[發明專利]基于神經網絡和全光譜吸光度的水質濃度計算系統及方法

在審

• 申請號: 202110705829.1
• 申請日: 2021-06-24
• 公開（公告）號: CN113484257A
• 公開（公告）日: 2021-10-08
• 發明（設計）人: 田穎;安欣欣;景寬;王莉華;王琛;陶蕾;郭婧;吳悅;陳吉吉;荊紅衛
• 申請（專利權）人: 北京市生態環境監測中心
• 主分類號: G01N21/31
• 分類號: G01N21/31;G01N21/01;G06N3/04
• 代理公司: 北京清大紫荊知識產權代理有限公司 11718
• 代理人: 張卓

1.基于神經網絡和全光譜吸光度的水質濃度計算系統，其特征在于：包括樣本采集模塊、數據預處理模塊、算法訓練模塊和信息解析模塊；其中，

樣本采集模塊，用于采集研究河道斷面的全光譜吸光度數據和對應水質結果數據；

數據預處理模塊，用于對樣本全光譜吸光度數據進行去噪和散射矯正處理，降低外界因素對樣本全光譜吸光度數據影響，進而生成最接近樣本中污染物的全光譜吸光度數據，并將其傳遞給算法訓練模塊；

算法訓練模塊，利用神經網絡算法對經過數據預處理模塊預處理后的全光譜吸收光度數據的樣本集和對應的已測水質結果數據進行線下深度挖掘訓練，建立全光譜吸光度數據、水質結果信息與隱含層三者之間的權重映射關系，并將該權重映射關系以參數集的形式傳遞給信息解析模塊；

信息解析模塊，將全光譜吸光度數據、水質結果信息和隱含層之間的權重映射關系成果以參數集的形式輸入到計算系統中，并對待測水體的全光譜吸光度數據進行解析，進而得到其水質成果信息。

2.根據權利要求1所述的基于神經網絡和全光譜吸光度的水質濃度計算系統，其特征在于：所述數據預處理模塊包括去噪處理單元和散射矯正處理單元，所述去噪處理單元用于對全光譜吸收光度樣本數據的高頻噪聲進行去除，所述散射矯正處理單元用于對全光譜吸收光度樣本數據的低頻噪聲的低頻基線進行矯正。

3.根據權利要求2所述的基于神經網絡和全光譜吸光度的水質濃度計算系統，其特征在于：所述高頻噪聲是指由光源、光路和光譜檢測儀器引起的噪聲。

4.根據權利要求2所述的基于神經網絡和全光譜吸光度的水質濃度計算系統，其特征在于：所述低頻噪聲基線是指由顆粒物散射引起的低頻噪聲。

5.根據權利要求2所述的基于神經網絡和全光譜吸光度的水質濃度計算系統，其特征在于：所述去噪處理單元包括數字平滑濾波單元、傅里葉變換單元和小波變換單元。

6.基于神經網絡和全光譜吸光度的水質濃度計算方法，其特征在于，包括以下步驟：

S1.采集研究河道斷面的全光譜吸光度數據和對應水質結果數據作為樣本數據；

S2.利用數據預處理模塊對樣本全光譜吸光度數據進行去噪和散射矯正處理，降低外界因素對樣本全光譜吸光度數據影響，進而生成最接近樣本中污染物的全光譜吸光度數據，并將其傳遞給算法訓練模塊；

S3.在算法訓練模塊中，利用神經網絡算法對經過數據預處理模塊預處理后的全光譜吸收光度數據的樣本集和對應的已測水質結果數據進行線下深度挖掘訓練，建立全光譜吸光度數據、水質結果信息與隱含層三者之間的權重映射關系，并將該權重映射關系以參數集的形式傳遞給信息解析模塊；

S4.在信息解析模塊中，將全光譜吸光度數據、水質結果信息和隱含層之間的權重映射關系成果以參數集的形式輸入到計算系統中，并對待測水體的全光譜吸光度數據進行解析，進而得到其水質成果信息。

7.根據權利要求6所述的基于神經網絡和全光譜吸光度的水質濃度計算方法，其特征在于：在步驟S1中，樣本數據的采集周期大于或等于一個水利年周期。

8.根據權利要求6所述的基于神經網絡和全光譜吸光度的水質濃度計算方法，其特征在于：在步驟S2中，利用神經網絡算法構建研究河道斷面的全光譜吸光度數據、水質結果信息和隱含層之間的權重映射關系，其中隱含層的數量設置至少為1個，對應隱含層的節點數依據水質監測結果數據的監測因子個數進行設定。

9.根據權利要求8所述的基于神經網絡和全光譜吸光度的水質濃度計算方法，其特征在于：對應隱含層的節點數設定為7個。