[發明專利]一種水質檢測方法及裝置

在審

• 申請號: 201910831416.0
• 申請日: 2019-09-04
• 公開（公告）號: CN110567905A
• 公開（公告）日: 2019-12-13
• 發明（設計）人: 袁愈亮
• 申請（專利權）人: 湖南匡楚科技有限公司
• 主分類號: G01N21/33
• 分類號: G01N21/33
• 代理公司: 43236 長沙大珂知識產權代理事務所(普通合伙)
• 代理人: 伍志祥

本發明實施例提供一種水質檢測方法及裝置，屬于水質檢測技術領域。包括：采集水質樣本的吸收光譜數據；所述吸收光譜數據預處理得到訓練樣本與測試樣本；使用所述訓練樣本訓練得到DBN降維模型與ElasticNet反演模型；使用所述DBN降維模型對所述測試樣本降維得到降維后的測試樣本；將所述降維后的測試樣本輸入所述ElasticNet反演模型，得到所述測試樣本的TOC濃度。與現有技術相比，該方法對訓練樣本要求低、測量簡單，結果更加精確的優點。

技術領域

本發明實施例涉及水質檢測技術領域，尤其涉及一種水質檢測方法及裝置。

背景技術

良好的生態環境是地球生物賴以生存的基礎，水污染是世界上最重大的環境問題之一，如何有效控制水污染、合理利用水資源已成為世界各國共同關注的焦點。在我國面臨的各種水污染問題中，有機污染是一個不可忽視的因素。水質有機污染程度主要采用總有機碳(Total Organic Carbon，TOC)來表征，它代表了水體中所含有機物質的總和，直接反映了水體被有機物質污染的程度。現有技術中，主要采用降維模型來對水體的吸光度數據進行進行降維，但是，然后建立反向傳播網絡(Back Propagation Network,BP)模型來對待測水質的TOC濃度進行反演。

在實現本發明過程中，發明人發現現有技術中至少存在如下問題：

1、建立BP模型需要大量訓練數據，而在工業現場中獲取足夠的訓練數據是不現實的。

2、通過光譜儀直接獲得的水體吸光度數據存在維數高、數量多等特點，由于傳統降維方法只能提取吸光度數據的淺層特征，由此得到的低微吸光度數據用于測定水體被有機物質污染的程度時，反演效果較差。

因此，在對水質的TOC濃度進行反演時，如何提出一種更加精確、簡單的建模方法以克服上述問題成為水質檢測技術中一個亟待解決的問題。

發明內容

有鑒于此，本發明實施例所解決的技術問題之一在于提供一種水質檢測方法及裝置，用以克服現有技術中訓練數據要求高、反演效果差等缺陷，達到建模簡單，反演結果精確的效果。

本發明實施例提供一種水質檢測方法，包括：

采集水質樣本的吸收光譜數據；

所述吸收光譜數據預處理得到訓練樣本與測試樣本；

使用所述訓練樣本訓練得到DBN降維模型與ElasticNet反演模型；

使用所述DBN降維模型對所述測試樣本降維得到降維后的測試樣本；

將所述降維后的測試樣本輸入所述ElasticNet反演模型，得到所述測試樣本的TOC濃度。

可選地，在本發明一具體實施例中，所述采集水質樣本的吸收光譜數據包括：

采集已知TOC濃度的水質樣本的吸收光譜數據，并采集未知TOC濃度的水質樣本的吸收光譜數據。

可選地，在本發明一具體實施例中，所述吸收光譜數據預處理得到訓練樣本與測試樣本包括：

將所述所述吸收光譜數據中TOC濃度特征分離的波段進行截取；

將截取后的吸收光譜數據減去暗光譜數據并取對數得到預處理后的吸收光譜數據；

可選地，在本發明一具體實施例中，所述吸收光譜數據預處理得到訓練樣本與測試樣本包括：

所述吸收光譜數據預處理得到第一訓練樣本、第二訓練樣本與測試樣本。

可選地，在本發明一具體實施例中，所述使用所述訓練樣本訓練得到DBN降維模型與ElasticNet反演模型包括：

使用所述第一訓練樣本訓練得到DBN降維模型與ElasticNet反演模型；