[發(fā)明專利]一種基于三維熒光檢測的藻類爆發(fā)預(yù)警方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202210436641.6
• 申請日: 2022-04-25
• 公開（公告）號: CN114778505A
• 公開（公告）日: 2022-07-22
• 發(fā)明（設(shè)計(jì)）人: 錢國棟
• 申請（專利權(quán)）人: 錢國棟
• 主分類號: G01N21/64
• 分類號: G01N21/64
• 代理公司: 北京高沃律師事務(wù)所 11569
• 代理人: 趙興華

1.一種基于三維熒光檢測的藻類爆發(fā)預(yù)警方法，其特征在于，包括：

對監(jiān)測水域預(yù)設(shè)監(jiān)測點(diǎn)進(jìn)行間隔時(shí)間為一個(gè)月的全年檢測，獲得所述監(jiān)測水域的三維熒光數(shù)據(jù)；所述三維熒光數(shù)據(jù)包括激發(fā)波長Ex、發(fā)射波長Em和熒光強(qiáng)度；

對所述三維熒光數(shù)據(jù)進(jìn)行數(shù)據(jù)劃分，劃分出處于藻類生長期、藻類爆發(fā)期和藻類旺盛期的三維熒光數(shù)據(jù)，構(gòu)成高維熒光數(shù)據(jù)矩陣；

對所述高維熒光數(shù)據(jù)矩陣進(jìn)行數(shù)據(jù)預(yù)處理，得到預(yù)處理后的三維熒光數(shù)組；

建立主成分分析PCA模型對所述三維熒光數(shù)組進(jìn)行主成分分析，得到所述三維熒光數(shù)組中每個(gè)樣本的主成分得分；所述PCA模型的輸入為所述三維熒光數(shù)組，輸出為主成分得分；

基于所述PCA模型對所述三維熒光數(shù)組進(jìn)行異常值篩除，得到篩除異常值的樣本；

根據(jù)所述篩除異常值的樣本的主成分得分建立三分類的正交偏最小二乘法判別OPLS-DA模型，并對所述OPLS-DA模型進(jìn)行訓(xùn)練和測試，生成訓(xùn)練好的OPLS-DA模型；

采用所述訓(xùn)練好的OPLS-DA模型對藻類爆發(fā)進(jìn)行預(yù)警。

2.根據(jù)權(quán)利要求1所述的藻類爆發(fā)預(yù)警方法，其特征在于，所述對監(jiān)測水域預(yù)設(shè)監(jiān)測點(diǎn)進(jìn)行間隔時(shí)間為一個(gè)月的全年檢測，獲得所述監(jiān)測水域的三維熒光數(shù)據(jù)，具體包括：

使用三維熒光光譜儀對所述監(jiān)測水域預(yù)設(shè)監(jiān)測點(diǎn)進(jìn)行間隔時(shí)間為一個(gè)月的全年檢測，獲得所述監(jiān)測水域的三維熒光數(shù)據(jù)；所述三維熒光光譜儀的固定積分時(shí)間為0.1s，激發(fā)波長為200nm-800nm，CCD為高增益，光譜分辨率為121×250。

3.根據(jù)權(quán)利要求1所述的藻類爆發(fā)預(yù)警方法，其特征在于，所述對所述三維熒光數(shù)據(jù)進(jìn)行數(shù)據(jù)劃分，劃分出處于藻類生長期、藻類爆發(fā)期和藻類旺盛期的三維熒光數(shù)據(jù)，構(gòu)成高維熒光數(shù)據(jù)矩陣，具體包括：

將所述三維熒光數(shù)據(jù)按月劃分為12組，獲得12組三維熒光數(shù)據(jù)組；

對每組所述三維熒光數(shù)據(jù)組中的每個(gè)三維熒光數(shù)據(jù)樣本中的選定區(qū)域進(jìn)行三維熒光區(qū)域面積積分，得到每個(gè)三維熒光數(shù)據(jù)樣本的面積積分FRI_algae；所述選定區(qū)域?yàn)?55nm＜Ex＜760nm、600nm＜Em＜735nm的藻類色素及藻類蛋白熒光區(qū)域；

對每組所述三維熒光數(shù)據(jù)組中的所有三維熒光數(shù)據(jù)樣本的面積積分FRI_algae求平均值，得到每組所述三維熒光數(shù)據(jù)組的月積分平均值

確定所述月積分平均值的所述三維熒光數(shù)據(jù)組處于藻類旺盛期；

確定在所述處于藻類旺盛期的三維熒光數(shù)據(jù)組之前一個(gè)月采集的所述三維熒光數(shù)據(jù)組處于藻類爆發(fā)期；

確定在所述處于藻類旺盛期的三維熒光數(shù)據(jù)組之前兩個(gè)月采集的所述三維熒光數(shù)據(jù)組處于藻類生長期；

將處于所述藻類生長期、所述藻類爆發(fā)期和所述藻類旺盛期的三組三維熒光數(shù)據(jù)組構(gòu)成高維熒光數(shù)據(jù)矩陣。

4.根據(jù)權(quán)利要求1所述的藻類爆發(fā)預(yù)警方法，其特征在于，所述對所述高維熒光數(shù)據(jù)矩陣進(jìn)行數(shù)據(jù)預(yù)處理，得到預(yù)處理后的三維熒光數(shù)組，具體包括：

對所述高維熒光數(shù)據(jù)矩陣依次進(jìn)行三維熒光矩陣轉(zhuǎn)一維向量、負(fù)值及空值置0、Savitzky-Golay濾波降噪以及帕累托歸一化處理，得到預(yù)處理后的三維熒光數(shù)組。

5.根據(jù)權(quán)利要求1所述的藻類爆發(fā)預(yù)警方法，其特征在于，所述基于所述PCA模型對所述三維熒光數(shù)組進(jìn)行異常值篩除，得到篩除異常值的樣本，具體包括：

對所述PCA模型進(jìn)行Hotelling T2檢驗(yàn)，選擇置信區(qū)間99％，將所述三維熒光數(shù)組中不在所述置信區(qū)間內(nèi)的三維熒光數(shù)據(jù)樣本作為異常值篩除，得到篩除異常值的樣本。