期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
紫外-荧光特征级融合结合CARS-BO-LSSVM的水质COD检测方法
1
作者 郑培超 李成林 +5 位作者 王金梅 杨琴 曾金锐 吕强 阮伟 何浩楠 《中国测试》 北大核心 2025年第4期91-99,共9页
化学需氧量(COD)是表征水体中有机物含量的重要指标。使用基于不同光谱法的算法模型可以实现地表水COD的快速准确检测,针对紫外吸收光谱法和激光诱导荧光光谱法在测量精度上的不足,提出基于紫外-荧光特征级融合的光谱检测方法。将采集... 化学需氧量(COD)是表征水体中有机物含量的重要指标。使用基于不同光谱法的算法模型可以实现地表水COD的快速准确检测,针对紫外吸收光谱法和激光诱导荧光光谱法在测量精度上的不足,提出基于紫外-荧光特征级融合的光谱检测方法。将采集的实际水样经标准化学法得到COD理化值,以氘卤灯作为紫外-可见光源和以405 nm单波长半导体激光器作为激发光源,采用自主搭建的光谱系统采集水样的紫外吸收光谱和荧光发射光谱。选择Savitzky-Golay滤波对光谱去噪平滑,由竞争性自适应重加权采样(CARS)对光谱进行特征提取,并与主成分分析、连续投影算法对比,以贝叶斯优化的最小二乘支持向量(BO-LSSVM)算法作为建模方法,分别建立基于紫外吸收光谱法、激光诱导荧光光谱法和紫外-荧光特征级融合法的预测模型。结果表明:采用紫外-荧光特征级融合法的预测模型性能优于单一光谱法,提出的基于紫外-荧光特征级融合结合CARS-BO-LSSVM模型在噪声容限和预测精度方面优于其他模型,训练集R2为0.9371、RMSE为0.2726 mg·L^(–1)、MRE为9.99%,测试集R2为0.9377、RMSE为0.2578 mg·L^(–1)、MRE为7.68%。该方法对水质光谱的非线性分析具有良好的泛化性和鲁棒性,可为水质COD的快速检测提供可靠的参考价值和研究思路。 展开更多
关键词 化学需氧量 激光诱导荧光 特征级数据融合 竞争性自适应重加权采样
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部