CN114235726B - 微流控总氮浓度检测的数据处理方法、系统、设备及介质 - Google Patents
微流控总氮浓度检测的数据处理方法、系统、设备及介质 Download PDFInfo
- Publication number
- CN114235726B CN114235726B CN202111473244.8A CN202111473244A CN114235726B CN 114235726 B CN114235726 B CN 114235726B CN 202111473244 A CN202111473244 A CN 202111473244A CN 114235726 B CN114235726 B CN 114235726B
- Authority
- CN
- China
- Prior art keywords
- value
- concentration
- linear regression
- regression model
- data
- 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
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 title claims abstract description 96
- 229910052757 nitrogen Inorganic materials 0.000 title claims abstract description 48
- 238000001514 detection method Methods 0.000 title claims abstract description 29
- 238000003672 processing method Methods 0.000 title claims abstract description 17
- 238000012417 linear regression Methods 0.000 claims abstract description 76
- 230000007613 environmental effect Effects 0.000 claims abstract description 44
- 239000007788 liquid Substances 0.000 claims abstract description 41
- 238000002835 absorbance Methods 0.000 claims abstract description 37
- 239000012086 standard solution Substances 0.000 claims abstract description 33
- 238000000034 method Methods 0.000 claims abstract description 19
- 238000005259 measurement Methods 0.000 claims abstract description 17
- 238000012360 testing method Methods 0.000 claims abstract description 15
- 239000011159 matrix material Substances 0.000 claims description 33
- 238000012545 processing Methods 0.000 claims description 16
- 230000003287 optical effect Effects 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000004891 communication Methods 0.000 claims description 9
- 239000000203 mixture Substances 0.000 claims description 5
- 238000006467 substitution reaction Methods 0.000 claims description 2
- 239000000243 solution Substances 0.000 description 8
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 229910002651 NO3 Inorganic materials 0.000 description 2
- NHNBFGGVMKEFGY-UHFFFAOYSA-N Nitrate Chemical compound [O-][N+]([O-])=O NHNBFGGVMKEFGY-UHFFFAOYSA-N 0.000 description 2
- 239000003153 chemical reaction reagent Substances 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
- GHMLBKRAJCXXBS-UHFFFAOYSA-N resorcinol Chemical compound OC1=CC=CC(O)=C1 GHMLBKRAJCXXBS-UHFFFAOYSA-N 0.000 description 2
- 229910052724 xenon Inorganic materials 0.000 description 2
- FHNFHKCVQCLJFQ-UHFFFAOYSA-N xenon atom Chemical compound [Xe] FHNFHKCVQCLJFQ-UHFFFAOYSA-N 0.000 description 2
- 230000002378 acidificating effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000029087 digestion Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- QJGQUHMNIGDVPM-UHFFFAOYSA-N nitrogen group Chemical group [N] QJGQUHMNIGDVPM-UHFFFAOYSA-N 0.000 description 1
- 239000007800 oxidant agent Substances 0.000 description 1
- 230000003647 oxidation Effects 0.000 description 1
- 238000007254 oxidation reaction Methods 0.000 description 1
- 230000001590 oxidative effect Effects 0.000 description 1
- 238000005375 photometry Methods 0.000 description 1
- 239000000376 reactant Substances 0.000 description 1
- 238000012549 training Methods 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
-
- 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
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- 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
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Software Systems (AREA)
- Spectroscopy & Molecular Physics (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Algebra (AREA)
- Immunology (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Pathology (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明提出了一种微流控总氮浓度检测的数据处理方法、系统、设备及介质，准备多组标液浓度值已知的总氮标液，采集多组不同环境数据，根据标液浓度b0、环境数据以及测量电压值构建第一多元线性回归模型，计算得到非0浓度标液b1～bn在不同环境下的计算电压值并实时计算出对应吸光度值Ak；根据计算电压值吸光度值Ak以及环境数据构建第二多元线性回归模型；将当前多个实际测量的环境数据代入到所述第二多元线性回归模型中，计算校准值，进行测试，计算校准误差并根据所述校准误差对所述第二多元线性回归模型进行迭代。本发明通过收集数据，实时对模型进行更新迭代来预测校准后的数据，减小了测量数据误差，提高了测量精度。
Description
技术领域
本发明涉及总氮浓度检测技术领域，尤其涉及一种微流控总氮浓度检测的数据处理方法、系统、设备及介质。
背景技术
目前常规的在线测量总氮设备，是通过过硫酸钾氧化剂和水样在高温高压下，水样中的各种含氮化合物经过过硫酸钾氧化消解转变成硝酸盐。在酸性条件下，硝酸盐与间苯二酚发生显色反应，颜色的深浅与水样中总氮含量成正比，通过光度法测量反应物的吸光度值，从而得到样品中的总氮含量。
在上述过程当中，总氮需要的光源波长为220nm波长光才能穿透，而常规的LED发光管波长都只有大于275nm的波长光，无法满足总氮的试剂检测条件，其他特殊定制型光源体积很大，而且光强频率无法调整，无法满足微流控设备微型试剂3mm盘芯片的检测结构，因此只能采用全波长闪烁氙灯和220nm滤光片的方法才能得到所需的光源；再通过全波长PD光电检测二极管接收对应信号，分析测试值，计算总氮吸光度浓度。但是在整个光信号发射与接收的过程中，受到氙灯光源信号强度L、光源到PD距离R、环境温度T的影响，检测数据会发生明显的不同，虽然吸光度与浓度都是能够对应上成线性y(浓度)＝a*x(吸光度)+b，但斜率a值会因为L、R、T的不同而产生变化，如不能动态自动校准，则会影响不同环境下的测量误差。
因此，当前还没有一个普遍适用的方法，能够解决220nm光信号检测中因更换测试环境时引起的数据误差偏大和持续测量过程中测量精度逐渐降低的问题。
发明内容
有鉴于此，本发明提出了一种微流控总氮浓度检测的数据处理方法，用于解决220nm光信号检测中因更换测试环境时引起的误差偏大和持续测量过程中测量精度逐渐降低的问题。
本发明的技术方案是这样实现的：
本发明第一方面，公开一种微流控总氮浓度检测的数据处理方法，所述方法包括：
S1，准备n+1组总氮标液[b0,b1,b2,…,bn]，所述标液浓度值b0～bn全部已知，其中b0表示标液浓度为0；获得n组不同环境下的环境数据；
S2，测量不同环境中0浓度标液的测量电压值根据所述标液浓度b0、环境数据以及测量电压值/>构建第一多元线性回归模型，计算出参数矩阵β的值和误差值ε1；
S3，将n组环境数据代入所述第一多元线性回归模型，计算出非0浓度标液b1～bn在不同环境下的计算电压值并根据吸光度值计算公式计算出对应吸光度值Ak；根据计算电压值/>对应的吸光度值Ak以及环境数据构建第二多元线性回归模型，计算得到参数矩阵r的值和误差值ε2；
S4，将当前多个实际测量的环境数据代入到所述第二多元线性回归模型中，计算校准值进行测试；
S5，计算校准误差并根据所述校准误差对所述第二多元线性回归模型进行迭代。
本发明通过上述方法，收集数据，建立模型并实时迭代，通过模型校准数据，减小测量数据误差，提高测量精度。
在以上技术方案的基础上，优选的，步骤S1中n组不同环境下的环境数据具体包括：
0浓度标液在光检测信号下的测量电压值经过AD信号处理后的光信号电压值VV＝[VV1,VV2,…,VVn]，不同温度T＝[T1,T2,…,Tn]，不同光源强度L＝[L1,L2,…,Ln]和不同光源到全波长PD接收二极管的距离R＝[R1,R2,…,Rn]。
在以上技术方案的基础上，优选的，步骤S1中还包括：
将n+1组总氮标液的浓度值及对应的环境数据存储在缓存区，所述缓存区包括：0浓度缓存区和非0浓度缓存区，存储结构如下：
0浓度缓存区：
非0浓度缓存区：[b1,VV1,L1,R1,T1]，[b2,VV2,L2,R2,T2]，[b3,VV3,L3,R3,T3]，……，[bn,VVn,Ln,Rn,Tn]。
本发明通过上述方法，将0浓度标液、非0浓度标液与对应的环境数据分开存储，后续对这些数据可以进行实时迭代更新，从而实现对校准模型的迭代更新。
在以上技术方案的基础上，优选的，步骤S2具体包括：
实际测量得到不同环境下0浓度标液的测量电压值代入根据所述标液浓度数据b0、环境数据以及测量电压值构建的第一多元线性回归模型：
其中，为0浓度标液的测量电压值，β0、β1、β2、β3、β4为参数，Tn为温度值、Ln为光源强度值、Rn为距离值，b0表示标液浓度为0，ε1为误差值。
并将所述第一多元线性回归模型转换为矩阵：
β＝[β0 β1 β2 β3 β4]T
ε＝[ε1 ε1 ε1 … ε1]T
根据矩阵方程Vb＝Xβ+ε，计算得到参数矩阵[β0 β1 β2 β3 β4]的值与误差值ε1，矩阵ε由n个ε1组成。
本发明通过上述方法，得到第一多元线性回归模型的参数和误差，获得完整的第一多元线性回归模型。
在以上技术方案的基础上，优选的，步骤S3具体包括：
代入不同的环境数据Tk、Lk、Rk及b0到所述第一多元线性回归模型得到非0浓度标液b1～bn在不同环境下的计算电压值
并根据所述计算电压值和测量的得到的非0浓度标液经过AD信号处理后的光信号电压值VVk，通过吸光度值计算公式计算出非0浓度标液b1～bn在不同环境下对应的吸光度值Ak：
根据计算电压值对应的吸光度值Ak、b1～bn以及环境数据构建第二多元线性回归模型：
bn＝r0+r1*Tn+r2*Ln+r3*An+r4*Rn+ε2
将所述第二多元线性回归模型转换为矩阵：
b＝[b1 b2 b3 … bn]T
r＝[r0 r1 r2 r3 r4]T
εε＝[ε2 ε2 ε2 … ε2]T
根据矩阵方程b＝XX*r+εε，得到参数矩阵[r0 r1 r2 r3 r4]的值与误差值ε2，矩阵εε由n个ε2组成。
本发明通过上述方法，得到第二多元线性回归模型的参数和误差，获得完整的第二多元线性回归模型，所述校准值用于后续对校准模型的迭代更新。
在以上技术方案的基础上，优选的，步骤S4具体包括：
将当前实时测量的多个环境数据：温度Tj、光源强度Lj、距离Rj和经过AD信号处理后的光信号电压值VVj，以及所述标液浓度b0代入所述第一多元线性回归模型计算得到当前未知浓度j的计算电压值根据吸光度值计算公式计算得到对应的吸光度值/>通过第二多元线性回归模型得到校准值，进行测试：
bj＝r0+r1*Tj+r2*Lj+r3*Aj+r4*Rj+ε2
若bj收敛于[b0，bn]，则yj真实有效，将校准值bj与对应的环境数据以及计算电压值存储在所述缓存区中。
本发明通过上述方法，对第二多元线性回归模型进行测试，更新存储环境数据和计算电压值，将更适合当前条件的数据存储进缓存区作为学习数据，实现校准模型的迭代更新。
在以上技术方案的基础上，优选的，步骤S5具体包括：
将当前测量到的多个电压数据VVi以及测量电压值代入吸光度计算公式，得到当前多个吸光度值Ai；
将当前测量到的多个环境数据Ti、Li、Ri及Ai到代入所述第二多元线性回归模型，并获取缓存区中与环境数据对应的校准值bi，计算线性误差：
原始数据偏差：
迭代后学习数据长度由n增加为n+1，其偏差为：
比较线性误差Δε1与Δε2，如果Δε2<Δε1，则迭代第二多元线性回归模型中的参数和误差值。
本发明通过上述方法，对第二多元线性回归模型进行迭代，使得模型更适应当前条件，提高对于数据的校准精度。
本发明第二方面，公开一种微流控总氮浓度检测的数据处理系统，所述系统包括：
数据采集模块：用于采集n+1组总氮标液浓度值[b0,b1,b2,…,bn]，其中b0表示标液浓度为0；采集n组不同环境下的环境数据；
第一线性回归模型模块：用于根据不同环境中0浓度标液的测量电压值标液浓度b0以及环境数据构建第一多元线性回归模型，计算出参数矩阵β的值和误差值ε1；
第二线性回归模型模块：用于根据非0浓度标液在不同环境下的计算电压值对应的吸光度值Ak以及环境数据构建第二多元线性回归模型，计算得到参数矩阵r的值和误差值ε2；
校准测试模块：将当前多个实际测量的环境数据代入到所述第二多元线性回归模型中，计算校准值，进行测试；
模型迭代模块：计算校准误差并根据所述校准误差对第二多元线性回归模型进行迭代。
本发明第三方面，公开一种电子设备，所述设备包括：至少一个处理器、至少一个存储器、通信接口和总线；其中，所述处理器、存储器、通信接口通过所述总线完成相互间的通信；所述存储器存储有可被所述处理器执行的一种微流控总氮浓度检测的数据处理方法程序，一种微流控总氮浓度检测的数据处理方法程序配置为实现如本发明第一方面所述的一种微流控总氮浓度检测的数据处理方法。
本发明第四方面，公开一种计算机可读存储介质，所述存储介质上存储有一种微流控总氮浓度检测的数据处理方法程序，所述一种微流控总氮浓度检测的数据处理方法程序被执行时实现如本发明第一方面所述的一种微流控总氮浓度检测的数据处理方法。
本发明的一种微流控总氮浓度检测的数据处理方法相对于现有技术具有以下有益效果：
(1)通过建立第一多元线性回归模型和第二多元线性回归模型并实时迭代，校准数据，减小测量数据误差，提高测量精度；
(2)对第一多元线性回归模型和第二多元线性回归模型，根据当前的环境数据对其进行训练迭代，使其参数更适合当前环境，在工作时能根据当前环境实时迭代调整，增强有效性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明一种微流控总氮浓度检测的数据处理方法工作流程图。
具体实施方式
下面将结合本发明实施方式，对本发明实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式仅仅是本发明一部分实施方式，而不是全部的实施方式。基于本发明中的实施方式，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施方式，都属于本发明保护的范围。
实施例
本发明一种微流控总氮浓度检测的数据处理方法工作流程见图1，处理步骤说明如下：
第一步，收集数据，准备n+1组总氮标液[b0,b1,b2,…,bn]，所述标液浓度值b0～bn全部已知，其中b0表示标液浓度为0；获得n组不同环境下的环境数据，0浓度标液在光检测信号下的电压值V以及经过AD信号处理后的光信号电压值VV，光源强度L，光源到全波长PD接收二极管的距离R以及环境温度T，并存储在缓存区。转第二步。
应当理解的是，n组不同环境下的环境数据，其形式为：0浓度标液在光检测信号下的测量电压值非0浓度标液经过AD信号处理后的光信号电压值VV＝[VV1,VV2,…,VVn]，不同温度T＝[T1,T2,…,Tn]，不同光源强度L＝[L1,L2,…,Ln]和不同光源到全波长PD接收二极管的距离R＝[R1,R2,…,Rn]。
第二步，构建校准模型，所述校准模型包括：
缓存区：包括0浓度缓存区和非0浓度缓存区；将n+1组总氮标液的浓度值及对应的环境数据存储在缓存区，缓存区中包括0浓度缓存区和非0浓度缓存区，存储结构如下：
0浓度缓存区：
非0浓度缓存区：[b1,VV1,L1,R1,T1]，[b2,VV2,L2,R2,T2]，[b3,VV3,L3,R3,T3]，……，[bn,VVn,Ln,Rn,Tn]；
第一多元线性回归模型：
其中，为电压值，所述电压值为测量电压值或计算电压值，β0、β1、β2、β3、β4为参数，Tn为温度值、Ln为光源强度值、Rn为距离值，b0表示标液浓度为0，ε1为误差值；
吸光度值计算公式：
其中，An为吸光度值，为电压值，所述电压值为测量电压值或计算电压值，VVn为测量的经过AD信号处理后的光信号电压值；
第二多元线性回归模型：
bn＝r0+r1*Tn+r2*Ln+r3*An+r4*Rn+ε2
其中bn为非0浓度标液浓度值，范围为b1～bn，r0、r1、r2、r3、r4为参数，Tn为温度值、Ln为光源强度值、Rn为距离值，An为吸光度值，ε2为误差值。转第三步。
第三步，测量不同环境中0浓度标液的测量电压值将所述标液浓度数据b0、环境数据以及测量电压值输入校准模型中的第一多元线性回归模型计算出参数矩阵β的值和误差值ε1。转第四步。
应当理解的是，计算出参数矩阵β的值和误差值ε1的过程具体包括：
实际测量得到不同环境下0浓度标液的测量电压值代入第一多元线性回归模型：
其中，为0浓度标液的测量电压值，β0、β1、β2、β3、β4为参数，Tn为温度值、Ln为光源强度值、Rn为距离值，b0表示标液浓度为0，ε1为误差值。
并将所述第一多元线性回归模型转换为矩阵：
β＝[β0 β1 β2 β3 β4]T
ε＝[ε1 ε1 ε1 … ε1]T
根据矩阵方程Vb＝Xβ+ε，计算得到参数矩阵[β0 β1 β2 β3 β4]的值与误差值ε1，矩阵ε由n个ε1组成。
第四步，将不同环境数据代入所述第一多元线性回归模型，计算出非0浓度标液b1～bn在不同环境下的计算电压值并根据校准模型中的吸光度值计算公式计算出对应吸光度值Ak；根据校准模型中的第二多元线性回归模型计算得到参数矩阵r的值和误差值ε2。转第五步。
应当理解的是，第四步步骤具体包括：
代入不同的环境数据Tk、Lk、Rk及b0到所述第一多元线性回归模型得到非0浓度标液b1～bn在不同环境下的计算电压值
并根据所述计算电压值和测量的得到非0浓度标液的经过AD信号处理后的光信号电压值VVk，通过吸光度值计算公式计算出不同浓度标液b1～bn在不同环境下对应的吸光度值Ak：
其中，为非0浓度标液b1～bn在不同环境下的计算电压值，VVk为测量不同环境中AD信号处理后的光信号电压值。
第五步，代入当前多个实际测量的环境数据，到所述第二多元线性回归模型中，计算校准值，进行测试。转第六步。
应当理解的是，第五步步骤具体包括：将当前实时测量的多个环境数据：温度Tj、光源强度Lj、距离Rj和经过AD信号处理后的光信号电压值VVj，以及所述标液浓度b0代入所述第一多元线性回归模型计算得到当前未知浓度j的计算电压值根据吸光度值计算公式计算得到对应的吸光度值/>通过第二多元线性回归模型得到校准值：
bj＝r0+r1*Tj+r2*Lj+r3*Aj+r4*Rj+ε2
若bj收敛于[b0，bn]，则bj真实有效，将校准值bj与对应的环境数据以及计算电压值存储在所述缓存区中。
第六步，计算校准误差并根据所述校准误差对所述校准模型进行迭代。
将当前测量到的多个电压数据VVi以及测量电压值代入吸光度计算公式，得到当前多个吸光度值Ai；
将当前测量到的多个环境数据Ti、Li、Ri及Ai到代入所述第二多元线性回归模型，并获取缓存区中与环境数据对应的校准值bi，计算线性误差：
原始数据偏差：
迭代后学习数据长度由n增加为n+1，其偏差为：
比较线性误差Δε1与Δε2，如果Δε2<Δε1，则迭代第二多元线性回归模型中的参数和误差值，完成对校准模型的迭代。
存在两组实测数据，第一组数据见表1：
表1
由第一组实测数据可以发现：距离R越大，说明光源与接收距离越大，信号越小；温度T越大，说明温度越高，信号值越大，而温度在10度与20度时，虽然距离R由10.8mm变成15mm，但是测量电压值为1.054大于0.852；而光照强度L波动基本不大。
第二组数据见表2：
表2
由第一组实测数据可以发现：测量电压值的变化基本还是跟随溶液浓度而变化，但是变化趋势会受到温度、距离、光强趋势的影响。
构建校准模型后，数据对比如表3：
表3
通过表3的数据对比可以发现，对校准模型迭代次数越多，R2越接近于1，线性度越好，意味着越适应当前环境。
本发明还公开一种微流控总氮浓度检测的数据处理系统，所述系统包括：
数据采集模块：用于采集n+1组总氮标液浓度值bn＝[b0,b1,b2,…,bn]，其中b0表示标液浓度为0；采集n组不同环境下的环境数据；
第一线性回归模型模块：用于根据不同环境中0浓度标液的测量电压值标液浓度b0以及环境数据构建第一多元线性回归模型，计算出参数矩阵β的值和误差值ε1；
第二线性回归模型模块：用于根据非0浓度标液在不同环境下的计算电压值对应的吸光度值Ak以及环境数据构建第二多元线性回归模型，计算得到参数矩阵r的值和误差值ε2；
校准测试模块：将当前多个实际测量的环境数据代入到所述第二多元线性回归模型中，计算校准值，进行测试；
模型迭代模块：计算校准误差并根据所述校准误差对第二多元线性回归模型进行迭代。本发明还公开一种电子设备，所述设备包括：至少一个处理器、至少一个存储器、通信接口和总线；其中，所述处理器、存储器、通信接口通过所述总线完成相互间的通信；所述存储器存储有可被所述处理器执行的一种微流控总氮浓度检测的数据处理方法程序，一种微流控总氮浓度检测的数据处理方法程序配置为实现如本发明实施例所述的一种微流控总氮浓度检测的数据处理方法。
本发明还公开一种计算机可读存储介质，所述存储介质上存储有一种微流控总氮浓度检测的数据处理方法程序，所述一种微流控总氮浓度检测的数据处理方法程序被执行时实现如本发明实施例所述的一种微流控总氮浓度检测的数据处理方法。
以上所述仅为本发明的较佳实施方式而已，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。
Claims (5)
1.一种微流控总氮浓度检测的数据处理方法，其特征在于，所述一种微流控总氮浓度检测的数据处理方法包括以下步骤：
S1，准备n+1组总氮标液[b0,b1,b2,…,bn]，标液浓度值b0～bn全部已知，其中b0表示标液浓度为0；获得n组不同环境下的环境数据；
所述步骤S1中n组不同环境下的环境数据包括：0浓度标液在光检测信号下的测量电压值非0浓度标液经过AD信号处理后的光信号电压值VV＝[VV1,VV2,…,VVn]，不同温度T＝[T1,T2,…,Tn]，不同光源强度L＝[L1,L2,…,Ln]和不同光源到全波长PD接收二极管的距离R＝[R1,R2,…,Rn]；
S2，测量不同环境中0浓度标液的测量电压值根据所述标液浓度b0、环境数据以及测量电压值/>构建第一多元线性回归模型，计算出参数矩阵β的值和误差值ε1；
所述步骤S2具体包括：实际测量得到不同环境下0浓度标液的测量电压值代入根据所述标液浓度数据b0、环境数据以及测量电压值构建的第一多元线性回归模型：
其中，为0浓度标液测量电压值，β0、β1、β2、β3、β4为参数，Tn为温度值、Ln为光源强度值、Rn为距离值，b0表示标液浓度为0，ε1为误差值；
并将所述第一多元线性回归模型转换为矩阵：
β＝[β0β1β2β3β4]T
ε＝[ε1ε1ε1…ε1]T
根据矩阵方程Vb＝Xβ+ε，计算得到参数矩阵[β0β1β2β3β4]的值与误差值ε1，矩阵ε由n个ε1组成；
S3，将n组环境数据代入所述第一多元线性回归模型，计算出非0浓度标液b1～bn在不同环境下的计算电压值并根据吸光度值计算公式计算出对应吸光度值Ak；根据计算电压值/>对应的吸光度值Ak以及环境数据构建第二多元线性回归模型，计算得到参数矩阵r的值和误差值ε2；
所述步骤S3具体包括：代入不同的环境数据Tk、Lk、Rk及b0到所述第一多元线性回归模型得到非0浓度标液b1～bn在不同环境下的计算电压值
并根据所述计算电压值和测量的得到的非0浓度标液经过AD信号处理后的光信号电压值VVk，通过吸光度值计算公式计算出非0浓度标液b1～bn在不同环境下对应的吸光度值Ak：
根据计算电压值对应的吸光度值Ak、b1～bn、以及环境数据构建第二多元线性回归模型：
bn＝r0+r1*Tn+r2*Ln+r3*An+r4*Rn+ε2
将所述第二多元线性回归模型转换为矩阵：
b＝[b1b2b3…bn]T
r＝[r0r1r2r3r4]T
εε＝[ε2ε2ε2…ε2]T
根据矩阵方程b＝XX*r+εε，得到参数矩阵[r0r1r2r3r4]的值与误差值ε2，矩阵εε由n个ε2组成；
S4，将当前多个实际测量的环境数据代入到所述第二多元线性回归模型中，计算校准值，进行测试；
所述步骤S4具体包括：
将当前实时测量的多个环境数据：温度Tj、光源强度Lj、距离Rj和经过AD信号处理后的光信号电压值VVj，以及所述0浓度标液浓度b0代入所述第一多元线性回归模型计算得到当前未知浓度j的计算电压值根据吸光度值计算公式计算得到对应的吸光度值/>通过第二多元线性回归模型得到校准值，进行测试：
bj＝r0+r1*Tj+r2*Lj+r3*Aj+r4*Rj+ε2
若bj收敛于[b0，bn]，则bj真实有效，将校准值bj与对应的环境数据以及计算电压值存储在缓存区中；
S5，计算校准误差并根据所述校准误差对所述第一多元线性回归模型和第二多元线性回归模型进行迭代；
所述步骤S5具体包括：将当前测量到的多个电压数据VVi以及测量电压值代入吸光度计算公式，得到当前多个吸光度值Ai；
将当前测量到的多个环境数据Ti、Li、Ri及Ai到代入所述第二多元线性回归模型，并获取缓存区中与环境数据对应的校准值bi，计算线性误差：
原始数据偏差：
迭代后学习数据长度由n增加为n+1，其偏差为：
比较线性误差Δε1与Δε2，如果Δε2<Δε1，则迭代第二多元线性回归模型中的参数和误差值。
2.如权利要求1所述的一种微流控总氮浓度检测的数据处理方法，其特征在于，所述步骤S1中，还包括：
将n+1组总氮标液的浓度值及对应的环境数据存储在缓存区，所述缓存区包括：0浓度缓存区和非0浓度缓存区，存储结构如下：
0浓度缓存区：
非0浓度缓存区：[b1,VV1,L1,R 1,T1]，[b2,VV2,L2,R 2,T2]，
[b3,VV3,L3,R 3,T3]，……，[bn,VVn,Ln,Rn,Tn]。
3.使用权利要求1～2任一项所述方法的一种微流控总氮浓度检测的数据处理系统，其特征在于，所述系统包括：
数据采集模块：用于采集n+1组总氮标液浓度值[b0,b1,b2,…,bn]，其中b0表示标液浓度为0；采集n组不同环境下的环境数据；
第一线性回归模型模块：用于根据不同环境中0浓度标液的测量电压值标液浓度b0以及环境数据构建第一多元线性回归模型，计算出参数矩阵β的值和误差值ε1；
第二线性回归模型模块：用于根据非0浓度标液在不同环境下的计算电压值对应的吸光度值Ak以及环境数据构建第二多元线性回归模型，计算得到参数矩阵r的值和误差值ε2；
校准测试模块：将当前多个实际测量的环境数据代入到所述第二多元线性回归模型中，计算校准值，进行测试；
模型迭代模块：计算校准误差并根据所述校准误差对第二多元线性回归模型进行迭代。
4.一种电子设备，其特征在于，包括至少一个处理器、至少一个存储器、通信接口和总线；其中，所述处理器、存储器、通信接口通过所述总线完成相互间的通信；所述存储器存储有可被所述处理器执行的一种微流控总氮浓度检测的数据处理方法程序，一种微流控总氮浓度检测的数据处理方法程序配置为实现如权利要求1至2任一项的一种微流控总氮浓度检测的数据处理方法。
5.一种计算机可读存储介质，其特征在于，所述存储介质上存储有一种微流控总氮浓度检测的数据处理方法程序，所述一种微流控总氮浓度检测的数据处理方法程序被执行时实现如权利要求1至2中任一项的一种微流控总氮浓度检测的数据处理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111473244.8A CN114235726B (zh) | 2021-12-06 | 2021-12-06 | 微流控总氮浓度检测的数据处理方法、系统、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111473244.8A CN114235726B (zh) | 2021-12-06 | 2021-12-06 | 微流控总氮浓度检测的数据处理方法、系统、设备及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114235726A CN114235726A (zh) | 2022-03-25 |
| CN114235726B true CN114235726B (zh) | 2023-10-20 |
Family
ID=80753387
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111473244.8A Active CN114235726B (zh) | 2021-12-06 | 2021-12-06 | 微流控总氮浓度检测的数据处理方法、系统、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114235726B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117148252B (zh) * | 2023-10-31 | 2024-01-12 | 湖南智焜能源科技有限公司 | 一种开关量测单元和多ct互联互通的精度自校准方法 |
| CN117848985A (zh) * | 2024-03-06 | 2024-04-09 | 杭州泽天春来科技股份有限公司 | 气体浓度分析方法及装置 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH1137935A (ja) * | 1997-07-18 | 1999-02-12 | Fuji Electric Co Ltd | 下水中の複数成分定量方法とその装置 |
| CN106841066A (zh) * | 2017-01-16 | 2017-06-13 | 浙江大学 | 一种用于光谱法cod检测中的局部校准方法 |
| CN110426359A (zh) * | 2019-08-09 | 2019-11-08 | 山东省科学院海洋仪器仪表研究所 | 一种浓度自适应海水总氮/总磷的检测装置及方法 |
| CN111351762A (zh) * | 2020-04-22 | 2020-06-30 | 青岛理工大学 | 一种紫外-可见光全波长扫描污水水质在线快速检测方法和应用 |
| CN111735788A (zh) * | 2020-07-21 | 2020-10-02 | 赛默飞世尔（上海）仪器有限公司 | 在水质分析仪中用于确定样品浓度的方法和水质分析仪 |
-
2021
- 2021-12-06 CN CN202111473244.8A patent/CN114235726B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH1137935A (ja) * | 1997-07-18 | 1999-02-12 | Fuji Electric Co Ltd | 下水中の複数成分定量方法とその装置 |
| CN106841066A (zh) * | 2017-01-16 | 2017-06-13 | 浙江大学 | 一种用于光谱法cod检测中的局部校准方法 |
| CN110426359A (zh) * | 2019-08-09 | 2019-11-08 | 山东省科学院海洋仪器仪表研究所 | 一种浓度自适应海水总氮/总磷的检测装置及方法 |
| CN111351762A (zh) * | 2020-04-22 | 2020-06-30 | 青岛理工大学 | 一种紫外-可见光全波长扫描污水水质在线快速检测方法和应用 |
| CN111735788A (zh) * | 2020-07-21 | 2020-10-02 | 赛默飞世尔（上海）仪器有限公司 | 在水质分析仪中用于确定样品浓度的方法和水质分析仪 |
Non-Patent Citations (1)
| Title |
|---|
| 穆秀圣等.温度变化对紫外分光光度法测量COD的影响.《分析仪器》.2008,53-55. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114235726A (zh) | 2022-03-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114235726B (zh) | 微流控总氮浓度检测的数据处理方法、系统、设备及介质 | |
| WO2017084118A1 (zh) | 一种近红外光谱分析仪在线应用时无测点温度补偿模型修正方法 | |
| US4373818A (en) | Method and device for analysis with color identification test paper | |
| ATE478333T1 (de) | Verwendung von mehrfachen datenpunkten und filterung in einem analytsensor | |
| CN104764693B (zh) | 带自动量程校准的便携式红外气体分析仪及校准方法 | |
| UA86820C2 (uk) | Спосіб створення незалежних багатомірних градуювальних моделей | |
| CN113324973B (zh) | 一种结合光谱内标的多因素校正拉曼光谱定量分析方法 | |
| EA200900029A1 (ru) | Способ создания многомерных градуировочных моделей, устойчивых к изменениям свойств, влияющих на результаты измерений прибора | |
| Gutiérrez et al. | Hybrid electronic tongue based on optical and electrochemical microsensors for quality control of wine | |
| CN110987846A (zh) | 一种基于iPLS-PA算法的硝酸盐浓度预测方法 | |
| CN108680523B (zh) | 利用多种拟合方式衔接标准曲线的待测物测定方法 | |
| KR101706702B1 (ko) | 포도당 농도 검출 방법 | |
| CN105548068B (zh) | 动态演化模型校正方法及系统 | |
| Che et al. | Research on chemical oxygen demand based on laser Fluorescence-Raman spectroscopy | |
| Kristiansen et al. | Uncertainty of atomic absorption spectrometry: application to the determination of lead in blood | |
| CN111896497A (zh) | 一种基于预测值的光谱数据修正方法 | |
| Moreira et al. | Calibration of a photometer for quantification of ethanol in gasoline: Absorbance determination | |
| CN113960256B (zh) | 一种含水仪的温度补偿方法 | |
| CN106018401A (zh) | 一种水中氯离子含量的测定方法 | |
| JP2010261895A (ja) | 溶液中微量成分の濃度測定方法及び濃度測定装置 | |
| CN105300924A (zh) | 温度影响下近红外校正模型的无测点补偿建模方法 | |
| CN109596556A (zh) | 利用槲皮素快速简单测定废水中铅离子浓度的方法 | |
| CN106197697A (zh) | 一种温度检测装置 | |
| Oulman et al. | A colorimetric method for determining dissolved oxygen | |
| CN108414461A (zh) | 一种提高硅酸盐成份测试精度的方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |