[發明專利]一種基于紫外可見光譜的污染物濃度擬合方法

有效

• 申請號: 201310746841.2
• 申請日: 2013-12-30
• 公開（公告）號: CN103712939A
• 公開（公告）日: 2014-04-09
• 發明（設計）人: 張顯超;錢玉敏
• 申請（專利權）人: 張顯超;錢玉敏
• 主分類號: G01N21/33
• 分類號: G01N21/33;G01N21/31;G06N3/12
• 代理公司: 北京科迪生專利代理有限責任公司 11251
• 代理人: 成金玉

1.一種基于紫外可見光譜的污染物濃度擬合方法，其特征在于實現步驟如下：

STEP1：測量污染物濃度，確定每一個光譜所對應的污染物濃度；

STEP2：使用遺傳算法尋找特定波長，不同的化學物質對不同的波長光譜吸收強度不同，對每一種物質都需要找到擬合效果最佳的波長進行擬合；

STEP3：使用偏最小二乘法對波長和污染物濃度進行建模，所得到的擬合關系即為光譜數據與污染物濃度之間的關系，用來計算不同環境下污染物的濃度。

2.根據權利要求1所述的一種基于紫外可見光譜的污染物濃度擬合方法，其特征在于：所述步驟STEP2中使用遺傳算法尋找波長的步驟如下：

（1）編碼：把所需要選擇的波長進行編號，每一個波長就是一個基因，一個解就是一串基因的組合；

（2）初始群體的生成：隨機產生N個初始串結構數據，每個串結構數據稱為一個個體；N個個體，構成了一個群體；遺傳算法以這N個串結構數據作為初始點開始迭代；

（3）交換：由交換概率P_c挑選的每兩個父代通過將相異的部分基因進行交換，從而產生新的個體，可以得到新一代個體，新個體組合了其父輩個體的特性；

（4）適應度值評估檢測：計算交換產生的新個體的適應度，適應度用來度量種群中個體優劣即符合條件的程度的指標值，所述適應度就是REMS；

（5）選擇：從交換后的群體中選出優良的個體，使它們有機會作為父代為下一代繁殖子孫；

（6）變異：首先在群體中隨機選擇一定數量個體，對于選中的個體以一定的概率即變異概率P_e隨機地改變串結構數據中某個基因的值；

（7）中止：當變異后的基因無法再提高解的性能時，即解的適應度無法再提高，此時停止計算，所求得的基因即為所尋找的波長。

3.根據權利要求1所述的一種基于紫外可見光譜的污染物濃度擬合方法，其特征在于：所述步驟STEP3中使用偏最小二乘法對波長和污染物濃度進行建模的具體步驟如下：

假設得到的光譜數據矩陣為X，污染物濃度數據矩陣為Y，首先對數據進行標準化處理，消除量綱不同，E₀為標準化處理后的光譜數據，F₀為標準化處理后的污染物濃度數據；

（1）分別提取兩變量組的第一對成分對E₀和F₀做正交投影變換，取方差最大的特征向量作為第一成分，方差次大的為第二成分，以此類推，并使之相關性達最大，其分別為觀測矩陣的線性組合，即：t₁＝(ω₁₁E₀₁+…+ω_1p+E_0p)＝E₀ω₁，u₁＝(υ₁₁F₀₁+…+υ_1pF_0p)＝F₀υ₁，其中：ω₁和υ₁為特征向量矩陣，t₁和u₁為第一成分，要求t₁和u₁相關程度最大且盡可能提取所在變量的變量信息即方差最大，求得分向量即可轉化為下面的極值問題：

max<t1,u1>=max<E0ω1,F0υ1>=ω1TE0TF0υ1S.T.ω1Tω1=||ω1||2=1,υ1Tυ1=||υ1||2=1,]]>

max<t₁,u₁>是指最大化t₁和u₁的相關性。是ω₁的逆矩陣，是E₀的逆矩陣，S.T.表示約束條件，||ω₁||和||υ₁||分別是ω₁和υ₁的范數；

利用Lagrange法即轉化求矩陣對應的特征值和對應的特征向量，且其最大特征值對應的特征向量即為ω₁，υ由求出。由此可以計算出所需的第一成分t₁；

（2）由第（1）步得到的t₁，建立E₀與F₀對t₁的回歸，回歸模型如下：

E0=t1α1T+E1F0=t1β1T+F1]]>

其中α₁和β₁為回歸模型的回歸系數，E₁和F₁為殘差陣，且回歸系數的最小二乘估計分別為α1=E0Tt1/||t1||2,]]>β1=F0Tt1/||t1||2;]]>

（3）用殘差陣E₁和F₁代替E₀和F₀重復第（2）步驟由回歸模型知如果殘差陣F₁中元素的絕對值近似于0，則認為利用第一成分即t₁已經建立的回歸模型達到了進度要求，無需進行其它成分的計算；

（4）收斂性檢驗，檢驗回歸模型是否滿足精度要求，如果不滿足，則依照特征向量的方差大小依次抽出下一成分并重復（1）（2）（3）三個步驟，如果滿足，終止成分抽取，且有：F0=t1β1T+t2β2T+···+thβhT;]]>

（5）建立E₀與F₀之間的回歸方程，F₀＝E₀W+F_h；

其中，W=Σj=1n(Πi=1j-1(I-ωiαiT)ωj)βjT,]]>I為單位矩陣，F_h為殘差矩陣；

（6）對觀測矩陣進行反標準化變換，建立原始數據矩陣之間的回歸方程，即為已經標準化的觀測矩陣的回歸方程，按照標準化步驟的相反操作，將標準化矩陣E₀和F₀恢復到原始數據之間的回歸方程：

Y＝XA+B

其中：為系數矩陣，B＝m_y-m_xA為常數項；C_x和C_y為X和Y各列方差組成的對角矩陣，m_x和m_y為X和Y各列均值組成的行向量，該方程反映了光譜數據X與污染物濃度數據Y之間的運算關系，通過該方程可以由光譜數據快速地計算出污染物濃度。