一种近岸复杂海水硝酸盐氮多光谱测量方法技术

本发明专利技术公开一种近岸复杂海水硝酸盐氮多光谱测量方法，首先通过正交试验配置含盐度、有机物影响的硝酸盐标液，测量多光谱信息并计算紫外吸收光谱，建立神经网络模型建模数据集；然后光谱预处理去除高频光谱噪声；再根据紫外光谱特征确定神经网络模型结构并初始化参数；最后神经网络模型训练及超参数的优化，获得基于双隐层神经网络的近岸复杂海水硝酸盐氮测量模型，并使用该模型预测高盐度及有机物干扰条件下的硝酸盐浓度。本发明专利技术降低了使用光谱法进行近岸海水硝酸盐浓度检测时盐度及有机物浓度的变化对测量精度的影响，提高了光谱法近岸海水硝酸盐氮测量的精度。

【技术实现步骤摘要】
一种近岸复杂海水硝酸盐氮多光谱测量方法
本专利技术涉及海水硝酸盐测量技术，具体为一种近岸复杂海水硝酸盐氮多光谱测量方法。
技术介绍
光谱法作为一种常见的分析检测手段，被广泛应用于水体污染物浓度检测等领域，常被应用于水质原位传感器进行水质参数的快速原位测量，具有快速、长时间监测等优势。但是由于海水中的组分十分复杂，一些适用于淡水的水质光谱法监测方法，在应用于海水水质监测领域时，常常因为干扰物质的影响表现的不尽人意。尤其是近海领域盐度及有机物浓度变化大，对光谱法海水硝酸盐浓度的测量有极大的影响，原因是决定盐度的离子之一溴离子以及有机物在硝酸盐的紫外吸收波段都具有较强的吸收，与硝酸盐吸收光谱有部分的重叠，从而造成较大的测量误差，制约了该研究领域的发展。因此如何校准干扰物对海水光谱造成的影响，对于光谱法测量海水硝酸盐是极为重要的。
技术实现思路
针对现有技术中光谱法近海水体硝酸盐浓度测量过程中盐度、有机物等干扰物对测量精度影响大，影响机理复杂且难以校准的现状，本专利技术提供一种近岸复杂海水硝酸盐氮多光谱测量方法。具体技术方案如下：一种近岸复杂海水硝酸盐氮多光谱测量方法，包括以下步骤：(1)通过正交试验配置含盐度、有机物影响的硝酸盐标液，测量多光谱信息(200-300nm)并计算紫外吸收光谱，建立神经网络模型建模数据集；具体步骤包括干扰物组分的确定以及干扰原理分析，确定干扰物的数目以及其浓度变化范围，根据干扰物以及观测对象的浓度变化范围，确定正交试验的因子数及水平数，基于正交试验，配置水样并测得其光谱数据，建立训练数据集、测试数据集；(2)小波变换进行光谱预处理，去除紫外吸收光谱中的高频噪声；具体步骤包括光谱数据的小波分解，获得小波细节系数及近似系数，根据VisuShrink阈值，对相应尺度上的细节系数进行阈值量化处理，去除原始光谱数据中紫外吸收光谱中的高频噪声信号。(3)根据干扰物及硝酸盐吸收光谱特征确定神经网络模型结构并初始化参数；具体步骤包括根据吸收光谱特征确定特征波段范围，根据选取的特征波段确定输入层节点数，以及隐藏层、输出层节点数的设置，还包括权重及偏置矩阵的初始化，以及学习率、正则化系数、训练次数超参数的设置，该神经网络使用双隐层结构；(4)神经网络模型训练及超参数的优化，获得基于双隐层神经网络的近岸复杂海水硝酸盐氮测量模型，并使用该模型预测高盐度及有机物干扰条件下的硝酸盐浓度；具体步骤包括利用训练数据集中每一个样本进行神经网络模型的正向传播计算及误差反向传播更新权重及偏置矩阵，根据模型在训练集和测试集上的表现，利用折半法优化模型的超参数，获取最优模型。所述方法适用于盐度、有机物浓度变化大的复杂水体的硝酸盐浓度测量，适用于河流入海口、海岸潮间带复杂水体的硝酸盐浓度测量。与现有技术相比，本专利技术具有如下有益技术：本专利技术提出的方法可以用于盐度、有机物浓度变化大的复杂水体的硝酸盐浓度测量，适用于河流入海口、海岸潮间带复杂水体的硝酸盐浓度测量。本专利技术模型计算的硝酸盐浓度值与其实际值之间线性相关性R2能够达到0.996，精度为±4.6％Fs，模型能够自动校准干扰物质的影响，并准确地预测硝酸盐浓度值。此外，本方法降低了使用光谱法进行近岸海水硝酸盐浓度检测时盐度及有机物浓度的变化对测量精度的影响，提高了光谱法近岸海水硝酸盐氮测量的精度。附图说明图1为本专利技术的总体流程图；图2为本专利技术方法中神经网络结构示意图；图3为实施例1中的干扰物影响示意图；图4为实施例1中模型测试结果图。具体实施方式下面结合附图和实施例对本专利技术进行详细说明，但本专利技术的保护范围不受附图和实施例所限。图1为本专利技术的总体流程图，如图1所示，本专利技术为一种基于双隐层神经网络的近岸复杂海水硝酸盐氮测量方法，包括以下步骤：(1)通过正交试验配置含盐度、有机物影响的硝酸盐标液，测量多光谱信息(200-300nm)并计算紫外吸收光谱，建立神经网络模型建模数据集；(2)光谱预处理去除高频光谱噪声；(3)根据光谱特征确定神经网络模型结构并初始化参数；(4)神经网络模型训练及超参数的优化，获得基于双隐层神经网络的近岸复杂海水硝酸盐氮测量模型，并使用该模型预测高盐度及有机物干扰条件下的硝酸盐浓度。步骤(1)通过正交试验配置含盐度、有机物影响的硝酸盐标液，测量多光谱信息(200-300nm)并计算紫外吸收光谱，建立神经网络模型建模数据集，包括盐度、有机物干扰机理分析及浓度范围的确定。根据近岸海水的光谱特性，筛选海水中对硝酸盐紫外吸收光谱具有干扰作用的组分，主要包括海水紫外吸光组分分析，其中决定海水盐度的离子中只有溴离子在硝酸盐紫外吸收特征波段(200-240nm)有较强的吸收，因此盐度梯度对硝酸盐光谱法测量的干扰主要是由溴离子导致；海洋中有机物种类繁多，腐植酸占60-80％，因此有机物对硝酸盐测量的干扰主要由腐植酸导致。还包括利用光谱仪(200-400nm)以及紫外光源(氙灯)，测得硝酸盐及溴离子、腐植酸光谱，并依据朗伯比尔定律计算紫外吸收光谱，分析其干扰机理。确定干扰物的数目及其浓度变化范围以及硝酸盐浓度变化范围，干扰物数目加1即为正交试验的因子数，设置浓度梯度数目即正交试验的水平数，根据因子数及水平数，选择对应的正交试验表。正交试验表根据如下公式进行选取：L(n)(pq)其中，n为试验次数，q为因子数，p为因子水平数，最低试验次数为q*(p-1)。选取n大于最低试验次数，因子数为q，水平数为p的正交试验表进行试验测试。基于设计的正交试验，配置标准水样并使用水体光谱采集装置，测得其光谱数据，每一个光谱数据对应一组硝酸盐及干扰物浓度，使用硝酸盐浓度作为标签来标记光谱数据，建立训练数据集，同理建立测试数据集。训练集样本数目大于测试集数目。步骤(2)中光谱预处理去除高频光谱噪声，包括光谱数据的小波分解、细节系数的阈值化处理以及数据的小波重构，使用db4小波基。其中光谱数据的小波分解，包括使用分解滤波器中的Lo_D低通滤波器和Hi_D高通滤波器通过卷积和下采样，分别提取光谱数据的小波细节系数和近似系数，使用的分解滤波器系数如下所示：Lo_D＝{-0.0106,0.0329,0.0308,-0.1870,-0.0280,0.6309,0.7148,0.2304}Hi_D＝{-0.2304,0.7148,-0.6309,-0.0280,0.1870,0.0308,-0.0329,-0.0106}根据VisuShrink阈值，对相应尺度上的细节系数进行阈值量化处理，去除原始光谱数据中的高频噪声信号，VisuShrink阈值公式如下：其中：a＝m/0.6745，m为Lo_D系数绝对值的中值，N为光谱数据波段数。将分解得到的细节系数中高于b的值设置为0，去除原始数据中的高频噪声信号。数据的小波重建包括使用重构滤本文档来自技高网...

【技术保护点】
1.一种近岸复杂海水硝酸盐氮多光谱测量方法，其特征在于，包括以下步骤：/n(1)通过正交试验配置含盐度、有机物影响的硝酸盐标液，测量多光谱信息(200-300nm)并计算紫外吸收光谱，建立神经网络模型建模数据集；具体步骤包括干扰物组分的确定以及干扰原理分析，确定干扰物的数目以及其浓度变化范围，根据干扰物以及观测对象的浓度变化范围，确定正交试验的因子数及水平数，基于正交试验，配置水样并测得其光谱数据，建立训练数据集、测试数据集；/n(2)小波变换进行光谱预处理，去除紫外吸收光谱中的高频噪声；具体步骤包括光谱数据的小波分解，获得小波细节系数及近似系数，根据VisuShrink阈值，对相应尺度上的细节系数进行阈值量化处理，去除原始光谱数据中紫外吸收光谱中的高频噪声信号。/n(3)根据干扰物及硝酸盐吸收光谱特征确定神经网络模型结构并初始化参数；具体步骤包括根据吸收光谱特征确定特征波段范围，根据选取的特征波段确定输入层节点数，以及隐藏层、输出层节点数的设置，还包括权重及偏置矩阵的初始化，以及学习率、正则化系数、训练次数超参数的设置，该神经网络使用双隐层结构；/n(4)神经网络模型训练及超参数的优化，获得基于双隐层神经网络的近岸复杂海水硝酸盐氮测量模型，并使用该模型预测高盐度及有机物干扰条件下的硝酸盐浓度；具体步骤包括利用训练数据集中每一个样本进行神经网络模型的正向传播计算及误差反向传播更新权重及偏置矩阵，根据模型在训练集和测试集上的表现，利用折半法优化模型的超参数，获取最优模型。/n...

【技术特征摘要】
1.一种近岸复杂海水硝酸盐氮多光谱测量方法，其特征在于，包括以下步骤：
(1)通过正交试验配置含盐度、有机物影响的硝酸盐标液，测量多光谱信息(200-300nm)并计算紫外吸收光谱，建立神经网络模型建模数据集；具体步骤包括干扰物组分的确定以及干扰原理分析，确定干扰物的数目以及其浓度变化范围，根据干扰物以及观测对象的浓度变化范围，确定正交试验的因子数及水平数，基于正交试验，配置水样并测得其光谱数据，建立训练数据集、测试数据集；
(2)小波变换进行光谱预处理，去除紫外吸收光谱中的高频噪声；具体步骤包括光谱数据的小波分解，获得小波细节系数及近似系数，根据VisuShrink阈值，对相应尺度上的细节系数进行阈值量化处理，去除原始光谱数据中紫外吸收光谱中的高频噪声信号。
(3)根据干扰物及硝酸盐吸收光谱特征确定神经网络模型结构并初始化参数；具...

【专利技术属性】
技术研发人员：冯巍巍，侯耀斌，
申请(专利权)人：中国科学院烟台海岸带研究所，
类型：发明
国别省市：山东;37