[發明專利]基于透射光譜和PLS-Elman神經網絡的水體亞硝酸鹽含量估算方法

在審

• 申請號: 202110998662.2
• 申請日: 2021-08-27
• 公開（公告）號: CN113686823A
• 公開（公告）日: 2021-11-23
• 發明（設計）人: 王彩玲;王洪偉;張育春
• 申請（專利權）人: 西安石油大學
• 主分類號: G01N21/59
• 分類號: G01N21/59;G06N3/04;G06N3/08
• 代理公司: 西安通大專利代理有限責任公司 61200
• 代理人: 賀小停

1.基于透射光譜和PLS-Elman神經網絡的水體亞硝酸鹽含量估算方法，其特征在于，包括以下步驟：

1)采集亞硝酸鹽標液200-1030nm范圍內的高光譜透射率數據，對數據進行白板校正；

2)對每一組數據進行平滑處理以及預處理；

3)采用偏最小二乘回歸系數法(PLS：Partial least squares regression)提取不同預處理結果數據的特征波段，建立PLS-Elman神經網絡組合模型；

4)進行PLS-Elman神經網絡特征模型的訓練；

6)對訓練好的PLS-Elman神經網絡，通過調試參數進行優化；

7)對優化好的PLS-Elman神經網絡模型，選用測試數據對各模型進行精度檢驗和對比，最終，利用優化后的模型預測水體亞硝酸鹽含量。

2.根據權利要求1所述的基于透射光譜和PLS-Elman神經網絡的水體亞硝酸鹽含量估算方法，其特征在于，步驟1)中采用微型光纖光譜儀相同時間間隔重復采集水體的透射光譜數據。

3.根據權利要求1所述的基于透射光譜和PLS-Elman神經網絡的水體亞硝酸鹽含量估算方法，其特征在于，步驟2)中選用的是局部回歸lowess平滑濾波方法進行平滑處理；可選用雙向二階導數預處理、多元散射校正預處理或標準正態變量變換預處理方法進行對透射光譜數據進行預處理。

4.根據權利要求1所述的基于透射光譜和PLS-Elman神經網絡的水體亞硝酸鹽含量估算方法，其特征在于，步驟4)使用訓練集數據作為Elman神經網絡的輸入，完成一次訓練；在訓練過程中采用信號前向傳播、誤差反向傳播方式，不斷修正網絡權值和閾值使誤差函數沿負梯度方向下降，逼近期望輸出。

5.根據權利要求1所述的基于透射光譜和PLS-Elman神經網絡的水體亞硝酸鹽含量估算方法，其特征在于，步驟4)中建立Elman神經網絡模型；構建Elman神經網絡模型包括輸入層、隱含層、承接層、輸出層；Elman神經網絡算法是采用BP算法進行權值修正，學習指標函數采用誤差平方和公式：

式中為目標輸出向量。

6.根據權利要求5所述的基于透射光譜和PLS-Elman神經網絡的水體亞硝酸鹽含量估算方法，其特征在于，步驟4)中，針對Elman輸出層，計算決定系數以及均方根誤差用來判定結果。

7.根據權利要求1所述的基于透射光譜和PLS-Elman神經網絡的水體亞硝酸鹽含量估算方法，其特征在于，步驟5)中，關鍵參數設置如下：隱含層節點數為8，最大迭代參數為10000，迭代目標誤差值為0.001，學習率為0.01，動量因子為0.8。

8.根據權利要求1所述的基于透射光譜和PLS-Elman神經網絡的水體亞硝酸鹽含量估算方法，其特征在于，步驟6)中，采用預處理后的特征波段進行PLS-Elman神經網絡模型的構建。

9.根據權利要求1所述的基于透射光譜和PLS-Elman神經網絡的水體亞硝酸鹽含量估算方法，其特征在于，步驟6)中，針對訓練好的Elman神經網絡模型，采用均方最小誤差評估方法，以測試集數據為標準，通過固定一種參數改變另外一個參數來進行優化，精度越大，預測效果越好。