CN113376114A - 一种基于紫外-可见光谱数据的水污染溯源方法 - Google Patents
一种基于紫外-可见光谱数据的水污染溯源方法 Download PDFInfo
- Publication number
- CN113376114A CN113376114A CN202110707878.9A CN202110707878A CN113376114A CN 113376114 A CN113376114 A CN 113376114A CN 202110707878 A CN202110707878 A CN 202110707878A CN 113376114 A CN113376114 A CN 113376114A
- Authority
- CN
- China
- Prior art keywords
- water
- visible
- ultraviolet
- pollution
- spectrum
- 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.)
- Pending
Links
- 238000003911 water pollution Methods 0.000 title claims abstract description 95
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000002371 ultraviolet--visible spectrum Methods 0.000 title claims abstract description 15
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 148
- 238000001228 spectrum Methods 0.000 claims abstract description 92
- 239000003403 water pollutant Substances 0.000 claims abstract description 34
- 230000003595 spectral effect Effects 0.000 claims abstract description 28
- 238000012545 processing Methods 0.000 claims abstract description 20
- 238000010790 dilution Methods 0.000 claims abstract description 14
- 239000012895 dilution Substances 0.000 claims abstract description 14
- 238000001514 detection method Methods 0.000 claims abstract description 6
- 238000007781 pre-processing Methods 0.000 claims description 21
- 238000002835 absorbance Methods 0.000 claims description 19
- 238000012937 correction Methods 0.000 claims description 16
- 238000010606 normalization Methods 0.000 claims description 11
- 230000009467 reduction Effects 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 8
- 239000003344 environmental pollutant Substances 0.000 claims description 7
- 231100000719 pollutant Toxicity 0.000 claims description 7
- 238000000870 ultraviolet spectroscopy Methods 0.000 claims description 5
- 238000007865 diluting Methods 0.000 claims description 4
- 238000012706 support-vector machine Methods 0.000 claims description 4
- 238000012549 training Methods 0.000 claims description 4
- 238000009499 grossing Methods 0.000 claims description 3
- 230000010354 integration Effects 0.000 claims description 3
- 238000004611 spectroscopical analysis Methods 0.000 claims description 2
- 238000004088 simulation Methods 0.000 abstract description 2
- 238000012544 monitoring process Methods 0.000 description 7
- 239000000126 substance Substances 0.000 description 3
- 238000010521 absorption reaction Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000007621 cluster analysis Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004847 absorption spectroscopy Methods 0.000 description 1
- 238000000862 absorption spectrum Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000003889 chemical engineering Methods 0.000 description 1
- 238000004587 chromatography analysis Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000556 factor analysis Methods 0.000 description 1
- 239000013505 freshwater Substances 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000002203 pretreatment Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000002798 spectrophotometry method Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 239000011550 stock solution Substances 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
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
-
- 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
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
- G06F16/5838—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A20/00—Water conservation; Efficient water supply; Efficient water use
- Y02A20/152—Water filtration
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Biochemistry (AREA)
- Library & Information Science (AREA)
- Tourism & Hospitality (AREA)
- Analytical Chemistry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明提供了一种基于紫外-可见光谱数据的水污染溯源方法,包括S1、归一化水污染溯源光谱库的建立;S2、待溯源水污染物的三维紫外-可见-待溯源水质指纹图谱获取;S3、对待溯源水污染物智能溯源。原理是:获取河流、湖泊、多个行业(加工厂)的已知污染源的已知水样,经检测及预处理获取不同稀释浓度下的紫外-可见-水污染水质指纹图谱光谱数据;经非线性拟合获得各已知水样的三维紫外-可见-水污染水质指纹图谱;对得到的三维紫外-可见-水污染水质指纹图谱归一化处理,形成归一化水污染溯源光谱库;将待溯源水污染物的光谱特征与已知水样的光谱特征溯源模拟比对,获得潜在的污染清单,具有溯源效率高、时效性强、准确性高的优点。
Description
技术领域
本发明涉及水污染溯源技术领域,具体为一种基于紫外-可见光谱数据的水污染溯源方法。
背景技术
水资源是人类生产生活的关键资源之一,随着城市化和经济社会发展,污染物的大量排放对大气环境及水环境的造成了不同程度的污染,生态环境受到了严重破坏。我国水资源和水环境主要面临着淡水资源短缺、水资源浪费严重、水质污染严重三方面的问题,水环境的现实状况与经济社会发展对水环境的需求之间存在着尖锐矛盾,水资源的保护和水污染的治理成为现代社会最关注的问题。
目前,水环境监测和评价是当前控制水污染、防止水环境退化的基本手段。通过对水环境进行连续有效的水质监测可以使环保部门及时掌握准确的水质信息,为防治水环境污染提供可靠的科学依据,一旦水环境恶化,监测网络能够及时的预警,从而使政府能够在污染加重之前做出决策,及时防范治理,防止水污染进一步扩散。
水污染溯源就是确定污染源头,目前对于水污染溯源大多采用人工排查的方法,该方法费时费力且准确性差。同时,通过使用水纹、雨晴等信息对水质模拟的方法需要采集大量的水纹、雨晴信息,其计算复杂、具有局限性且时效性差。对于水污染溯源的计算方法包括因子分析、聚类分析和层析分析三种,其中,聚类分析是将样品或变量按照它们性质上的亲疏程度进行分类的多元统计分析方法,其不能准确定位到发生污染概率最大的污染源,为水污染环境监控中心提供的数据不够准确。
因此,需要对现有的水污染溯源方法进行改进。
发明内容
紫外-可见分子吸收光谱(UV-VIS)法,又称紫外-可见分光光度法,其是根据物质在200~720nm的吸收光谱以分析物质的成分、结构、浓度,基本原理是朗伯-比尔吸收定律,即在一定的吸收光程下,物质的浓度与吸光度成正比。由于全光谱承载了被测水样的很多信息,其能够在很宽的光谱范围内展开水质监测,因此,在此基础上,本发明的目的在于提供一种时效性强、准确性高、可用范围广、实用价值高的基于紫外-可见光谱数据的水污染溯源方法。
实现发明目的技术方案如下:一种基于紫外-可见光谱数据的水污染溯源方法,包括S1、归一化水污染溯源光谱库的建立;S2、待溯源水污染物的三维紫外-可见-待溯源水质指纹图谱获取;S3、对待溯源水污染物进行智能识别及溯源。
其中,S1、归一化水污染溯源光谱库的建立,包括以下步骤:
S101、取若干个已知污染源的已知水样,并对已知水样进行稀释,测定在稀释浓度下的紫外-可见-水污染水质指纹图谱的光谱数据;
S102、对步骤S101的紫外-可见-水污染水质指纹图谱光谱数据预处理,预处理过程包括随机噪声降噪、基线漂移矫正、多元散射矫正;
S103、对步骤S102中预处理后的紫外-可见-水污染水质指纹图谱的光谱数据进行非线性拟合,获得各个已知水样融合吸光度及波长信息的三维紫外-可见-水污染水质指纹图谱;
S104、依据若干个已知水样的三维紫外-可见-水污染水质指纹图谱的光谱数据,计算若干个已知水样在稀释浓度条件下的已知水样浓度与吸光度相关性,并获取覆盖若干个已知水样的污染物信息的光谱信息,光谱信息包括归一化波长信息;
S105、依据若干个已知水样的三维紫外-可见-水污染水质指纹图谱,通过设置检测波长条件下,浓度与吸光度的相关性阈值,并获取若干个已知水样的溯源波段信息;
S106、对若干个已知水样的三维紫外-可见-水污染水质指纹图谱进行光谱归一化处理,建立归一化污染溯源光谱库;
其中,S2、待溯源水污染物的三维紫外-可见-待溯源水质指纹图谱获取,包括以下步骤:
S201、待溯源水污染物的待溯源光谱数据的检测,获得融合吸光度和波长信息下的三维紫外-可见-待溯源水质指纹图谱光谱数据;
S202、对步骤S201中的三维紫外-可见-待溯源水质指纹图谱光谱数据进行预处理,预处理过程包括随机噪声降噪、基线漂移矫正、多元散射矫正;
其中,S3、对待溯源水污染物进行智能溯源,即,将步骤S202中预处理后的三维紫外-可见-待溯源水质指纹图谱输入步骤S106中归一化污染源光谱库中,利用支持向量机训练模型对待测水体污染物进行智能识别及溯源。
本发明基于紫外-可见光谱数据的水污染溯源方法的原理是:首先,获取河流、湖泊、多个行业(加工厂)的已知污染源的已知水样,检测在不同稀释浓度下的紫外-可见-水污染水质指纹图谱并进行预处理;其次,对各个已知水样的紫外-可见-水污染水质指纹图谱进行非线性拟合,获得三维紫外-可见-水污染水质指纹图谱;然后,将多个已知水样的三维紫外-可见-水污染水质指纹图谱进行归一化处理,形成归一化水污染溯源光谱库;最后根据待溯源水污染物的光谱特征与归一化水污染溯源光谱库内已知水样的光谱特征进行相似程度比对,确定待溯源的污染源范围。
在本发明的一个实施例中,步骤S104中,归一化波长信息为200~400nm。
在本发明的一个实施例中,已知水样的稀释包括1倍稀释、2倍稀释、5倍稀释、10倍稀释。
在本发明的一个实施例中,步骤S1中,已知水样的紫外-可见-水污染水质指纹图谱是通过紫外-可见分光光度设备检测获得。
在本发明的一个实施例中,上述步骤S102及步骤S202的预处理还包括矢量归一化处理、导数光谱法处理、光谱谱线平滑处理、光谱谱线积分法处理、光谱数据降维处理。
在本发明的一个实施例中,上述已知水污染源包括河流、湖泊、加工厂中的一种或几种。
与现有技术相比,本发明的有益效果是:基于紫外-可见光谱数据的水污染溯源方法简单可靠,水污染物溯源时,只需要通过全光谱类水质监测设备(如紫外-可见分光光度设备)检测光谱数据,将得到的三维紫外-可见-水污染水质指纹图谱输入建立的归一化水污染溯源光谱库中进行比对分析即可,具有溯源效率高、时效性强、准确性高、可用范围广的优点,具有很高的实用价值。
具体实施方式
下面结合具体实施例来进一步描述本发明,本发明的优点和特点将会随着描述而更为清楚。但这些实施例仅是范例性的,并不对本发明的范围构成任何限制。本领域技术人员应该理解的是,在不偏离本发明的精神和范围下可以对本发明技术方案的细节和形式进行修改或替换,但这些修改和替换均落入本发明的保护范围内。
本具体实施方式提供了一种基于紫外-可见光谱数据的水污染溯源方法,包括S1、归一化水污染溯源光谱库的建立;S2、待溯源水污染物的三维紫外-可见-待溯源水质指纹图谱获取;S3、对待溯源水污染物进行智能识别及溯源。
其中,S1、归一化水污染溯源光谱库的建立,包括以下步骤:
S101、取若干个已知污染源的已知水样,并对已知水样进行稀释,测定在稀释浓度下的紫外-可见-水污染水质指纹图谱光谱数据;
S102、对步骤S101的紫外-可见-水污染水质指纹图谱光谱数据预处理,预处理过程包括随机噪声降噪、基线漂移矫正、多元散射矫正;
S103、对步骤S102中预处理后的紫外-可见-水污染水质指纹图谱的光谱数据进行非线性拟合,获得各个已知水样融合吸光度和波长信息的三维紫外-可见-水污染水质指纹图谱;
S104、依据若干个已知水样的三维紫外-可见-水污染水质指纹图谱的光谱数据,计算若干个已知水样在稀释浓度条件下的已知水样浓度与吸光度相关性,并获取覆盖若干个已知水样的污染物信息的光谱信息,光谱信息包括归一化波长信息;
S105、依据若干个已知水样的三维紫外-可见-水污染水质指纹图谱,通过设置检测波长条件下,浓度与吸光度的相关性阈值,并获取若干个已知水样的溯源波段信息;
S106、对若干个已知水样的三维紫外-可见-水污染水质指纹图谱进行光谱归一化处理,建立归一化污染溯源光谱库;
其中,S2、待溯源水污染物的三维紫外-可见-待溯源水质指纹图谱获取,包括以下步骤:
S201、待溯源水污染物的待溯源光谱数据的检测,获得融合吸光度和波长信息下的三维紫外-可见-待溯源水质指纹图谱光谱数据;
S202、对步骤S201中的三维紫外-可见-待溯源水质指纹图谱光谱数据进行预处理,预处理过程包括随机噪声降噪、基线漂移矫正、多元散射矫正;
其中,S3、对待溯源水污染物进行智能溯源,即,将步骤S202中预处理后的三维紫外-可见-待溯源水质指纹图谱输入步骤S106中归一化污染源光谱库中,利用支持向量机训练模型对待测水体污染物进行智能识别及溯源。
上述基于紫外-可见光谱数据的水污染溯源方法的原理是:首先,获取河流、湖泊、多个行业(加工厂)的已知污染源的已知水样,检测在不同稀释浓度下的紫外-可见-水污染水质指纹图谱并进行预处理;其次,对各个已知水样的紫外-可见-水污染水质指纹图谱进行非线性拟合,获得三维紫外-可见-水污染水质指纹图谱;然后,将多个已知水样的三维紫外-可见-水污染水质指纹图谱进行归一化处理,形成归一化水污染溯源光谱库;最后根据待溯源水污染物的光谱特征与归一化水污染溯源光谱库内已知水样的光谱特征进行相似程度比对,确定待溯源的污染源范围。
以下通过具体的实例对上述基于紫外-可见光谱数据的水污染溯源方法进行说明。基于紫外-可见光谱数据的水污染溯源方法包括三个步骤,即S1、归一化水污染溯源光谱库的建立;S2、待溯源水污染物的三维紫外-可见-待溯源水质指纹图谱获取;S3、对待溯源水污染物进行智能识别及溯源。
其中,S1、归一化水污染溯源光谱库的建立,包括以下步骤:
S101、取5个已知污染源的已知水样,并对已知水样进行不同浓度的稀释,用紫外-可见分光光度设备检测在不同稀释浓度下的紫外-可见-水污染水质指纹图谱光谱数据。
具体的,已知水污染源可以选择各个行业的已知水样,如河流(水样1)、湖泊(水样2)、加工厂(电子、医药、化工等行业,分别为水样3~水样5)中的一种或几种,也可以为其他类型具有已知污染源头(溯源)的已知水样。
在本实施例中,上述已知水污染源取样后,由于不同的已知水样的浓度不同,因此为了确保检测结果的精确度,将已知水样以原液、1倍、2倍、5倍、10倍等梯度进行稀释,并在200~720nm波长条件下通过紫外-可见分光光度设备检测在吸光度值。
S102、对步骤S101的紫外-可见-水污染水质指纹图谱光谱数据预处理,预处理过程包括随机噪声降噪、基线漂移矫正、多元散射矫正。
具体的,紫外-可见-水污染水质指纹图谱的预处理还包括矢量归一化处理、导数光谱法处理、光谱谱线平滑处理、光谱谱线积分法处理、光谱数据降维处理。上述指纹图谱预处理的方法均为现有的方法,在此不进行赘述。
S103、对步骤S102中预处理后的紫外-可见-水污染水质指纹图谱光谱数据进行非线性拟合,获得上述5个已知水样在吸光度及波长信息下的三维紫外-可见-水污染水质指纹图谱。
S104、依据上述5个已知水样的三维紫外-可见-水污染水质指纹图谱光谱数据,计算5个已知水样在稀释浓度条件下的已知水样浓度与吸光度相关性,并获取覆盖上述5个已知水样的污染物信息的光谱信息,光谱信息包括归一化波长信息;
S105、依据上述5个已知水样的三维紫外-可见-水污染水质指纹图谱,通过设置检测波长条件下,浓度与吸光度的相关性阈值,并获取若干个已知水样的溯源波段信息;
S106、对上述5个已知水样的三维紫外-可见-水污染水质指纹图谱进行光谱归一化处理,建立归一化污染溯源光谱库;
具体的,光谱归一化处理的方法如下:
选取一定光谱范围(例如归一化波长),从中选择A(max)和A(min),将该光谱的吸光度进行归一化处理,如:A(λ)(归一化)=(A(λ)-A(min))/(A(max)-A(min)),即获得归一化光谱。
其中,在本实施例中,S2、待溯源水污染物的三紫外-可见-待溯源水质指纹图谱获取,包括以下步骤:
S201、待溯源水污染物的待溯源光谱数据的检测,获得融合吸光度和波长信息下的三维紫外-可见-待溯源水质指纹图谱光谱数据;
S202、对步骤S201中的三维紫外-可见-待溯源水质指纹图谱进行预处理,预处理过程包括随机噪声降噪、基线漂移矫正、多元散射矫正;其预处理方法与已知污染源的三维紫外-可见-水污染水质指纹图谱方法相同,在此不再进行赘述。
其中,在本实施例中,S3、对待溯源水污染物进行智能溯源,即,将步骤S202中预处理后的三维紫外-可见-待溯源水质指纹图谱输入步骤S106中归一化污染源光谱库中,利用支持向量机训练模型对待测水体污染物进行智能识别及溯源。
具体的,对待溯源水污染物进行定性(溯源)分析方法为:在归一化水污染溯源光谱库内,提取上述5个已知水污染源的归一化波长,根据待溯源水污染物在归一化波长条件下的三维紫外-可见-水污染水质指纹光谱特征信息进行溯源模拟比对,计算待溯源水污染物的溯源图库,获得潜在的污染清单。
上述基于紫外-可见光谱数据的水污染溯源方法可以对客户送检的待溯源水污染物进行智能溯源分析,可以对河流的各个位置和不同水库进行实时监测,通过全光谱类水质监测设备实时检测河流不同位置或不同水库的水体的紫外-可见光谱数据,再输入归一化水污染溯源光谱库进行分析,及时查找出水体的污染物溯源。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
此外,应当理解,虽然本说明书按照实施方式加以描述,但并非每个实施方式仅包含一个独立的技术方案,说明书的这种叙述方式仅仅是为清楚起见,本领域技术人员应当将说明书作为一个整体,各实施例中的技术方案也可以经适当组合,形成本领域技术人员可以理解的其他实施方式。
Claims (6)
1.一种基于紫外-可见光谱数据的水污染溯源方法,其特征在于:包括S1、归一化水污染溯源光谱库的建立;S2、待溯源水污染物的三维紫外-可见-待溯源水质指纹图谱获取;S3、对待溯源水污染物进行智能识别及溯源;
其中,S1、归一化水污染溯源光谱库的建立,包括以下步骤:
S101、取若干个已知污染源的已知水样,并对已知水样进行稀释,测定在稀释浓度下的紫外-可见-水污染水质指纹图谱的光谱数据;
S102、对步骤S101的紫外-可见-水污染水质指纹图谱光谱数据预处理,预处理过程包括随机噪声降噪、基线漂移矫正、多元散射矫正;
S103、对步骤S102中预处理后的紫外-可见-水污染水质指纹图谱的光谱数据进行非线性拟合,获得各个已知水样在吸光度及波长信息下的三维紫外-可见-水污染水质指纹图谱;
S104、依据若干个已知水样的紫外-可见-水污染水质指纹图谱的光谱数据,计算若干个已知水样在稀释浓度条件下的已知水样浓度与吸光度相关性,并获取覆盖若干个已知水样的污染物信息的光谱信息,光谱信息包括归一化波长信息;
S105、依据若干个已知水样的三维紫外-可见-水污染水质指纹图谱,通过设置检测波长条件下,浓度与吸光度的相关性阈值,并获取若干个已知水样的溯源波段信息;
S106、对若干个已知水样的三维紫外-可见-水污染水质指纹图谱进行光谱归一化处理,建立归一化污染溯源光谱库;
其中,S2、待溯源水污染物的三维紫外-可见-待溯源水质指纹图谱获取,包括以下步骤:
S201、待溯源水污染物的待溯源光谱数据的检测,获得融合吸光度、波长信息下的三维紫外-可见-待溯源水质指纹图谱光谱数据;
S202、对步骤S201中的三维紫外-可见-待溯源水质指纹图谱光谱数据进行预处理,预处理过程包括随机噪声降噪、基线漂移矫正、多元散射矫正;
其中,S3、对待溯源水污染物进行智能溯源,即,将步骤S202中预处理后的三维紫外-可见-待溯源水质指纹图谱输入步骤S106中归一化污染源光谱库中,利用支持向量机训练模型对待测水体污染物进行智能识别及溯源。
2.根据权利要求1所述的水污染溯源方法,其特征在于:步骤S104中,归一化波长信息为200~400nm。
3.根据权利要求1所述的水污染溯源方法,其特征在于:已知水样的稀释包括1倍稀释、2倍稀释、5倍稀释、10倍稀释。
4.根据权利要求1所述的水污染溯源方法,其特征在于:步骤S1中,已知水样的紫外-可见-水污染水质指纹图谱是通过紫外-可见分光光度设备检测获得。
5.根据权利要求1所述的水污染溯源方法,其特征在于:步骤S102及步骤S202的预处理还包括矢量归一化处理、导数光谱法处理、光谱谱线平滑处理、光谱谱线积分法处理、光谱数据降维处理。
6.根据权利要求1所述的水污染溯源方法,其特征在于:已知水样包括河流、湖泊、加工厂中的一种或几种。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110707878.9A CN113376114A (zh) | 2021-06-24 | 2021-06-24 | 一种基于紫外-可见光谱数据的水污染溯源方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110707878.9A CN113376114A (zh) | 2021-06-24 | 2021-06-24 | 一种基于紫外-可见光谱数据的水污染溯源方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113376114A true CN113376114A (zh) | 2021-09-10 |
Family
ID=77579032
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110707878.9A Pending CN113376114A (zh) | 2021-06-24 | 2021-06-24 | 一种基于紫外-可见光谱数据的水污染溯源方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113376114A (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070231912A1 (en) * | 2001-11-30 | 2007-10-04 | Reischman Paul T | Method for determining asphaltenes contamination in used marine engine lubricants using UV-visible spectroscopy and chemometrics |
CN106645458A (zh) * | 2016-10-31 | 2017-05-10 | 广州市食品检验所 | 一种用三维指纹图谱鉴别特定产地特定品种葡萄酒的方法 |
CN108760912A (zh) * | 2018-05-21 | 2018-11-06 | 天津市环境保护科学研究院 | 一种基于恶臭指纹图谱的恶臭污染溯源方法及应用 |
CN109711674A (zh) * | 2018-12-03 | 2019-05-03 | 北京师范大学 | 一种用于湖库水体污染溯源的指纹图谱库构建方法及装置 |
CN110083585A (zh) * | 2019-03-15 | 2019-08-02 | 清华大学 | 一种水污染排放源数据库及其建立方法 |
CN111198165A (zh) * | 2020-01-14 | 2020-05-26 | 重庆理工大学 | 一种基于光谱数据标准化进行水质参数的测定方法 |
CN111982878A (zh) * | 2020-08-24 | 2020-11-24 | 安徽思环科技有限公司 | 一种基于紫外线可见光谱与三维荧光光谱水污染分析方法 |
CN112485217A (zh) * | 2020-12-02 | 2021-03-12 | 仲恺农业工程学院 | 一种应用于产地溯源的肉类鉴别模型的构建方法以及装置 |
CN112508407A (zh) * | 2020-12-07 | 2021-03-16 | 北京英视睿达科技有限公司 | 一种基于水基因的污染溯源方法 |
CN113011478A (zh) * | 2021-03-05 | 2021-06-22 | 清华大学 | 基于数据融合的污染源识别方法及系统 |
-
2021
- 2021-06-24 CN CN202110707878.9A patent/CN113376114A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070231912A1 (en) * | 2001-11-30 | 2007-10-04 | Reischman Paul T | Method for determining asphaltenes contamination in used marine engine lubricants using UV-visible spectroscopy and chemometrics |
CN106645458A (zh) * | 2016-10-31 | 2017-05-10 | 广州市食品检验所 | 一种用三维指纹图谱鉴别特定产地特定品种葡萄酒的方法 |
CN108760912A (zh) * | 2018-05-21 | 2018-11-06 | 天津市环境保护科学研究院 | 一种基于恶臭指纹图谱的恶臭污染溯源方法及应用 |
CN109711674A (zh) * | 2018-12-03 | 2019-05-03 | 北京师范大学 | 一种用于湖库水体污染溯源的指纹图谱库构建方法及装置 |
CN110083585A (zh) * | 2019-03-15 | 2019-08-02 | 清华大学 | 一种水污染排放源数据库及其建立方法 |
CN111198165A (zh) * | 2020-01-14 | 2020-05-26 | 重庆理工大学 | 一种基于光谱数据标准化进行水质参数的测定方法 |
CN111982878A (zh) * | 2020-08-24 | 2020-11-24 | 安徽思环科技有限公司 | 一种基于紫外线可见光谱与三维荧光光谱水污染分析方法 |
CN112485217A (zh) * | 2020-12-02 | 2021-03-12 | 仲恺农业工程学院 | 一种应用于产地溯源的肉类鉴别模型的构建方法以及装置 |
CN112508407A (zh) * | 2020-12-07 | 2021-03-16 | 北京英视睿达科技有限公司 | 一种基于水基因的污染溯源方法 |
CN113011478A (zh) * | 2021-03-05 | 2021-06-22 | 清华大学 | 基于数据融合的污染源识别方法及系统 |
Non-Patent Citations (4)
Title |
---|
侯迪波 等: "基于紫外-可见光光谱的水质分析方法研究进展与应用", 《光谱学与光谱分析》 * |
刘国肖: "紫外-可见全光谱分析仪在水质监测领域的研究进展与应用", 《价值工程》 * |
周思寒: "基于云平台的水污染预警方法研究", 《中国优秀硕士学位论文全文数据库工程科技Ⅰ辑》 * |
汤戈: "基于分布式紫外—可见光谱法水质监测系统的数据处理方法技术研究", 《中国优秀硕士学位论文全文数据库工程科技Ⅰ辑》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11561169B2 (en) | Method for constructing water quality index prediction models and method for monitoring water quality indexes | |
US11965871B2 (en) | Method and system for intelligent source tracing of organic pollution of water body | |
CN109470667A (zh) | 一种结合水质参数和三维荧光光谱进行污染物溯源的方法 | |
CN113916847B (zh) | 一种基于光谱技术和线性支持向量算法的水质检测方法 | |
CN103983595B (zh) | 一种基于紫外-可见光谱处理的水质浊度解算方法 | |
CN113049512B (zh) | 基于全波长紫外可见吸收光谱的水质在线监测方法 | |
Wang et al. | High precision wide range online chemical oxygen demand measurement method based on ultraviolet absorption spectroscopy and full-spectrum data analysis | |
CN109633094B (zh) | 一种臭气浓度在线监测方法 | |
CN113267462A (zh) | 一种应用紫外光谱对水体有机污染特征进行表征的方法 | |
CN114894725A (zh) | 一种水质多参数的光谱数据Stacking融合模型及水质多参数测量方法 | |
CN114563381A (zh) | 一种水体污染溯源方法 | |
CN112986497B (zh) | 基于气体传感器阵列指纹识别的污染气体溯源方法 | |
CN113240006A (zh) | 废水排放的监测方法、装置、电子设备及存储介质 | |
CN113376114A (zh) | 一种基于紫外-可见光谱数据的水污染溯源方法 | |
CN117129466A (zh) | 一种水利工程材料含水率检测方法 | |
CN116858822A (zh) | 一种基于机器学习和拉曼光谱的水体中磺胺嘧啶定量分析方法 | |
CN116953184A (zh) | 余氯在线检测模型的构建方法及余氯浓度在线检测方法 | |
CN110887798A (zh) | 基于极端随机树的非线性全光谱水体浊度定量分析方法 | |
Yu et al. | Detection of water contamination events using fluorescence spectroscopy and alternating trilinear decomposition algorithm | |
CN113406037B (zh) | 一种基于序列前向选择的红外光谱在线快速识别分析方法 | |
CN113295674B (zh) | 一种基于s变换的激光诱导击穿光谱特征非线性处理方法 | |
CN115855898A (zh) | 一种基于大数据的水质指纹溯源方法和系统 | |
CN111289451B (zh) | 复杂光谱组分浓度定量计算的方法 | |
Liu et al. | A review on optical measurement method of chemical oxygen demand in water bodies | |
CN111007220B (zh) | 一种生猪养殖污水水质敏捷监测的方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210910 |
|
RJ01 | Rejection of invention patent application after publication |