CN109632680B - 一种基于排列熵的水体中磷的检测方法 - Google Patents
一种基于排列熵的水体中磷的检测方法 Download PDFInfo
- Publication number
- CN109632680B CN109632680B CN201811586350.5A CN201811586350A CN109632680B CN 109632680 B CN109632680 B CN 109632680B CN 201811586350 A CN201811586350 A CN 201811586350A CN 109632680 B CN109632680 B CN 109632680B
- Authority
- CN
- China
- Prior art keywords
- entropy
- absorbance
- permutation
- permutation entropy
- value
- 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.)
- Active
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 38
- 238000000034 method Methods 0.000 title claims abstract description 29
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 title claims abstract description 25
- 229910052698 phosphorus Inorganic materials 0.000 title claims abstract description 25
- 239000011574 phosphorus Substances 0.000 title claims abstract description 25
- 238000002835 absorbance Methods 0.000 claims abstract description 37
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 33
- 229910000402 monopotassium phosphate Inorganic materials 0.000 claims abstract description 31
- 235000019796 monopotassium phosphate Nutrition 0.000 claims abstract description 31
- PJNZPQUBCPKICU-UHFFFAOYSA-N phosphoric acid;potassium Chemical compound [K].OP(O)(O)=O PJNZPQUBCPKICU-UHFFFAOYSA-N 0.000 claims abstract description 28
- 238000001514 detection method Methods 0.000 claims abstract description 25
- 230000000694 effects Effects 0.000 claims abstract description 21
- 238000004364 calculation method Methods 0.000 claims abstract description 17
- 238000001228 spectrum Methods 0.000 claims abstract description 16
- 238000000870 ultraviolet spectroscopy Methods 0.000 claims abstract description 16
- 238000010586 diagram Methods 0.000 claims abstract description 14
- 238000012545 processing Methods 0.000 claims abstract description 8
- 238000012360 testing method Methods 0.000 claims abstract description 4
- 238000004088 simulation Methods 0.000 claims description 13
- 238000002211 ultraviolet spectrum Methods 0.000 claims description 10
- 238000000862 absorption spectrum Methods 0.000 claims description 5
- 230000001174 ascending effect Effects 0.000 claims description 4
- 230000003595 spectral effect Effects 0.000 claims description 2
- 239000003153 chemical reaction reagent Substances 0.000 abstract description 9
- 238000005259 measurement Methods 0.000 abstract description 8
- 239000012535 impurity Substances 0.000 abstract description 7
- 238000012625 in-situ measurement Methods 0.000 abstract description 4
- 239000000243 solution Substances 0.000 description 41
- 238000002474 experimental method Methods 0.000 description 7
- 238000002798 spectrophotometry method Methods 0.000 description 5
- CIWBSHSKHKDKBQ-JLAZNSOCSA-N Ascorbic acid Chemical compound OC[C@H](O)[C@H]1OC(=O)C(O)=C1O CIWBSHSKHKDKBQ-JLAZNSOCSA-N 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 4
- 238000005070 sampling Methods 0.000 description 4
- KQROHCSYOGBQGJ-UHFFFAOYSA-N 5-Hydroxytryptophol Chemical compound C1=C(O)C=C2C(CCO)=CNC2=C1 KQROHCSYOGBQGJ-UHFFFAOYSA-N 0.000 description 3
- NBIIXXVUZAFLBC-UHFFFAOYSA-N Phosphoric acid Chemical compound OP(O)(O)=O NBIIXXVUZAFLBC-UHFFFAOYSA-N 0.000 description 3
- GNSKLFRGEWLPPA-UHFFFAOYSA-M potassium dihydrogen phosphate Chemical compound [K+].OP(O)([O-])=O GNSKLFRGEWLPPA-UHFFFAOYSA-M 0.000 description 3
- LWIHDJKSTIGBAC-UHFFFAOYSA-K potassium phosphate Substances [K+].[K+].[K+].[O-]P([O-])([O-])=O LWIHDJKSTIGBAC-UHFFFAOYSA-K 0.000 description 3
- 239000012086 standard solution Substances 0.000 description 3
- 238000010521 absorption reaction Methods 0.000 description 2
- APUPEJJSWDHEBO-UHFFFAOYSA-P ammonium molybdate Chemical compound [NH4+].[NH4+].[O-][Mo]([O-])(=O)=O APUPEJJSWDHEBO-UHFFFAOYSA-P 0.000 description 2
- 229940010552 ammonium molybdate Drugs 0.000 description 2
- 235000018660 ammonium molybdate Nutrition 0.000 description 2
- 239000011609 ammonium molybdate Substances 0.000 description 2
- 229960005070 ascorbic acid Drugs 0.000 description 2
- 235000010323 ascorbic acid Nutrition 0.000 description 2
- 239000011668 ascorbic acid Substances 0.000 description 2
- QXYJCZRRLLQGCR-UHFFFAOYSA-N dioxomolybdenum Chemical compound O=[Mo]=O QXYJCZRRLLQGCR-UHFFFAOYSA-N 0.000 description 2
- 235000011007 phosphoric acid Nutrition 0.000 description 2
- USHAGKDGDHPEEY-UHFFFAOYSA-L potassium persulfate Chemical compound [K+].[K+].[O-]S(=O)(=O)OOS([O-])(=O)=O USHAGKDGDHPEEY-UHFFFAOYSA-L 0.000 description 2
- HSNVNALJRSJDHT-UHFFFAOYSA-N P(=O)(=O)[Mo] Chemical compound P(=O)(=O)[Mo] HSNVNALJRSJDHT-UHFFFAOYSA-N 0.000 description 1
- 229910000147 aluminium phosphate Inorganic materials 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003638 chemical reducing agent Substances 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 239000008367 deionised water Substances 0.000 description 1
- 229910021641 deionized water Inorganic materials 0.000 description 1
- 230000029087 digestion Effects 0.000 description 1
- 238000007865 diluting Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- MEFBJEMVZONFCJ-UHFFFAOYSA-N molybdate Chemical compound [O-][Mo]([O-])(=O)=O MEFBJEMVZONFCJ-UHFFFAOYSA-N 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- IIQJBVZYLIIMND-UHFFFAOYSA-J potassium;antimony(3+);2,3-dihydroxybutanedioate Chemical compound [K+].[Sb+3].[O-]C(=O)C(O)C(O)C([O-])=O.[O-]C(=O)C(O)C(O)C([O-])=O IIQJBVZYLIIMND-UHFFFAOYSA-J 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000003756 stirring Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
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
- G01N21/33—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using ultraviolet light
Abstract
本发明提供了一种基于排列熵的水体中磷的检测方法,包括以下步骤:步骤1:取水体样本直接配制浓度为1‑5mg/L的磷酸二氢钾溶液;步骤2:通过紫外光谱测量其吸光度;步骤3:记录下其不同浓度对应的吸光度;步骤4:通过排列熵算法对步骤3中得到的数据进行处理,采用matlab计算的方法不断测试排列熵的值,通过得到的效果图最佳为依据求出最佳嵌入维数和延迟时间。本发明无需添加任何化学试剂,减少二次污染;检测操作简单化、自动化,易于实现原位测量;扩大了测量范围,精度与磷钼蓝方法基本保持一致;排列熵算法减小了光谱检测中相关杂质对水样的影响,并放大了信号的微小变化,更适合检测低浓度的溶液。
Description
技术领域
本发明涉及一种水体中磷的检测方法,特别涉及一种基于排列熵的水体中磷的检测方法。
背景技术
现有水质中检测总磷含量,常用的分光光度法主要为磷钼蓝法,该方法法是常规的化学实验室分析方法,磷钼蓝法的原理是正磷酸先与钼酸盐反应生成淡黄色的磷钼杂多酸,然后再用还原剂在一定条件下将黄色的磷钼杂多酸还原为磷钼蓝络合物。反应式如下:
PO43-+12MoO42-+24H+=PO43-·12MoO3+12H2O
P(Mo3O10)43-+H++还原剂→(MoO2·4MoO3)2·H3PO4+MoO2+H2
总磷的测定方法就是用钼酸铵和酒石酸锑钾与磷酸形成三元配合物(俗称磷钼蓝),在波长710nm处测量吸光度,适测范围是0-0.6mg/L,通过绘制吸光度曲线,可以定量分析水样中总磷的含量,需要添加多种化学试剂,检测操作复杂,测量范围小,相关杂质对水样的影响大。
排列熵算法是时间序列复杂性的一种度量方法。算法描述如下:
设一维时间序列:{x(i),i=1,2,…,n},长度为n,对其中任意一个元素x(i)进行相空间重构,根据Takens提出的相空间重构延迟坐标法,即对每个采样点取连续的m个样点,进行坐标延迟,得到m维空间的一个重构向量组:Xi=[x(i),x(i+l),…,x(i+(m-1)L)]式中:m和L分别为重构参数嵌入维数和延迟时间。再将Xi的m个重构分量进行升序排列,得到:[x(i+(j1-1)L)≤x(i+(j2-1)L)≤…≤x(i+(jm-1)L)]
这样得到向量Xi的排列方式为{j1,j2,…,jm},它是m!种排列方式中的一种方式,对整个序列中各种排列情况出现的次数进行统计,计算各种排列情况出现的相对频率作为其概率P1,P2,…,Pk,k≤m!,接着由Shannon信息熵的定义计算排列熵:
排列熵H(m)值的大小表示了时间序列{x(i),i=1,2,…,n}的随机程度:H(m)的值越小,说明时间序列越规则;反之,则时间序列越接近随机。H(m)的变化反映并放大了时间序列x(i)的微小细节变化。
发明内容
本发明的目的是解决现有水质中检测总磷含量的方法,存在需要添加多种化学试剂,检测操作复杂,测量范围小,相关杂质对水样的影响大等问题,提供了一种基于排列熵的水体中磷的检测方法,与磷钼蓝分光光度法对比,其优势在于无需添加任何化学试剂,减少二次污染;检测操作简单化、自动化,易于实现原位测量;磷钼蓝检测方法的吸光度与浓度的线性关系为0-0.6mg/L,而基于排列熵算法的检测方法,通过熵值的变化可以得到不同浓度的变化,扩大了测量范围,精度与磷钼蓝方法基本保持一致;排列熵算法减小了光谱检测中相关杂质对水样的影响,并放大了信号的微小变化,更适合检测低浓度的溶液。
本发明提供的技术方案为:
一种基于排列熵的水体中磷的检测方法,包括以下步骤:
步骤1:取水体样本直接配制浓度为1-5mg/L的磷酸二氢钾溶液;
步骤2:通过紫外光谱测量其吸光度;
步骤3:记录下其不同浓度对应的吸光度;
步骤4:通过排列熵算法对步骤3中得到的数据进行处理:基于排列熵算法的具体过程为将长度为T的光谱信号长时间序列分为若干个长度为w的子序列,选取子序列最大重叠序列,即每个子序列向后移动一个数据点得到下一个子序列,这样得到的子序列个数为T-w+1,采用matlab计算的方法不断测试排列熵的值,通过得到的效果图最佳为依据求出最佳嵌入维数和延迟时间。
优选的是,所述紫外光谱为TU1810紫外可见分光光度计。
优选的是,所述步骤1中配制的磷酸二氢钾溶液选取浓度为1mg/L、2mg/L、3mg/L、4mg/L和5mg/L经步骤2、步骤3,将得到的数据经步骤4中对所得数据进行处理,运用matlab仿真进行排列熵计算。
优选的是,步骤4中得出最佳嵌入维数m=5,延迟时间L=1,子序列长度选取为w=100。
排列熵算法是时间序列复杂性的一种度量方法。算法描述如下:
设一维时间序列:{x(i),i=1,2,…,n},长度为n,对其中任意一个元素x(i)进行相空间重构,根据Takens提出的相空间重构延迟坐标法,即对每个采样点取连续的m个样点,进行坐标延迟,得到m维空间的一个重构向量组:
Xi=[x(i),x(i+l),…,x(i+(m-1)L)]式中:m和L分别为重构参数嵌入维数和延迟时间。再将Xi的m个重构分量进行升序排列,得到:
[x(i+(j1-1)L)≤x(i+(j2-1)L)≤…≤x(i+(jm-1)L)]
这样得到向量Xi的排列方式为{j1,j2,…,jm},它是m!种排列方式中的一种方式,对整个序列中各种排列情况出现的次数进行统计,计算各种排列情况出现的相对频率作为其概率P1,P2,…,Pk,k≤m!,接着由Shannon信息熵的定义计算排列熵:
排列熵H(m)值的大小表示了时间序列{x(i),i=1,2,…,n}的随机程度:H(m)的值越小,说明时间序列越规则;反之,则时间序列越接近随机。H(m)的变化反映并放大了时间序列x(i)的微小细节变化。
本发明的有益效果为:
1、无需添加任何化学试剂,减少二次污染。
2、检测操作简单化、自动化,易于实现原位测量。
3、磷钼蓝检测方法的吸光度与浓度的线性关系为0-0.6mg/L,而基于排列熵算法的检测方法,通过熵值的变化可以得到不同浓度的变化,扩大了测量范围,精度与磷钼蓝方法基本保持一致。
4、排列熵算法减小了光谱检测中相关杂质对水样的影响,并放大了信号的微小变化,更适合检测低浓度的溶液。
附图说明
图1为不同浓度的磷酸二氢钾溶液对应的吸光度。
图2为1mg/L的磷酸二氢钾溶液运用matlab仿真进行排列熵计算效果图。
图3为2mg/L的磷酸二氢钾溶液运用matlab仿真进行排列熵计算效果图。
图4为3mg/L的磷酸二氢钾溶液运用matlab仿真进行排列熵计算效果图。
图5为4mg/L的磷酸二氢钾溶液运用matlab仿真进行排列熵计算效果图。
图6为5mg/L的磷酸二氢钾溶液运用matlab仿真进行排列熵计算效果图。
图7为m=4,w=100时1mg/L磷酸二氢钾溶液运用matlab仿真进行排列熵计算效果图。
图8为m=8,w=100时1mg/L的磷酸二氢钾溶液运用matlab仿真进行排列熵计算效果图。
图9为m=10,w=100时1mg/L的磷酸二氢钾溶液运用matlab仿真进行排列熵计算效果图。
图10为m=5,w=50时1mg/L的磷酸二氢钾溶液运用matlab仿真进行排列熵计算效果图。
图11为m=5,w=80时1mg/L的磷酸二氢钾溶液运用matlab仿真进行排列熵计算效果图。
图12为m=5,w=50时1mg/L的磷酸二氢钾溶液运用matlab仿真进行排列熵计算效果图。
具体实施方式
下面对本发明做进一步的详细说明,以令本领域技术人员参照说明书文字能够据以实施。
实施例1
一种基于排列熵的水体中磷的检测方法,包括以下步骤:
步骤1:取水体样本直接配制浓度为1mg/L的磷酸二氢钾溶液;
步骤2:通过紫外光谱测量其吸光度;
步骤3:记录下其对应的吸光度;
步骤4:通过排列熵算法对步骤3中得到的数据进行处理:基于排列熵算法的具体过程为将长度为T的光谱信号长时间序列分为若干个长度为w的子序列,选取子序列最大重叠序列,即每个子序列向后移动一个数据点得到下一个子序列,这样得到的子序列个数为T-w+1,采用matlab计算的方法不断测试排列熵的值,通过得到的效果图最佳为依据求出最佳嵌入维数和延迟时间,嵌入维数m=5,延迟时间L=1,子序列长度选取为w=100。所述紫外光谱为TU1810紫外可见分光光度计。
实施例2
一种基于排列熵的水体中磷的检测方法,包括以下步骤:
步骤1:取水体样本直接配制浓度为2mg/L的磷酸二氢钾溶液;
步骤2:通过紫外光谱测量其吸光度;
步骤3:记录下其对应的吸光度;
步骤4:通过排列熵算法对步骤3中得到的数据进行处理:基于排列熵算法的具体过程为将长度为T的光谱信号长时间序列分为若干个长度为w的子序列,选取子序列最大重叠序列,即每个子序列向后移动一个数据点得到下一个子序列,这样得到的子序列个数为T-w+1,采用matlab计算的方法不断测试排列熵的值,通过得到的效果图最佳为依据求出最佳嵌入维数和延迟时间,嵌入维数m=5,延迟时间L=1,子序列长度选取为w=100。所述紫外光谱为TU1810紫外可见分光光度计。
实施例3
一种基于排列熵的水体中磷的检测方法,包括以下步骤:
步骤1:取水体样本直接配制浓度为3mg/L的磷酸二氢钾溶液;
步骤2:通过紫外光谱测量其吸光度;
步骤3:记录下其对应的吸光度;
步骤4:通过排列熵算法对步骤3中得到的数据进行处理:基于排列熵算法的具体过程为将长度为T的光谱信号长时间序列分为若干个长度为w的子序列,选取子序列最大重叠序列,即每个子序列向后移动一个数据点得到下一个子序列,这样得到的子序列个数为T-w+1,采用matlab计算的方法不断测试排列熵的值,通过得到的效果图最佳为依据求出最佳嵌入维数和延迟时间,嵌入维数m=5,延迟时间L=1,子序列长度选取为w=100。所述紫外光谱为TU1810紫外可见分光光度计。
实施例4
一种基于排列熵的水体中磷的检测方法,包括以下步骤:
步骤1:取水体样本直接配制浓度为4mg/L的磷酸二氢钾溶液;
步骤2:通过紫外光谱测量其吸光度;
步骤3:记录下其对应的吸光度;
步骤4:通过排列熵算法对步骤3中得到的数据进行处理:基于排列熵算法的具体过程为将长度为T的光谱信号长时间序列分为若干个长度为w的子序列,选取子序列最大重叠序列,即每个子序列向后移动一个数据点得到下一个子序列,这样得到的子序列个数为T-w+1,采用matlab计算的方法不断测试排列熵的值,通过得到的效果图最佳为依据求出最佳嵌入维数和延迟时间,嵌入维数m=5,延迟时间L=1,子序列长度选取为w=100。所述紫外光谱为TU1810紫外可见分光光度计。
实施例5
一种基于排列熵的水体中磷的检测方法,包括以下步骤:
步骤1:取水体样本直接配制浓度为5mg/L的磷酸二氢钾溶液;
步骤2:通过紫外光谱测量其吸光度;
步骤3:记录下其对应的吸光度;
步骤4:通过排列熵算法对步骤3中得到的数据进行处理:基于排列熵算法的具体过程为将长度为T的光谱信号长时间序列分为若干个长度为w的子序列,选取子序列最大重叠序列,即每个子序列向后移动一个数据点得到下一个子序列,这样得到的子序列个数为T-w+1,采用matlab计算的方法不断测试排列熵的值,通过得到的效果图最佳为依据求出最佳嵌入维数和延迟时间,嵌入维数m=5,延迟时间L=1,子序列长度选取为w=100。所述紫外光谱为TU1810紫外可见分光光度计。
对比例
测定总磷常用分析方法:磷钼蓝分光光度法。
实验及实验结果分析
实验一:磷钼蓝分光光度法测水质中总磷含量
1.1实验所用试剂与仪器为:(1)高压灭菌器或一般民用压力锅;(2)
50ml比色管;(3)5%过硫酸钾溶液;(4)磷酸盐标准溶液(用于110℃干燥2h的优级纯磷酸二氢钾配制);(5)10%抗坏血酸溶液;(6)钼酸盐溶液;(7)UV紫外光谱;(8)10mm比色皿。
1.2工作曲线的制作:准确吸取0.00、0.125、0.50、1.00、1.50、2.00、2.50mL磷酸盐标准溶液(100mg/L)于50mL比色管中,用水稀释至25mL,加4ml 5%过硫酸钾溶液,摇匀,于高压灭菌器中密塞消解30min,冷却后,定容至标线,按照试验方法操作,分别向消解后的样品加入1ml的抗坏血酸,30秒后加入2ml的钼酸铵溶液,充分搅匀并静置15min后,使用光程为10mm比色皿,在710nm波长处下,以去离子水做参比,测量其吸光度值。
表1为测量水样中总磷紫外吸收光谱曲线和总磷含量的关系表格的数据
实验二:配制不同浓度的磷酸二氢钾溶液通过光谱仪测量其吸光度。
2.1实验所用试剂与仪器为:(1)高压灭菌器或一般民用压力锅;(2)烧杯;(3)磷酸盐标准溶液(用于110℃干燥2h的优级纯磷酸二氢钾配制);(4)紫外光谱(TU1810紫外可见分光光度计);(5)10mm比色皿。
2.2实验步骤:
(1)配制不同浓度的磷酸二氢钾溶液于烧杯中,分为5个样本:1mg/L、2mg/L、3mg/L、4mg/L、5mg/L。
(2)直接用紫外光谱检测5个样品的吸光度,得到190nm-500nm之间对应的数据。
(3)将5个样品浓度得到的数据带入到matlab中已编写好的排列熵算法的程序中。
实验结果分析,直接配制不同浓度的磷酸二氢钾溶液分别为1mg/L、2mg/L、3mg/L、4mg/L、5mg/L,通过光谱仪测量其吸光度,记录下其不同浓度对应的吸光度,如图1所示,得到吸收峰值在360nm处附近,得出磷酸二氢钾溶液在360nm处有相对明显的吸收峰,记录下其不同浓度对应的吸光度,再通过排列熵算法对此数据进行处理,将嵌入维数m=5,子序列长度w=100,子序列向后移动值L=1带入排列熵算法,得到如图2-6所示。
基于排列熵算法的具体过程为:将长度为T的光谱信号长时间序列分为若干个长度为w的子序列,选取子序列最大重叠序列,即每个子序列向后移动一个数据点得到下一个子序列,这样得到的子序列个数为T-w+1,采用matlab计算的方法不断测试排列熵的值,通过得到的效果图最佳为依据求出最佳嵌入维数和延迟时间,如图2-9所示,将分别将m值带入4、5、8、10,由效果可知,嵌入维数m=5为最佳,如图2-6和图10-12所示,子序列长度选取为w=100为最佳,把光谱波长变化每100个nm看作一个序列,嵌入维数为5,这样会得到一个空间重构向量,对这个重构向量的分量进行一个升序排序,它是m!种排列方式中的一种,再对整个序列中各种排列情况出现的次数进行统计,计算出相对频率,进而求得信息熵即排列熵。熵值最大的点代表的是那个点所在序列变化最显著的吸收光谱的峰值,所以吸收光谱峰值变大,熵值也增大,利用熵值的变化与浓度之间的关系,把很小的吸光度转化为熵值来定量分析磷酸二氢钾的浓度。
排列熵算法具有计算简单,抗噪能力强;对时间敏感性强,可获得较高的分辨率;算法的输出结果直观,对突变的信息具有较好的识别性。通过排列熵算法的计算,熵值的变化与光谱吸光度变化趋势类似,但可以明显看出熵值的最高峰即是光谱360nm处最大吸光度,且随浓度的增加,吸光度增大,且熵值也不断增大,并放大了信号的微小变化,减小了光谱检测中相关杂质对水样的影响,这些影响都可以通过熵值反映出来,而吸光度变化极小不易被观测到从而影响测量的准确性,同时通过此方法把很小的吸光度转化为熵值来定量分析磷酸二氢钾的浓度,这样更加直观、准确的反应了水样中总磷的含量,同时不通过其它化学试剂的添加就能得到相对准确的总磷含量的浓度值,与磷钼蓝分光光度法对比,精度与磷钼蓝方法基本保持一致,但无需添加任何化学试剂,减少二次污染,检测操作简单化、自动化,易于实现原位测量,磷钼蓝检测方法的吸光度与浓度的线性关系为0-0.6mg/L,而基于排列熵算法的检测方法,通过熵值的变化可以得到不同浓度的变化,扩大了测量范围,精度与磷钼蓝方法基本保持一致,排列熵算法减小了光谱检测中相关杂质对水样的影响,并放大了信号的微小变化,更适合检测低浓度的溶液。
尽管本发明的实施方案已公开如上,但其并不仅仅限于说明书和实施方式中所列运用。它完全可以被适用于各种适合本发明的领域。对于熟悉本领域的人员而言,可容易地实现另外的修改,因此在不背离权利要求及等同范围所限定的一般概念下,本发明并不限于特定的细节。
Claims (3)
1.一种基于排列熵的水体中磷的检测方法,其特征在于,包括以下步骤:
步骤1:取水体样本直接配制浓度为1-5mg/L的磷酸二氢钾溶液;
步骤2:通过紫外光谱测量其吸光度;
步骤3:记录下其不同浓度对应的吸光度;
步骤4:通过排列熵算法对步骤3中得到的数据进行处理:基于排列熵算法的具体过程为将长度为T的光谱信号长时间序列分为若干个长度为w的子序列,选取子序列最大重叠序列,即每个子序列向后移动一个数据点得到下一个子序列,这样得到的子序列个数为T-w+1,采用matlab计算的方法不断测试排列熵的值,通过得到的效果图最佳为依据求出最佳嵌入维数和延迟时间;
步骤4中得出最佳嵌入维数m=5,延迟时间L=1,子序列长度选取为w=100,把光谱波长变化每100个nm看作一个序列,嵌入维数为5,得到一个空间重构向量,对这个重构向量的分量进行一个升序排序,再对整个序列中各种排列情况出现的次数进行统计,计算出相对频率,进而求得信息熵即排列熵,熵值最大的点代表的是那个点所在序列变化最显著的吸收光谱的峰值,得到熵值的最高峰即是光谱360nm处最大吸光度,吸收光谱峰值变大,熵值也增大,通过熵值的变化可以得到不同浓度的变化,且随浓度的增加,吸光度增大,且熵值也不断增大,并放大了信号的微小变化,利用熵值的变化与浓度之间的关系,把很小的吸光度转化为熵值来定量分析磷酸二氢钾的浓度。
2.根据权利要求1所述的一种基于排列熵的水体中磷的检测方法,其特征在于,所述紫外光谱为TU1810紫外可见分光光度计。
3.根据权利要求2所述的一种基于排列熵的水体中磷的检测方法,其特征在于,所述步骤1中配制的磷酸二氢钾溶液选取浓度为1mg/L、2mg/L、3mg/L、4mg/L和5mg/L经步骤2、步骤3,将得到的数据经步骤4中对所得数据进行处理,运用matlab仿真进行排列熵计算。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811586350.5A CN109632680B (zh) | 2019-01-29 | 2019-01-29 | 一种基于排列熵的水体中磷的检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811586350.5A CN109632680B (zh) | 2019-01-29 | 2019-01-29 | 一种基于排列熵的水体中磷的检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109632680A CN109632680A (zh) | 2019-04-16 |
CN109632680B true CN109632680B (zh) | 2021-07-20 |
Family
ID=66077024
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811586350.5A Active CN109632680B (zh) | 2019-01-29 | 2019-01-29 | 一种基于排列熵的水体中磷的检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109632680B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110104844B (zh) * | 2019-06-11 | 2021-12-14 | 山西师范大学 | 废水中微量钼元素的富集工艺 |
CN113380339B (zh) * | 2021-06-17 | 2022-02-08 | 中国环境科学研究院 | 区域空间污染特征的检测方法 |
CN115069398B (zh) * | 2022-07-27 | 2024-01-12 | 江苏益佳通新能源科技有限公司 | 一种提高废旧电池回收利用率的电池粉碎控制系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107478599A (zh) * | 2017-10-16 | 2017-12-15 | 北京航空航天大学 | 一种饲料原料中非法添加物三聚氰胺甲醛树脂的检测方法 |
CN108195817A (zh) * | 2016-12-08 | 2018-06-22 | 同方威视技术股份有限公司 | 用于去除溶剂干扰的拉曼光谱检测方法 |
CN109765212A (zh) * | 2019-03-11 | 2019-05-17 | 广西科技大学 | 拉曼光谱中不同步褪色荧光的消除方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7755757B2 (en) * | 2007-02-14 | 2010-07-13 | Chemimage Corporation | Distinguishing between renal oncocytoma and chromophobe renal cell carcinoma using raman molecular imaging |
-
2019
- 2019-01-29 CN CN201811586350.5A patent/CN109632680B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108195817A (zh) * | 2016-12-08 | 2018-06-22 | 同方威视技术股份有限公司 | 用于去除溶剂干扰的拉曼光谱检测方法 |
CN107478599A (zh) * | 2017-10-16 | 2017-12-15 | 北京航空航天大学 | 一种饲料原料中非法添加物三聚氰胺甲醛树脂的检测方法 |
CN109765212A (zh) * | 2019-03-11 | 2019-05-17 | 广西科技大学 | 拉曼光谱中不同步褪色荧光的消除方法 |
Non-Patent Citations (2)
Title |
---|
Application of Permutation Entropy in Feature Extraction for Near-Infrared Spectroscopy Noninvasive Blood Glucose Detection;Xiaoli Li et al;《Journal of Spectroscopy》;20171231;第4页第2.1.4节、第7页第2.6节、第8-10页第3节 * |
基于高光谱融合神经网络的玉米黄曲霉毒素B1和赤霉烯酮含量预测;王光辉 等;《食品与机械》;20181130;第34卷(第11期);第64-69页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109632680A (zh) | 2019-04-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109632680B (zh) | 一种基于排列熵的水体中磷的检测方法 | |
Müller et al. | A new software tool for the analysis of high resolution PTR-TOF mass spectra | |
US7570357B2 (en) | Visible/near-infrared spectrometry and its device | |
US7983874B2 (en) | Similarity index: a rapid classification method for multivariate data arrays | |
CN102928396B (zh) | 基于拉曼光谱的尿素同位素丰度的快速检测方法 | |
EP3767277B1 (en) | Method and device for analyzing gas | |
CN113109317B (zh) | 基于背景扣除提取峰面积的拉曼光谱定量分析方法及系统 | |
CN105486655A (zh) | 基于红外光谱智能鉴定模型的土壤有机质快速检测方法 | |
CN112200770A (zh) | 一种基于拉曼光谱和卷积神经网络的肿瘤检测方法 | |
CN111488926A (zh) | 一种基于优化模型的土壤有机质测定方法 | |
CN111198165A (zh) | 一种基于光谱数据标准化进行水质参数的测定方法 | |
CN102410992B (zh) | 简化的激光诱导等离子体光谱标准化的元素测量方法 | |
CN102445428B (zh) | 一种四价铀的分析方法 | |
Wang et al. | A novel quadrilinear decomposition method for four-way data arrays analysis based on algorithms combination strategy: Comparison and application | |
CN116399836A (zh) | 基于交替梯度下降算法的串扰荧光光谱分解方法 | |
CN108303388A (zh) | 一种原位定量表征复杂有机物和金属离子络合过程的方法 | |
CN101666746B (zh) | 基于小波分析的激光感生光谱数据处理方法 | |
CN109799225B (zh) | 一种基于共振与非共振双线测量元素含量的方法 | |
CN104634773A (zh) | 一种用等离子发射光谱测定三苯基磷中铑含量的方法 | |
CN113588597A (zh) | 一种提升炉渣分析精度的方法 | |
CN109668862B (zh) | 一种基于激光诱导击穿光谱的铝电解质分子比检测方法 | |
Zou et al. | Simultaneous determination of tin, germanium and molybdenum by diode array detection–flow injection analysis with partial least squares calibration model | |
CN111965166A (zh) | 一种生物质成型燃料特性指标的快速测量方法 | |
AU2021100642A4 (en) | Method for Detecting Phosphorus Content in Water Based on Permutation Entropy | |
CN112986180B (zh) | 一种光谱式气体传感数据处理方法及系统 |
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 |