典型文献
地表水总有机碳含量紫外-可见光谱检测方法
文献摘要：
总有机碳是以碳含量评价水质有机污染的指标,可以反映水体受污染程度.目前地表水总有机碳检测多采用现场取样后实验室分析检测方法,该方法存在费时费力、操作复杂、二次化学污染等缺点.紫外-可见光谱法具有环保、操作简便、可实时在线原位检测等优点,在地表水总有机碳检测中具有很好的应用前景.针对总有机碳检测问题,采用了一种基于自适应增强学习的区间偏最小二乘回归方法,该方法将总有机碳吸收光谱波段分为若干子区间,初始化训练样本权重,依次在各子区间建立偏最小二乘回归模型,根据子区间模型预测误差率计算该子区间预测结果的权重系数,并更新下一子区间训练样本权重,最后将各子区间模型预测结果线性加权得到总有机碳的检测结果.实验配制总有机碳标准溶液浓度25～150 m g·L-1共43个样品,第一时间段采集35个总有机碳标准样品光谱分为训练集和测试集,建立并验证总有机碳检测算法模型.为评价算法模型鲁棒性,在另一时间段采集剩余的8个标准样品光谱进行反测验证.实验结果表明,采用基于自适应增强学习的区间偏最小二乘回归法建立的总有机碳定量模型具有较高的精度和鲁棒性,分组验证和反测验证的预测均方根误差分别为1.304和1.533 m g·L-1,均优于偏最小二乘回归和极限学习机方法.为进一步验证该方法的有效性,使用该建模方法预测生活污水的总有机碳含量.实际地表水样本取样于河北石家庄藁城污水处理厂排污口污水及河北先河公司园区的生活污水,经稀释后共获得50组地表水样本,采用SPXY方法分为训练集33组水样,测试集17组水样.在实际水样检测中,采用净信号分析方法进行光谱预处理,降低总有机碳与其他水质参数间的交叉干扰;分组验证预测均方根误差为3.26 m g·L-1,平均绝对值百分比误差为3.46％.综上所述,基于自适应增强学习的区间偏最小二乘回归方法,可以快速准确地对地表水中总有机碳进行检测,为在线水质总有机碳检测提供了方法支撑.
文献关键词：
紫外-可见光谱;自适应增强学习;区间偏最小二乘法;总有机碳检测;地表水
中图分类号：
作者姓名：
李庆波;毕智棋;崔厚欣;郎嘉晔;申中凯
作者机构：
北京航空航天大学仪器科学与光电工程学院 ,精密光机电一体化技术教育部重点实验室 ,北京 100191;河北先河环保科技股份有限公司 ,河北 石家庄 050035
文献出处：
引用格式：
[1]李庆波;毕智棋;崔厚欣;郎嘉晔;申中凯-.地表水总有机碳含量紫外-可见光谱检测方法)[J].光谱学与光谱分析,2022(11):3423-3427
A类：
B类：
地表水,总有机碳含量,可见光谱,光谱检测方法,有机污染,污染程度,总有机碳检测,实验室分析,分析检测方法,费时费力,化学污染,光谱法,实时在线,在线原位检测,检测问题,自适应增强学习,偏最小二乘回归方法,碳吸收,吸收光谱,波段,干子,子区,初始化,训练样本,样本权重,偏最小二乘回归模型,区间模型,预测误差,误差率,区间预测,权重系数,一子,线性加权,标准溶液,溶液浓度,标准样品,训练集,测试集,检测算法,算法模型,模型鲁棒性,测验,偏最小二乘回归法,定量模型,极限学习机,生活污水,水样,石家庄,藁城,污水处理厂,排污口,先河,共获,SPXY,信号分析,光谱预处理,水质参数,数间,交叉干扰,综上所述,快速准确,地对地,区间偏最小二乘法
AB值：
0.267038
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
