的一种水质多参数紫外可见吸收光谱定量化反演方法,其特征在于,所述步骤1包括: 将320~750nm原始吸收光谱0A320-750的光谱矩阵和浊度参数浓度矩阵输入到偏最小二乘PLS算法,解析获得水体浊度。 3.根据权利要求1所述的一种水质多参数紫外可见吸收光谱定量化反演方法,其特征在于,所述步骤2包括: 首先通过朗伯-比尔定律和Kramers-Krong关系求取颗粒物的复折射率;再利用颗粒Mie散射模型拟合320-750nm波段原始吸收光谱0A320-750,获得颗粒物平均等效粒径及颗粒物粒子数;利用颗粒物复折射率、平均等效粒径和粒子数代入Mie散射模型计算出200-320nm波段颗粒物的浊度消光光谱1B200-320,将该波段的水样原始吸收光谱减去浊度消光光谱1B200-320,获得浊度补偿后的吸收光谱1A200-320;具体包括如下步骤: 1)颗粒物的复折射率计算 颗粒物的复折射率n由实部n′和虚部n″组成,如(1)式所示: n=n′-in″ (1) 复折射率的虚部n”通过朗伯-比尔定律求得: A=ε(λ)cl (2) 式中,A为吸收光谱,ε(λ)为吸收系数,c为水体颗粒物的浊度,l为消光光程,即样品池厚度,λ是波长; 复折射率的实部通过(4)式Kramers–Kronig关系求得: 式中,P为柯西主值函数,这里取值为1,λ为波长;i为波长的序号; 2)颗粒物的等效粒径和颗粒物的粒子数计算 水中颗粒物作球形近似,其散射消光符合(5)式Mie散射模型: 式中,NP为颗粒物的粒子数;D为颗粒物的等效粒径;Qext为消光系数;对于近似球形的颗粒,其消光系数计算公式为: α=πD/λ (11) 式中,Re指变量实部;am、bm为Mie系数;m为级数需要计算的最大项;α为无因次粒径参数;为半整数阶Bessel函数;为第二类Hankel函数;Bessel函数和Hankel函数中的x为中间变量,对应到(7)、(8)式中的α和nα;Qext+[n(λ),D]表示消光系数,与颗粒物复折射率n(λ)和颗粒物的等效粒径D有关,具体由(6)-(11)式计算; 选择320~750nm波段吸收光谱为分析对象,将Mie散射模型等式(5)左边吸收光谱作归一化处理,采用非线性最小二乘优化算法对320~750nm归一化吸收光谱进行迭代拟合,获得水体颗粒物的等效粒径D和归一化拟合光谱;将得到的归一化拟合光谱与水体原始吸收光谱进行线性回归,求得水体中颗粒物粒子数NP; 3)200~320nm波段吸收光谱的浊度补偿 将计算得到的颗粒物复折射率、等效粒径和粒子数带入Mie散射模型等式(5)中计算出200~320nm波段的颗粒物引起的消光光谱1B200-320;将该波段水样原始吸收光谱减去浊度消光光谱,获得浊度补偿后的吸收光谱1A200-320; 1A200-320=0A200-320-1B200-320 (12)。 4.根据权利要求1所述的一种水质多参数紫外可见吸收光谱定量化反演方法,其特征在于,所述步骤3包括: 将260~320nm浊度补偿后的吸收光谱的光谱矩阵1A260-320和COD参数浓度矩阵输入到偏最小二乘PLS算法,反演COD浓度。 5.根据权利要求1所述的一种水质多参数紫外可见吸收光谱定量化反演方法,其特征在于,所述步骤4包括: 利用浓度归一化COD吸收光谱与解析的COD浓度计算出COD在200~260nm波段的吸收光谱2B200-260,将该波段浊度补偿后的吸收光谱减去COD吸收光谱,获得浊度和COD补偿后的吸收光谱2A200-260; 2A200-260=1A200-260-2B200-260 (13)。 6.根据权利要求1所述的一种水质多参数紫外可见吸收光谱定量化反演方法,其特征在于,所述步骤5包括: 将200~260nm浊度与COD补偿后吸收光谱2A200-260的光谱矩阵和硝酸盐浓度参数矩阵输入到偏最小二乘PLS算法,反演硝酸盐浓度。 7.根据权利要求1所述的一种水质多参数紫外可见吸收光谱定量化反演方法,其特征在于,所述的偏最小二乘PLS反演算法包括如下步骤: 1)提取浓度矩阵与吸收光谱矩阵的第一成分 将对应波段范围的光谱矩阵和浓度矩阵做数据标准化处理,即将各矩阵中的每个数据减去每列变量的均值除以每列的标准差,得到标准化后的吸收光谱矩阵A0和水质参数浓度矩阵C0;提取两变量组,即矩阵A0和C0的第一对成分t1和u1;i为矩阵A0的行数,m为矩阵A0的列数;i为矩阵C0的行数;l为矩阵C0的列数; t1和u1之间要求协方差Cov(t1,u1)最大,即求解下面的优化问题: max{Cov(t1,u1)}=max (16) w1和v1利用拉格朗日乘数法求出,两者满足(18)、(19)式: 式中,w1是的最大特征值对应的单位特征向量,v1是最大特征值对应的的单位特征向量,的最大特征值为与特征值相同,均为是对应的最大特征值也是目标函数值的平方; 2)建立浓度矩阵与吸收光谱矩阵第一成分回归模型 浓度矩阵与吸收光谱矩阵第一成分回归模型如(20)、(21)式所示: 其中A1和C1是回归方程的残差矩阵,α1=(α11,…,α1m)T,β1=(β11,…,β1l)T为回归模型参数向量,通过(22)、(23)式最小二乘估算; 3)回归模型迭代 若浓度和吸收光谱的残差矩阵中元素绝对值近似为零,则用第一成分建立的回归模型已满足需要,否则用残差阵A1和C1代替A0和C0重复以上两个步骤,即求取第二成分t2和u2,建立浓度矩阵与吸收光谱矩阵第二成分回归模型,如此迭代直到回归模型精度满足要求,采用舍一交叉验证法计算预测误差平方和PRESS来确定成分个数;迭代最终得到浊度C0: 其中,则是偏最小二乘回归系数向量,N是吸收光谱矩阵A0的秩,r为迭代次数,Cr是第r次迭代的浓度残差矩阵。 8.一种用于水质多参数紫外吸收光谱的偏最小二乘PLS反演算法,其特征在于,包括如下步骤: 1)提取浓度矩阵与吸收光谱矩阵的第一成分 将对应波段范围的光谱矩阵和浓度矩阵做数据标准化处理,即将各矩阵中的每个数据减去每列变量的均值除以每列的标准差,得到标准化后的吸收光谱矩阵A0和水质参数浓度矩阵C0;提取两变量组,即矩阵A0和C0的第一对成分t1和u1;i为矩阵A0的行数,m为矩阵A0的列数;i为矩阵C0的行数;l为矩阵C0的列数; t1和u1之间要求协方差Cov(t1,u1)最大,即求解下面的优化问题: max{Cov(t1,u1)}=max (16) w1和v1利用拉格朗日乘数法求出,两者满足(18)、(19)式: 式中,w1是的最大特征值对应的单位特征向量,v1是最大特征值对应的的单位特征向量,的最大特征值为与特征值相同,均为是对应的最大特征值也是目标函数值的平方; 2)建立浓度矩阵与吸收光谱矩阵第一成分回归模型 浓度矩阵与吸收光谱矩阵第一成分回归模型如(20)、(21)式所示: 其中A1和C1是回归方程的残差矩阵,α1=(α11,…,α1m)T,β1=(β11,…,β1l)T为回归模型参数向量,通过(22)、(23)式最小二乘估算; 3)回归模型迭代 若浓度和吸收光谱的残差矩阵中元素绝对值近似为零,则用第一成分建立的回归模型已满足需要,否则用残差阵A1和C1代替A0和C0重复以上两个步骤,即求取第二成分t2和u2,建立浓度矩阵与吸收光谱矩阵第二成分回归模型,如此迭代直到回归模型精度满足要求,采用舍一交叉验证法计算预测误差平方和PRESS来确定成分个数;迭代最终得到浊度C0: 其中,则是偏最小二乘回归系数向量,N是吸收光谱矩阵A0的秩,r为迭代次数,Cr是第r次迭代的浓度残差矩阵。
所属类别: 发明专利
检索历史
应用推荐