CN107462535A - 一种基于高斯多峰拟合的光谱解析算法 - Google Patents
一种基于高斯多峰拟合的光谱解析算法 Download PDFInfo
- Publication number
- CN107462535A CN107462535A CN201710706258.7A CN201710706258A CN107462535A CN 107462535 A CN107462535 A CN 107462535A CN 201710706258 A CN201710706258 A CN 201710706258A CN 107462535 A CN107462535 A CN 107462535A
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- fitting
- values
- iteration
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/17—Function evaluation by approximation methods, e.g. inter- or extrapolation, smoothing, least mean square method
Abstract
本发明公开一种基于高斯多峰拟合的光谱解析算法，先确定含待定高斯特征参数的吸收拟合函数，对拟合误差进行数学建模，然后确定迭代初值单元的中心坐标和迭代步长，持续迭代、比较、改变迭代步长直至求得最优拟合误差，再由最优拟合误差反推出相应分割单元中心坐标值，即待求高斯特征参数，确定吸收拟合函数，从而将混合光谱分解成多个分峰。本发明优点是：高斯函数曲线和光谱数据曲线具有很好的亲和性，可以表达谱图中峰形、峰高和峰位等具有明确物理意义的参数；将混合吸收光谱曲线分解为若干个高斯函数曲线，可以保持原始光谱数据的有效信息，将原始光谱数据统一为少量唯一确定的高斯特征参数，实现简化光谱数据、研究精细结构的目的。
Description
技术领域
本发明涉及多元非线性曲线拟合领域，尤其涉及一种基于高斯多峰拟合的光谱解析算法，可应用于海水水质吸收光谱的高斯多峰拟合解析。
背景技术
随着人类社会的不断发展，科学研究的不断进步；我们对海洋的研究也不断深入。在海洋研究的过程中，对海水成分的研究、检测是非常重要的。
光谱法测水质具有速度快、精度高、省时高效等优点，但是在测量过程中会产生大量的光谱数据，在海水水质吸收光谱分析过程中，要对光谱数据曲线进行处理。实际采集的光谱数据是离散点数据，而且数据量很大，不便于分析处理。所以在实际中常常需要对光谱数据曲线进行简化处理。
发明内容
为解决上述技术问题，本发明提供一种基于高斯多峰拟合的光谱解析算法，其特征在于，先确定含有待定高斯特征参数的吸收拟合函数，并对拟合误差进行数学建模，再确定迭代初值单元的中心坐标和迭代步长，通过持续迭代和比较直至求得最优拟合误差，再根据最优拟合误差反推出相应分割单元中心坐标值，即待求高斯特征参数，确定吸收拟合函数，从而将混合光谱分解成多个分峰。
具体技术方案如下：
一种基于高斯多峰拟合的光谱解析算法，先确定含有待定高斯特征参数的吸收拟合函数，并对拟合误差进行数学建模，然后确定迭代初值单元的中心坐标和迭代步长，通过持续迭代、比较、改变迭代步长直至求得最优拟合误差，再根据最优拟合误差反推出相应分割单元中心坐标值，即待求高斯特征参数，确定吸收拟合函数，从而将混合光谱分解成多个高斯分峰，具体包括以下步骤：
(1)确定含有待定高斯特征参数的吸收拟合函数：
式中，λ为混合光谱数据中横坐标值波长，aj、bj、cj为高斯特征参数,n为高斯函数个数；
(2)对拟合误差进行数学建模：
式中，Q为拟合误差，Zi表示混合光谱数据纵坐标值，为吸收拟合函数值，m为在混合光谱数据中取值个数；
(3)确定迭代初值单元的中心坐标和迭代步长：在拟合过程中，将待求高斯特征参数对应到w维空间中，设定迭代初值、迭代步长；
(4)空间分割：以当前迭代步长为单位分割，分割单元即以当前迭代步长为边长的小w维空间；
(5)假定当前迭代初值单元的中心坐标(j＝1，2，3，…，n)对应的Q值为当前最小值，然后与所有相邻的分割单元中心坐标对应的Q值作比较；
(6)若找到更小Q值，则把此处Q值作为最小Q值，空间不变，把此处中心坐标作为迭代初值，增长迭代步长，返回到步骤(4)；
(7)若找不到更小Q值，则保留原Q值为最小Q值，将当前分割单元作为空间，迭代初值不变，缩短迭代步长，返回到步骤(4)；
(8)重复步骤(4)-(7)，持续迭代、比较、改变迭代步长，直至求得最小Q值或符合误差要求的Q值后停止迭代，即得最优拟合误差minQ(ajbjcj)(j＝1,2,3,…,n)；再通过最优拟合误差返回当前分割单元中心坐标值(aj,bj,cj)(j＝1,2,3,…,n),即为所求高斯特征参数；
(9)根据求得的高斯特征参数(aj,bj,cj)(j＝1,2,3,…,n)画出n个高斯函数曲线，即为混合吸收光谱的分峰，这n个高斯函数曲线的叠加即为吸收拟合函数曲线。
所述的基于高斯多峰拟合的光谱解析算法可用于海水水质吸收光谱的解析。
本方法的优点是：
1、在海水水质吸收光谱分析过程中，要对光谱数据曲线进行处理。实际采集的光谱数据是离散点数据，而且数据量很大，不便于分析处理。高斯函数曲线和光谱数据曲线具有很好的亲和性，而且高斯函数可以表达谱图中峰形、峰高和峰位等具有明确物理意义的参数，故用高斯函数系作为基本函数形式对光谱曲线进行拟合。
2、采用高斯函数系作为基本函数形式对光谱曲线进行拟合，既可以将原始光谱数据统一为少量唯一确定的高斯特征参数，又可以保持原始光谱数据的有效信息，将大量的、复杂的原始光谱数据用少量的、唯一确定的高斯特征参数来代替。这样能压缩光谱数据，简化光谱曲线的数据矩阵，保持原始光谱数据的有效信息，而且有利于研究样品的精细结构。
3、通过本发明的光谱解析算法将混合光谱分为若干分峰，物理意义更为明确，为监测仪器污染物浓度分析、计算提供了更为准确的依据。
附图说明
图1为实施例1中二维空间下空间分割示意图；
图2为实施例2中的混合光谱及拟合后的高斯函数曲线。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明，但本发明的保护范围不受附图和实施例所限。
实施例1
以拟合函数只有一个高斯函数、峰位b为氯离子195nm处为例，对本发明作进一步说明。
(1)确定吸收拟合函数为：
式中，λ为光谱数据中的波长，此时，只剩a、c两个拟合参数；两个拟合参数对应二维空间，w＝2,在二维坐标系下令a对应于横轴，c对应于纵轴，如图1所示；
(2)对拟合误差进行数学建模：
式中，Q为拟合误差，yi表示光谱数据点纵坐标值，为拟合函数值；
(3)设定迭代初值为(a0,c0)、迭代步长即为Δa0,Δc0；
(4)对这个二维空间进行分割；以当前迭代步长Δa0,Δc0为单位，对横轴、纵轴进行分割，分割单元即以当前迭代步长Δa0,Δc0为边长的小二维空间，如图1中(a0,c0)所在的小矩形；
(5)假定当前迭代初值单元的中心坐标(a0,c0)对应的Q值为当前最小值，然后与所有相邻的分割单元中心坐标(aj,cj)对应的Q值作比较；
(6)若找到更小Q值，则把此处Q值作为最小Q值，把此处中心坐标作为迭代初值，增长迭代步长至原步长的3倍，用当前的迭代步长重新分割这个二维空间，重复步骤(5)-(6)；
(7)若找不到更小Q值，则保留原Q值为最小Q值；当前迭代初值不变，缩短迭代步长至原步长的1/3，将当前分割单元作为空间按步骤(4)以新的迭代步长Δa1,Δc1为边长继续分割。重复(5)-(7)步；
(8)重复步骤(4)-(7)，持续迭代、比较、改变迭代步长，直至找出最小Q值或符合误差要求的Q值后停止迭代，即得最优拟合误差minQ(aj，cj)(j＝1,2,3,…,n)；再通过最优拟合误差返回当前分割单元中心坐标值(aj，cj)(j＝1,2,3,…,n),即为所求高斯特征参数；
(9)根据求得的高斯特征参数以及已经确定的b＝195，画出这个高斯函数，这个高斯函数即为海水水质吸收光谱的分峰。
实施例2
氯离子和溴离子两种离子在海水里含量高，具有代表性，现以对海水氯离子、溴离子光谱解析为例，已知峰位b1和b2分别对应氯离子、溴离子的吸收峰位195nm和215nm，对本发明做进一步说明，海水水质吸收光谱拟合算法包括以下步骤：
(1)导出、截取要拟合的海水水质光谱数据，如图2中光谱数据D曲线。海水水质光谱数据包含氯离子、溴离子的混合光谱。
(2)确定吸收拟合函数
对氯离子、溴离子光谱测量需要两个高斯峰，则吸收拟合函数为：
(3)峰位b1、b2根据实际物理意义确定后只剩a1、a2、c1、c2四个待求拟合参数；
(4)设定迭代初值、迭代步长；迭代初值即为a1＝0.01，c1＝1，a2＝0.01，c2＝1，迭代步长为Δa1＝0.01，Δc1＝1，Δa2＝0.01，Δc2＝1；
(5)四个拟合参数对应四维空间,w＝4，对这个四维空间进行分割，以迭代步长Δa1，Δc1，Δa2，Δc2为单位，对四个坐标轴进行分割，分割单元即以迭代步长Δa1，Δc1，Δa2，Δc2为边长的小四维空间。
(6)假定迭代初值单元的中心坐标对应的Q值为当前最小值。然后与所有相邻的分割单元中心坐标对应的Q值作比较。
(7)若找到更小Q值，则把此处Q值作为当前最小Q值，把此处中心坐标作为迭代初值，增长迭代步长至原步长的2倍，用当前的迭代步长重新分割这个四维空间，重复步骤(6)。
(8)若找不到更小Q值，则保留此Q值为最小Q值。当前迭代初值不变，缩短迭代步长至原步长的1/2；将当前分割单元按步骤(5)以新的迭代步长为边长继续分割。重复步骤(6)-(8)。
(9)由计算机不断迭代直至找出其中最小的Q值或者符合误差要求的Q值，返回当前分割单元中心坐标值a1＝0.12，c1＝20，a2＝0.14，c2＝10，即为所求的四个高斯特征参数。
(10)根据求得的四个高斯特征参数以及已经确定的b1＝195nm和b2＝215nm，画出这两个高斯函数，如图2中A曲线、B曲线。A曲线、B曲线两个高斯函数曲线的叠加曲线C即为吸收拟合曲线。
由图2可见，本发明采用的多维空间分割法对海水水质吸收光谱曲线进行拟合可以得到与目标曲线拟合度极高的拟合曲线。A曲线、B曲线可以作为原始光谱数据的分解，海水氯离子、溴离子光谱在195nm、215nm处被分解成了两个标准的高斯峰。
Claims (2)
1.一种基于高斯多峰拟合的光谱解析算法，其特征在于，先确定含有待定高斯特征参数的吸收拟合函数，并对拟合误差进行数学建模，然后确定迭代初值单元的中心坐标和迭代步长，通过持续迭代、比较、改变迭代步长直至求得最优拟合误差，再根据最优拟合误差反推出相应分割单元中心坐标值，即待求高斯特征参数，确定吸收拟合函数，从而将混合光谱分解成多个高斯分峰，具体包括以下步骤：
(1)确定含有待定高斯特征参数的吸收拟合函数：
<mrow>
<mi>F</mi>
<mrow>
<mo>(</mo>
<mi>&lambda;</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<mo>&lsqb;</mo>
<msub>
<mi>a</mi>
<mi>j</mi>
</msub>
<msup>
<mi>e</mi>
<mrow>
<mo>-</mo>
<mfrac>
<msup>
<mrow>
<mo>(</mo>
<mi>&lambda;</mi>
<mo>-</mo>
<msub>
<mi>b</mi>
<mi>j</mi>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mrow>
<msup>
<msub>
<mi>c</mi>
<mi>j</mi>
</msub>
<mn>2</mn>
</msup>
</mrow>
</mfrac>
</mrow>
</msup>
<mo>&rsqb;</mo>
<mo>,</mo>
<mrow>
<mo>(</mo>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mn>3</mn>
<mo>,</mo>
<mn>...</mn>
<mo>,</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
</mrow>
式中，λ为混合光谱数据中横坐标值波长，aj、bj、cj为高斯特征参数,n为高斯函数个数；
(2)对拟合误差进行数学建模：
<mrow>
<mi>Q</mi>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msup>
<mrow>
<mo>&lsqb;</mo>
<msub>
<mi>y</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mi>F</mi>
<mrow>
<msub>
<mi>a</mi>
<mi>j</mi>
</msub>
<msub>
<mi>b</mi>
<mi>j</mi>
</msub>
<msub>
<mi>c</mi>
<mi>j</mi>
</msub>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>&lambda;</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>,</mo>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mn>3</mn>
<mo>,</mo>
<mn>...</mn>
<mo>,</mo>
<mi>m</mi>
<mo>)</mo>
</mrow>
<mo>,</mo>
<mrow>
<mo>(</mo>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mn>3</mn>
<mo>,</mo>
<mn>...</mn>
<mo>,</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
</mrow>
式中，Q为拟合误差，yi表示混合光谱数据纵坐标值，为吸收拟合函数值，m为在混合光谱数据中取值个数；
(3)确定迭代初值单元的中心坐标和迭代步长：在拟合过程中，将待求高斯特征参数对应到w维空间中，设定迭代初值、迭代步长；
(4)空间分割：以当前迭代步长为单位分割，分割单元即以当前迭代步长为边长的小w维空间；
(5)假定当前迭代初值单元的中心坐标(j＝1，2，3，…，n)对应的Q值为当前最小值，然后与所有相邻的分割单元中心坐标对应的Q值作比较；
(6)若找到更小Q值，则把此处Q值作为最小Q值，空间不变，把此处中心坐标作为迭代初值，增长迭代步长，返回到步骤(4)；
(7)若找不到更小Q值，则保留原Q值为最小Q值，将当前分割单元作为空间，迭代初值不变，缩短迭代步长，返回到步骤(4)；
(8)重复步骤(4)-(7)，持续迭代、比较、改变迭代步长，直至求得最小Q值或符合误差要求的Q值后停止迭代，即得最优拟合误差minQ(ajbjcj) (j＝1,2,3,…,n)；再通过最优拟合误差返回当前分割单元中心坐标值(aj,bj,cj) (j＝1,2,3,…,n),即为所求高斯特征参数；
(9)根据求得的高斯特征参数(aj,bj,cj) (j＝1,2,3,…,n)画出n个高斯函数曲线，即为混合吸收光谱的分峰，这n个高斯函数曲线的叠加即为吸收拟合函数曲线。
2.根据权利要求1所述的基于高斯多峰拟合的光谱解析算法，其特征在于：所述的基于高斯多峰拟合的光谱解析算法可用于海水水质吸收光谱的解析。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710706258.7A CN107462535B (zh) | 2017-08-17 | 2017-08-17 | 一种基于高斯多峰拟合的光谱解析方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710706258.7A CN107462535B (zh) | 2017-08-17 | 2017-08-17 | 一种基于高斯多峰拟合的光谱解析方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107462535A true CN107462535A (zh) | 2017-12-12 |
| CN107462535B CN107462535B (zh) | 2019-09-06 |
Family
ID=60548962
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710706258.7A Active CN107462535B (zh) | 2017-08-17 | 2017-08-17 | 一种基于高斯多峰拟合的光谱解析方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107462535B (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108981769A (zh) * | 2018-07-19 | 2018-12-11 | 中国神华能源股份有限公司 | 确定光谱峰值位置的方法和装置及光纤光栅解调系统 |
| CN109145873A (zh) * | 2018-09-27 | 2019-01-04 | 广东工业大学 | 基于遗传算法的光谱高斯峰特征提取算法 |
| CN109459398A (zh) * | 2018-12-26 | 2019-03-12 | 南京波思途智能科技股份有限公司 | 一种光谱水质总氮指标检测方法 |
| CN109459399A (zh) * | 2018-12-26 | 2019-03-12 | 南京波思途智能科技股份有限公司 | 一种光谱水质cod、浊度检测方法 |
| CN111006873A (zh) * | 2019-12-05 | 2020-04-14 | 中国航发四川燃气涡轮研究院 | 叶尖间隙信号处理过程中的峰峰值获取方法和装置 |
| CN112834448A (zh) * | 2020-12-31 | 2021-05-25 | 杭州罗盘星科技有限公司 | 一种用于水污染物分析的光谱分解方法 |
| CN112949039A (zh) * | 2021-02-01 | 2021-06-11 | 南京信息工程大学 | 估算近海水体浮游植物诊断色素浓度的海洋水色遥感方法 |
| CN114965348A (zh) * | 2022-07-27 | 2022-08-30 | 浙江数翰科技有限公司 | 基于污水检测的光谱解析方法和系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104599302A (zh) * | 2015-01-13 | 2015-05-06 | 上海联影医疗科技有限公司 | 获取pet晶体能量峰值及设定能量鉴频器的方法 |
| CN105138800A (zh) * | 2015-09-17 | 2015-12-09 | 天津理工大学 | 基于分段拟合数据处理算法的荧光光谱数据噪声滤波方法 |
| CN106198438A (zh) * | 2016-06-23 | 2016-12-07 | 武汉市农业科学技术研究院林业果树科学研究所 | 一种基于红外光谱和高斯多峰拟合分析牡丹体内蛋白质二级结构的方法 |
| CN106442696A (zh) * | 2016-11-08 | 2017-02-22 | 核工业北京地质研究院 | 一种测定硼同位素比值的方法 |
-
2017
- 2017-08-17 CN CN201710706258.7A patent/CN107462535B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104599302A (zh) * | 2015-01-13 | 2015-05-06 | 上海联影医疗科技有限公司 | 获取pet晶体能量峰值及设定能量鉴频器的方法 |
| CN105138800A (zh) * | 2015-09-17 | 2015-12-09 | 天津理工大学 | 基于分段拟合数据处理算法的荧光光谱数据噪声滤波方法 |
| CN106198438A (zh) * | 2016-06-23 | 2016-12-07 | 武汉市农业科学技术研究院林业果树科学研究所 | 一种基于红外光谱和高斯多峰拟合分析牡丹体内蛋白质二级结构的方法 |
| CN106442696A (zh) * | 2016-11-08 | 2017-02-22 | 核工业北京地质研究院 | 一种测定硼同位素比值的方法 |
Non-Patent Citations (2)
| Title |
|---|
| TAOJIAN ET AL.: "Adaptive detection of range-spread targets without secondary data in multichannel autoregressive process", 《DIGITAL SIGNAL PROCESSING》 * |
| 张建华等: "中性红电离平衡体系吸收光谱的高斯多峰拟合", 《实验室研究与探索》 * |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108981769A (zh) * | 2018-07-19 | 2018-12-11 | 中国神华能源股份有限公司 | 确定光谱峰值位置的方法和装置及光纤光栅解调系统 |
| CN109145873A (zh) * | 2018-09-27 | 2019-01-04 | 广东工业大学 | 基于遗传算法的光谱高斯峰特征提取算法 |
| CN109459398A (zh) * | 2018-12-26 | 2019-03-12 | 南京波思途智能科技股份有限公司 | 一种光谱水质总氮指标检测方法 |
| CN109459399A (zh) * | 2018-12-26 | 2019-03-12 | 南京波思途智能科技股份有限公司 | 一种光谱水质cod、浊度检测方法 |
| CN109459398B (zh) * | 2018-12-26 | 2021-02-23 | 南京波思途智能科技股份有限公司 | 一种光谱水质总氮指标检测方法 |
| CN111006873A (zh) * | 2019-12-05 | 2020-04-14 | 中国航发四川燃气涡轮研究院 | 叶尖间隙信号处理过程中的峰峰值获取方法和装置 |
| CN111006873B (zh) * | 2019-12-05 | 2022-02-01 | 中国航发四川燃气涡轮研究院 | 叶尖间隙信号处理过程中的峰峰值获取方法和装置 |
| CN112834448A (zh) * | 2020-12-31 | 2021-05-25 | 杭州罗盘星科技有限公司 | 一种用于水污染物分析的光谱分解方法 |
| CN112834448B (zh) * | 2020-12-31 | 2023-11-21 | 杭州罗盘星科技有限公司 | 一种用于水污染物分析的光谱分解方法 |
| CN112949039A (zh) * | 2021-02-01 | 2021-06-11 | 南京信息工程大学 | 估算近海水体浮游植物诊断色素浓度的海洋水色遥感方法 |
| CN112949039B (zh) * | 2021-02-01 | 2023-05-26 | 南京信息工程大学 | 估算近海水体浮游植物诊断色素浓度的海洋水色遥感方法 |
| CN114965348A (zh) * | 2022-07-27 | 2022-08-30 | 浙江数翰科技有限公司 | 基于污水检测的光谱解析方法和系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107462535B (zh) | 2019-09-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107462535A (zh) | 一种基于高斯多峰拟合的光谱解析算法 | |
| Chisari et al. | Core cosmology library: Precision cosmological predictions for LSST | |
| CN109709057B (zh) | 水质指标预测模型构建方法及水质指标监测方法 | |
| Moir et al. | Excited spectroscopy of charmed mesons from lattice QCD | |
| CN103970994B (zh) | 基于数据同化的内陆水体叶绿素浓度多模型协同反演方法 | |
| CN104237158B (zh) | 一种具有普适性的近红外光谱定性分析方法 | |
| CN104535528B (zh) | Bp神经网络实时提取tdlas气体吸收光谱吸光度的方法 | |
| CN102495042B (zh) | 一种粉末混合物的拉曼光谱准确定量分析方法 | |
| CN105758836A (zh) | 一种基于面积法的拉曼光谱即时定量分析方法 | |
| CN112051256B (zh) | 基于cnn模型的待测元素含量libs测量方法、系统 | |
| CN103175805B (zh) | 一种近红外光谱测定污水中cod和bod5指标的方法 | |
| CN103868885A (zh) | 基于复合多次谐波的气体浓度在线测量方法 | |
| CN105528288A (zh) | 一种软件测试方法以及装置 | |
| CN106568759A (zh) | 一种基于多谱融合的道地药材质量鉴别方法 | |
| CN103499552A (zh) | 一种快速、智能的废旧塑料分类方法 | |
| CN104483292A (zh) | 一种采用多谱线比值法提高激光探针分析精确度的方法 | |
| Ju et al. | Rapid identification of atmospheric gaseous pollutants using Fourier-transform infrared spectroscopy combined with independent component analysis | |
| CN105510427A (zh) | 一种用于多种元素同位素双稀释剂技术的数值处理方法 | |
| CN101710085A (zh) | 基于Matlab的电子衍射指数标定方法 | |
| Most | Analysis and simulation of anomalous transport in porous media | |
| CN103390103A (zh) | 基于子空间独立成分回归模型的熔融指数在线检测方法 | |
| CN103852443A (zh) | 免标定调制光谱的实现方法 | |
| CN105447513A (zh) | 一种文件墨迹数据实现自动对比的方法和系统 | |
| CN109211814B (zh) | 一种基于三维光谱曲面分区特征的土壤剖面类型识别方法 | |
| Gao et al. | Multivariate calibration of spectrophotometric data using a partial least squares with data fusion |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |