[發明專利]一種重金屬定量預測方法、裝置及系統

在審

• 申請號: 201610491171.8
• 申請日: 2016-06-28
• 公開（公告）號: CN107543854A
• 公開（公告）日: 2018-01-05
• 發明（設計）人: 劉剛;趙國;王輝
• 申請（專利權）人: 中國農業大學
• 主分類號: G01N27/48
• 分類號: G01N27/48;G06N3/08;G06N3/04
• 代理公司: 北京路浩知識產權代理有限公司11002
• 代理人: 李相雨

技術領域

本發明實施例涉及土壤重金屬檢測技術領域，具體涉及一種重金屬定量預測方法、裝置及系統。

背景技術

土壤是構成生態系統的基本環境要素，是人類賴以生存的物質基礎，也是經濟社會發展不可或缺的重要資源。我國是個農業大國，農田面積廣大，土壤重金屬快速檢測對加強土壤污染監控和環境應急檢測具有非常重要的現實意義。但是傳統土壤重金屬檢測方法主要以光譜法為主，光譜法檢測精度較高，但大多需要大型儀器設備，分析成本高，分析時間較長，需要有專業人員進行操作，常用于實驗室檢測，很難用于土壤重金屬的現場快速檢測。

目前重金屬定量預測主要通過溶出峰值構建一元模型，來推斷目標重金屬離子濃度。但在實現本發明實施例的過程中，發明人發現由于土壤多離子共存環境中存在較為嚴重的基體效應和交互作用，通過建立一元模型來定量預測重金屬濃度會產生較大測試誤差。

發明內容

本發明實施例的一個目的是解決現有技術預測重金屬離子濃度存在較大誤差的問題。

本發明實施例提出了一種重金屬定量預測方法，包括：

通過溶出伏安法和傳感器陣列，獲取與目標重金屬離子濃度有關聯關系的預設參數的值；

以所述預設參數為輸入，所述目標重金屬的離子濃度為輸出，建立BP神經網絡；

將根據所述預設參數生成的樣本數據分為訓練集和驗證集；

根據訓練集中的樣本數據對所述BP神經網絡進行訓練，獲取包含有輸入輸出映射關系的BP神經網絡；

根據驗證集中的樣本數據對訓練結果進行驗證，并根據驗證結果調整所述BP神經網絡；

根據調整后的BP神經網絡預測所述目標重金屬的離子濃度。

優選地，所述以所述預設參數為輸入，所述目標重金屬的離子濃度為輸出，建立BP神經網絡的步驟具體包括：

根據所述預設參數的數量獲取輸入層神經元個數；

根據所述輸入層神經元個數獲取隱層神經元的數量范圍；通過不同訓練函數，傳遞函數組合下，取隱層中不同神經元數時獲取的最小均方根誤差，來確定訓練函數、傳遞函數和隱層神經元個數。

根據輸入層神經元和隱層神經元、以及隱層和輸出層的傳遞函數建立BP神經網絡。

優選地，所述隱層的傳遞函數采用S型對數函數log-sigmoid：

所述輸出層的傳遞函數采用線性函數purelin：a＝purelin(x)。

優選地，所述根據所述輸入層神經元個數獲取隱層神經元的數量范圍的步驟具體包括：

根據以下公式，根據所述輸入層神經元個數獲取隱層神經元的數量范圍：

其中，n_h為隱層神經元個數，n_i為輸入層神經元個數，n_o為輸出層神經元個數，k為(1,10)區間內任意常數。

優選地，所述根據訓練集中的樣本數據對所述BP神經網絡進行訓練的步驟具體包括：

根據訓練集中的樣本數據，采用trainbr訓練函數對所述BP神經網絡進行訓練。

本發明還提供了一種重金屬定量預測裝置，包括：

獲取模塊，用于通過溶出伏安法和傳感器陣列，獲取與目標重金屬離子濃度有關聯關系的預設參數的值；

建立模塊，用于以所述預設參數為輸入，所述目標重金屬的離子濃度為輸出，建立BP神經網絡；

劃分模塊，用于將根據所述預設參數生成的樣本數據分為訓練集和驗證集；

訓練模塊，用于根據訓練集中的樣本數據對所述BP神經網絡進行訓練，獲取包含有輸入輸出映射關系的BP神經網絡；

驗證模塊，用于根據驗證集中的樣本數據對訓練結果進行驗證，并根據驗證結果調整所述BP神經網絡；

預測模塊，用于根據調整后的BP神經網絡預測所述目標重金屬的離子濃度。

優選地，所述建立模塊具體用于：根據所述預設參數的數量獲取輸入層神經元個數；根據所述輸入層神經元個數獲取隱層神經元的數量范圍；根據輸入層神經元和隱層神經元、以及隱層和輸出層的傳遞函數建立BP神經網絡。

優選地，所述訓練模塊具體用于：根據訓練集中的樣本數據，采用trainbr訓練函數對所述BP神經網絡進行訓練。

本發明還提出了一種重金屬定量預測系統，包括：傳感器陣列、下位機和上位機，所述上位機包括上述重金屬定量預測裝置；

所述傳感器陣列，用于觸發激勵信號以獲取目標重金屬的溶出伏安信號并采集檢測液pH值信號；