首页 / 资料库 / 文献详情

一种多源光谱融合的水样COD实验检测方法

叶彬强 Ye Binqiang、陈昶宏 Chen Changhong、曹雪杰 Cao Xuejie、刘宏 Liu Hong、汤斌 Tang Bin、李东 Li Dong、冯鹏 Feng Peng

2024Acta Optica SinicaEnvironmental Science被引 4开放获取

摘要

提出了一种多源光谱融合的水质化学需氧量（COD）预测算法。该算法利用深度学习方法训练COD预测模型，并通过感知卷积网络确定紫外-可见吸收光谱和三维荧光光谱中各个位置的关注程度，不断移除关注程度较高的特征并重新训练网络，以发现可能被忽视的有效特征。进一步筛选并利用关注程度最高的融合特征位置，通过建立偏最小二乘（PLS）模型来预测COD，以更好地利用光谱数据中的所有有效特征。与支持向量回归（SVR）、PLS、间隔偏最小二乘（IPLS）模型相比，本文的留一法均方根误差（RMSE）分别减小了70.0%、75.1%和56.7%，十折交叉检验RMSE分别减小了64.3%、78.3%和64.6%。

引用本文（GB/T 7714）

DOI：https://doi.org/10.3788/aos231661