CN117990633A - 一种挥发性萜烯类物质的空气通量评估方法及系统 - Google Patents
一种挥发性萜烯类物质的空气通量评估方法及系统 Download PDFInfo
- Publication number
- CN117990633A CN117990633A CN202410396613.5A CN202410396613A CN117990633A CN 117990633 A CN117990633 A CN 117990633A CN 202410396613 A CN202410396613 A CN 202410396613A CN 117990633 A CN117990633 A CN 117990633A
- Authority
- CN
- China
- Prior art keywords
- terpene
- concentration
- wavelength
- air
- grade
- 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
- 150000003505 terpenes Chemical class 0.000 title claims abstract description 252
- 235000007586 terpenes Nutrition 0.000 title claims abstract description 251
- 239000000126 substance Substances 0.000 title claims abstract description 63
- 238000000034 method Methods 0.000 title claims abstract description 46
- 230000004907 flux Effects 0.000 title claims abstract description 29
- 230000004044 response Effects 0.000 claims abstract description 53
- 230000003595 spectral effect Effects 0.000 claims abstract description 42
- 238000012544 monitoring process Methods 0.000 claims abstract description 20
- 230000009467 reduction Effects 0.000 claims abstract description 7
- 239000000463 material Substances 0.000 claims description 53
- 230000006870 function Effects 0.000 claims description 21
- 238000004422 calculation algorithm Methods 0.000 claims description 13
- 230000008569 process Effects 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 6
- 238000012706 support-vector machine Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000001514 detection method Methods 0.000 abstract description 2
- 238000011897 real-time detection Methods 0.000 abstract description 2
- 238000001228 spectrum Methods 0.000 description 11
- 230000000694 effects Effects 0.000 description 9
- 239000007789 gas Substances 0.000 description 4
- 238000010521 absorption reaction Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000003915 air pollution Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000003344 environmental pollutant Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 231100000719 pollutant Toxicity 0.000 description 2
- CBENFWSGALASAD-UHFFFAOYSA-N Ozone Chemical compound [O-][O+]=O CBENFWSGALASAD-UHFFFAOYSA-N 0.000 description 1
- 238000002835 absorbance Methods 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000011203 carbon fibre reinforced carbon Substances 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000004817 gas chromatography Methods 0.000 description 1
- 238000002290 gas chromatography-mass spectrometry Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 150000002823 nitrates Chemical class 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 150000007524 organic acids Chemical class 0.000 description 1
- 235000005985 organic acids Nutrition 0.000 description 1
- 239000007800 oxidant agent Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明涉及空气质量检测技术领域,具体涉及一种挥发性萜烯类物质的空气通量评估方法及系统,该方法包括:采集空气样本中的萜烯类物质含量和光谱图数据;其中,所述光谱图数据中的各元素为各波长对应的光谱吸收率;根据所有空气样本的萜烯类物质含量,获得各空气样本的萜烯类物质浓度等级;根据各萜烯类物质浓度等级中所有空气样本对各波长的光谱吸收率,计算各波长对应的萜烯浓度响应混乱度和信息特异度;根据信息特异度与萜烯浓度响应混乱度获得稀疏负载向量;根据稀疏负载向量获得降维后的样本数据集;根据样本数据集构建分类决策函数,获得实时采集的光谱图监测数据的萜烯类物质浓度等级,提高了空气中萜烯类物质的实时检测精度。
Description
技术领域
本发明涉及空气质量检测技术领域,具体涉及一种挥发性萜烯类物质的空气通量评估方法及系统。
背景技术
挥发性萜烯类物质是一类在城市地区空气污染中具有重要影响的化合物。这些物质往往通过挥发或排放过程释放到大气中,由于其含有碳-碳双键结构,容易受大气氧化剂的作用而发生快速降解,产生各种二次污染物,如臭氧、硝酸盐和有机酸等。这些二次污染物对人体健康和环境都会造成不良影响,因此,评估空气中的挥发性萜烯类物质的含量是检测城市地区空气污染的重要指标。
由于萜烯类物质在城市地区污染空气中的含量较低,为了全面评估城市地区空气中挥发性萜烯类物质的含量及其对空气质量和环境的影响,通常使用空气采样器采集空气样品,然后使用气相色谱-质谱联用技术(GC-MS)或其他分析方法对样品中的挥发性萜烯类物质进行定量和定性分析。在通过光谱等技术对其进行定量测量时,传统的萜烯类物质的测量需要对城市地区萜烯类物质的空气样本进行提纯,才能进一步精确测量萜烯类物质的含量,此种方法所用时间长,检测成本高,且难以做到萜烯类物质的实时检测。
发明内容
为了解决上述技术问题,本发明的目的在于提供一种挥发性萜烯类物质的空气通量评估方法及系统,所采用的技术方案具体如下:
第一方面,本发明实施例提供了一种挥发性萜烯类物质的空气通量评估方法,该方法包括以下步骤:
步骤S10,采集各空气样本中的萜烯类物质含量和光谱图数据;其中,所述光谱图数据中的各元素为对应各波长的光谱吸收率;根据所有空气样本的萜烯类物质含量,获得各空气样本的萜烯类物质浓度等级;
步骤S20,根据各萜烯类物质浓度等级中所有空气样本对各波长的光谱吸收率,计算各波长对应的萜烯浓度响应混乱度和信息特异度;
步骤S21,根据相邻萜烯类物质浓度等级中所有空气样本对各波长的光谱吸收率,获得各波长对应的萜烯浓度响应范围;
步骤S22,根据各波长对应的萜烯浓度响应范围计算不同萜烯类物质浓度等级在各波长处的萜烯浓度确定概率;
步骤S23,根据各波长处的萜烯浓度确定概率计算各波长对应的萜烯浓度响应混乱度;
步骤S24,根据各波长对应的萜烯浓度响应范围计算萜烯浓度等效范围;
步骤S25,结合萜烯浓度等效范围和萜烯浓度确定概率获得各波长对应的信息特异度;
步骤S30,根据波长对应的信息特异度与萜烯浓度响应混乱度获得稀疏负载向量;根据稀疏负载向量,对所有空气样本采用稀疏PCA算法进行降维,获得降维后的样本数据集;获取实时采集的光谱图监测数据;根据样本数据集中各样本数据对应的空气样本的萜烯类物质浓度等级获得分类决策函数,使用分类决策函数获得光谱图监测数据的萜烯类物质浓度等级。
进一步,所述根据所有空气样本的萜烯类物质含量,获得各空气样本的萜烯类物质浓度等级,包括:
获取所有空气样本的萜烯类物质含量的均值和方差;计算所述均值与三倍方差的和值;获取以数字0为下界,以所述和值为上界的区间,记为萜烯类物质的含量区间;将所述含量区间平均划分为预设数量个子区间;
对于第g个子区间,将子区间中包含的所有空气样本的萜烯类物质浓度等级,记为第g级。
进一步,所述根据相邻萜烯类物质浓度等级中所有空气样本对各波长的光谱吸收率,获得各波长对应的萜烯浓度响应范围,包括:
对于第m个波长,计算各萜烯类物质浓度等级的所有空气样本对第m个波长的光谱吸收率的均值;获取萜烯类物质浓度等级为第g级与第g-1级的所有空气样本的所述均值的差值绝对值;将所有萜烯类物质浓度等级的所述差值绝对值的均值作为第m个波长对应的萜烯浓度响应范围。
进一步,所述根据各波长对应的萜烯浓度响应范围计算不同萜烯类物质浓度等级在各波长处的萜烯浓度确定概率,包括:
计算各萜烯类物质浓度等级的所有空气样本对第m个波长的光谱吸收率的标准差;获取所述萜烯浓度响应范围与所述标准差的比值;将所述比值与数字1之间的最小值作为各萜烯类物质浓度等级在第m个波长处的萜烯浓度确定概率。
进一步,所述根据各波长处的萜烯浓度确定概率计算各波长对应的萜烯浓度响应混乱度,包括:
计算以数字2为底数,以所述萜烯浓度确定概率为真数的对数函数;统计所有空气样本的数量,记为空气样本总数,计算各萜烯类物质浓度等级内包含的空气样本数量与空气样本总数的比值,记为第一比值;获取所述对数函数的计算结果与所述第一比值的乘积;获取所述乘积的相反数;将所有萜烯类物质浓度等级的所述相反数的和值作为第m个波长对应的萜烯浓度响应混乱度。
进一步,所述根据各波长对应的萜烯浓度响应范围计算萜烯浓度等效范围,包括:
计算所述萜烯浓度响应范围与所述标准差的差值绝对值,记为第一差值绝对值;计算所述萜烯浓度响应范围与所述标准差的和值;获取第一差值绝对值与所述和值的比值,记为第二比值;获取数字1与第二比值的差值;将所述差值与所述标准差的乘积作为各萜烯类物质浓度等级在第m个波长处的萜烯浓度等效范围。
进一步,所述结合萜烯浓度等效范围和萜烯浓度确定概率获得各波长对应的信息特异度,表达式为:
式中,是第m个波长对应的信息特异度,M是光谱图数据中元素的数量,/>是萜烯类物质浓度等级的数量,/>是第g个萜烯类物质浓度等级在第m个波长处的萜烯浓度确定概率,/>、/>分别是第g个萜烯类物质浓度等级在第m个、第/>个波长处的萜烯浓度等效范围。
进一步,所述根据波长对应的信息特异度与萜烯浓度响应混乱度获得稀疏负载向量,包括:
将所有波长对应的信息特异度与萜烯浓度响应混乱度的比值,按照从大到小的顺序排列,获得负载向量;将负载向量中除前预设数量个元素之外的其它元素重置为0,获得稀疏负载向量。
进一步,所述根据样本数据集中各样本数据对应的空气样本的萜烯类物质浓度等级获得分类决策函数,使用分类决策函数获得光谱图监测数据的萜烯类物质浓度等级,包括:
将所述样本数据集中各样本数据对应的空气样本的萜烯类物质浓度等级作为各样本数据的分类标签;将所有样本数据及其分类标签输入支持向量机算法,获得分类决策函数;
将实时采集的光谱图监测数据中与样本数据集相同维度的数据,输入分类决策函数,获得光谱图监测数据的分类标签;将光谱图监测数据的分类标签对应的萜烯类物质浓度等级,作为实时采集的光谱图监测数据的萜烯类物质浓度等级。
第二方面,本发明实施例还提供了一种挥发性萜烯类物质的空气通量评估系统,包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述任意一项所述方法的步骤。
本发明至少具有如下有益效果:
本发明提出一种挥发性萜烯类物质的空气通量评估方法及系统,通过分析空气样本的光谱图数据中各波长对应的光谱吸收率与萜烯类物质含量之间的关系,根据浓度等级内光谱吸收率获得波长处光谱吸收率对萜烯浓度响应范围,计算波长对对应的萜烯浓度响应混乱度,表征不同波长处的吸收率对萜烯浓度的响应明确程度,增强光谱数据中的萜烯浓度信息;进一步根据光谱吸收率对萜烯浓度响应范围与等级内所有波长对应的光谱吸收率的范围计算出萜烯浓度等效范围,表征不同波长在不同浓度等级中分辨挥发性萜烯物质浓度的能力;进一步以萜烯浓度确定概率作为萜烯浓度等效范围的权重,计算各波长对应的信息特异度,分辨出光谱数据中不同波长处的萜烯浓度有效信息的冗余程度,选择出其中信息具有代表性的波长,增强光谱数据中的萜烯浓度信息,并以此改进稀疏PCA算法,根据降维后的空气样本的萜烯类物质浓度等级,获得实时监测的光谱图监测数据的萜烯类物质浓度等级,提高了空气中萜烯类物质的实时检测精度。
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和优点,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的介绍,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它附图。
图1为本发明一个实施例提供的一种挥发性萜烯类物质的空气通量评估方法的步骤流程图;
图2为信息特异度的获取流程示意图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种挥发性萜烯类物质的空气通量评估方法及系统,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一个或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种挥发性萜烯类物质的空气通量评估方法及系统的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种挥发性萜烯类物质的空气通量评估方法的步骤流程图,该方法包括以下步骤:
步骤S001,采集空气样本中的萜烯类物质含量,获取各空气样本的光谱图数据。
采集K个地区的空气样本,使用传统的气相色谱分析方法对空气样本进行萜类物质含量测定,空气样本总数K=4000。第n个样本的萜烯类物质含量记为。同时对第n个样本通过快速傅里叶光谱仪获取其光谱图,光谱图数据为长度为M的向量,即光谱图数据中共有M个元素,其中第m个元素为第m个波长对应的光谱吸收率/>,表征样本对第m个波长光线的吸收效果。根据经验光谱图波长范围为/>,分辨率为/>,因此光谱图数据/>的长度M=900。
步骤S002,根据所有空气样本的萜烯类物质含量,获得各空气样本的萜烯类物质浓度等级;根据各萜烯类物质浓度等级中所有空气样本对各波长的光谱吸收率,计算各波长对应的萜烯浓度响应混乱度和信息特异度。
对空气样本的萜烯类物质含量求均值A和方差B,将区间[0,A+3B]作为萜烯类物质的含量区间,将含量区间均分为G个子区间,萜烯类物质含量处于其中第g个子区间时,将该样本记为第g级萜烯类物质浓度,萜烯类物质浓度等级总数G=50。本实施例通过分析空气样本的光谱图数据中各波长对应的光谱吸收率与萜烯类物质含量之间的关系,为获得对萜烯物质浓度的表达能力较好的波长段,选择出其中信息具有代表性的波长。如图2所示通过计算各波长对应的信息特异度改进稀疏PCA算法,减少有效信息的冗余程度,具体流程为:
计算波长对萜烯浓度响应混乱度:
式中,是第m个波长对应的萜烯浓度响应范围,/>是第g个萜烯类物质浓度等级在第m个波长处的萜烯浓度确定概率,/>是第m个波长对应的萜烯浓度响应混乱度,/>是萜烯浓度等级总数,/>、/>分别是第g个、第g-1个萜烯类物质浓度等级包含的所有空气样本对第m个波长的光谱吸收率的均值,/>是第g个萜烯类物质浓度等级包含的所有空气样本对第m个波长的光谱吸收率的标准差,/>为取最小值函数,/>是第g个萜烯类物质浓度等级中的空气样本数量,K是空气样本总数,/>表示以2为底数的对数函数。
式中,相邻浓度等级内所有空气样本对第m个波长的光谱吸收率之间的差异越大,代表第m个波长下的萜烯浓度的响应越剧烈。
式中,由于等级内空气样本的光谱吸收率的标准差表示测量的萜烯浓度变化范围,其中一部分是随样本浓度变化而导致的,另一部分是由于环境中其它气体对光线吸收导致的,因此萜烯浓度响应范围与等级内空气样本的光谱吸收率的标准差的比值大于等于1时,说明在第g个浓度等级中光谱吸收率的变化几乎完全是由萜烯物质的浓度变化引起的,萜烯物质的光谱特征明显,环境其它气体对光谱吸收率的影响可以忽略,因此此时光谱对萜烯浓度确定概率取值为1;当比值小于等于1时,说明在第g个浓度等级中光谱吸收率的变化有部分是由于环境其它气体对光谱吸收导致的,且比值越小环境其它气体的影响越大,因此光谱对萜烯浓度确定概率取值为该比值。
式中,以光谱对萜烯浓度确定概率为第g个浓度等级中光谱吸收率的混乱概率求信息量,信息量越小代表越能通过第g个浓度等级中的光谱吸收率变化确定萜烯物质浓度,萜烯浓度响应混乱度越不混乱。最终以第g个浓度等级中样本浓度数量为权重将信息量加权求和得到波长对萜烯浓度响应混乱度,其值越大代表第m个波长处的光谱吸收率对萜烯物质浓度的响应越混乱,越不能作为测量萜烯浓度的数据。
计算萜烯浓度等效范围:
式中,是第g个萜烯类物质浓度等级在第m个波长处的萜烯浓度等效范围,/>为第m个波长处光谱吸收率对萜烯浓度响应范围,/>是第g个萜烯类物质浓度等级包含的所有空气样本对第m个波长的光谱吸收率的标准差。
式中,萜烯浓度响应范围是光谱吸收率随萜烯浓度等级的变化强度,其与等级内光谱吸收率的范围即标准差,相差越大,代表光谱吸收率在对应的浓度等级内对萜烯物质浓度表达效果越差,进一步将该差值除以两者之和,在用1相减,完成反向归一化,得到第m波长处第g个浓度等级内的光谱吸收率对萜烯浓度的表达效果。具体的,将其乘以光谱对萜烯浓度的表达效果,得到萜烯浓度等效范围,其值越大小代表当萜烯物质浓度在第g个浓度等级内光谱吸收率随之变化的波动范围大小。
进一步计算信息特异度:
式中,是第m个波长对应的信息特异度,M是光谱图数据中元素的数量,即光谱图数据的长度,/>是萜烯类物质浓度等级的数量,/>是第g个萜烯类物质浓度等级在第m个波长处的萜烯浓度确定概率,/>、/>分别是第g个萜烯类物质浓度等级在第m个、第/>个波长处的萜烯浓度等效范围。
式中,先将萜烯浓度等效范围进行归一化处理,其值代表了对应波长处的光谱吸收率数据在不同萜烯浓度等级时变化权重,值越大代表对应波长处在对萜烯浓度信息进行表达时,越侧重于表达该浓度范围的萜烯浓度信息;进一步将第m和l个波长处的归一化萜烯浓度等效范围计算差值,值越大代表第m个波长处数据与其它波长处数据在表征萜烯浓度信息时侧重的浓度范围差异越大,第m个波长处数据与其它波长处数据表达的信息差异性越大,第m个波长处数据的信息越特殊。
式中,萜烯浓度确定概率代表了第m个波长处在第g个萜烯浓度等级中的萜烯信息含量,值越大信息含量越高,因此将其作为权重将归一化的萜烯浓度等效范围差值加权相加,最终得到信息特异度,其值越大代表第m个波长处包含的萜烯物质浓度越多、且信息与其它波长处的信息差异性越大,具有越好的萜烯物质浓度判断效果。
步骤S003,结合信息特异度与萜烯浓度响应混乱度获得稀疏负载向量,对空气样本采用进行降维,获得样本数据集;根据样本数据集构建分类决策函数,获得实时采集的光谱图监测数据的萜烯类物质浓度等级。
本实施例采用了稀疏PCA算法对数据进行处理,稀疏PCA算法为公知技术,具体实施过程不再赘述,为了得到更好的数据降维效果,将各波长处的信息特异度与萜烯浓度响应混乱度的比值,按照从大到小的顺序排列,获得负载向量,然后将负载向量中除了前10%的元素之外的其它元素全部重置为0。最终获得了稀疏负载向量PM,长度为M。
最终,以N个空气样本数据为输入,采用稀疏PCA算法进行计算。设置参数:输出数据维度R=3,稀疏负载向量为PM,以改进稀疏PCA算法。最终输出为降维后的样本数据集DATA,样本数据集DATA中每个数据有三个维度的数据,即三个波长对应的光谱吸收率以及一个分类标签,样本数据集中各样本数据的分类标签为对应的空气样本的萜烯类物质浓度等级。
本实施例采用SVM支持向量机算法对数据集进行处理,具体为:以降维后的样本数据集DATA为输入,采用SVM算法进行计算,输出为分类决策函数。SVM算法为本领域公知技术不再赘述。
进一步,通过快速傅里叶变化光谱仪实时采集目标地点的光谱图监测数据,获取光谱图监测数据中三个维度的数据,然后输入决策函数,输出为光谱图监测数据的分类标签,根据分类标签获得挥发性萜烯类物质的浓度等级,完成挥发性萜烯类物质的空气通量评估。
基于与上述方法相同的发明构思,本发明实施例还提供了一种挥发性萜烯类物质的空气通量评估系统,包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述一种挥发性萜烯类物质的空气通量评估方法中任意一项所述方法的步骤。
需要说明的是:上述本发明实施例先后顺序仅仅为了描述,不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的原则之内,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 (10)
1.一种挥发性萜烯类物质的空气通量评估方法,其特征在于,该方法包括以下步骤:
步骤S10,采集各空气样本中的萜烯类物质含量和光谱图数据;其中,所述光谱图数据中的各元素为对应各波长的光谱吸收率;根据所有空气样本的萜烯类物质含量,获得各空气样本的萜烯类物质浓度等级;
步骤S20,根据各萜烯类物质浓度等级中所有空气样本对各波长的光谱吸收率,计算各波长对应的萜烯浓度响应混乱度和信息特异度;
步骤S21,根据相邻萜烯类物质浓度等级中所有空气样本对各波长的光谱吸收率,获得各波长对应的萜烯浓度响应范围;
步骤S22,根据各波长对应的萜烯浓度响应范围计算不同萜烯类物质浓度等级在各波长处的萜烯浓度确定概率;
步骤S23,根据各波长处的萜烯浓度确定概率计算各波长对应的萜烯浓度响应混乱度;
步骤S24,根据各波长对应的萜烯浓度响应范围计算萜烯浓度等效范围;
步骤S25,结合萜烯浓度等效范围和萜烯浓度确定概率获得各波长对应的信息特异度;
步骤S30,根据波长对应的信息特异度与萜烯浓度响应混乱度获得稀疏负载向量;根据稀疏负载向量,对所有空气样本采用稀疏PCA算法进行降维,获得降维后的样本数据集;获取实时采集的光谱图监测数据;根据样本数据集中各样本数据对应的空气样本的萜烯类物质浓度等级获得分类决策函数,使用分类决策函数获得光谱图监测数据的萜烯类物质浓度等级。
2.如权利要求1所述的一种挥发性萜烯类物质的空气通量评估方法,其特征在于,所述根据所有空气样本的萜烯类物质含量,获得各空气样本的萜烯类物质浓度等级,包括:
获取所有空气样本的萜烯类物质含量的均值和方差;计算所述均值与三倍方差的和值;获取以数字0为下界,以所述和值为上界的区间,记为萜烯类物质的含量区间;将所述含量区间平均划分为预设数量个子区间;
对于第g个子区间,将子区间中包含的所有空气样本的萜烯类物质浓度等级,记为第g级。
3.如权利要求1所述的一种挥发性萜烯类物质的空气通量评估方法,其特征在于,所述根据相邻萜烯类物质浓度等级中所有空气样本对各波长的光谱吸收率,获得各波长对应的萜烯浓度响应范围,包括:
对于第m个波长,计算各萜烯类物质浓度等级的所有空气样本对第m个波长的光谱吸收率的均值;获取萜烯类物质浓度等级为第g级与第g-1级的所有空气样本的所述均值的差值绝对值;将所有萜烯类物质浓度等级的所述差值绝对值的均值作为第m个波长对应的萜烯浓度响应范围。
4.如权利要求3所述的一种挥发性萜烯类物质的空气通量评估方法,其特征在于,所述根据各波长对应的萜烯浓度响应范围计算不同萜烯类物质浓度等级在各波长处的萜烯浓度确定概率,包括:
计算各萜烯类物质浓度等级的所有空气样本对第m个波长的光谱吸收率的标准差;获取所述萜烯浓度响应范围与所述标准差的比值;将所述比值与数字1之间的最小值作为各萜烯类物质浓度等级在第m个波长处的萜烯浓度确定概率。
5.如权利要求4所述的一种挥发性萜烯类物质的空气通量评估方法,其特征在于,所述根据各波长处的萜烯浓度确定概率计算各波长对应的萜烯浓度响应混乱度,包括:
计算以数字2为底数,以所述萜烯浓度确定概率为真数的对数函数;统计所有空气样本的数量,记为空气样本总数,计算各萜烯类物质浓度等级内包含的空气样本数量与空气样本总数的比值,记为第一比值;获取所述对数函数的计算结果与所述第一比值的乘积;获取所述乘积的相反数;将所有萜烯类物质浓度等级的所述相反数的和值作为第m个波长对应的萜烯浓度响应混乱度。
6.如权利要求4所述的一种挥发性萜烯类物质的空气通量评估方法,其特征在于,所述根据各波长对应的萜烯浓度响应范围计算萜烯浓度等效范围,包括:
计算所述萜烯浓度响应范围与所述标准差的差值绝对值,记为第一差值绝对值;计算所述萜烯浓度响应范围与所述标准差的和值;获取第一差值绝对值与所述和值的比值,记为第二比值;获取数字1与第二比值的差值;将所述差值与所述标准差的乘积作为各萜烯类物质浓度等级在第m个波长处的萜烯浓度等效范围。
7.如权利要求1所述的一种挥发性萜烯类物质的空气通量评估方法,其特征在于,所述结合萜烯浓度等效范围和萜烯浓度确定概率获得各波长对应的信息特异度,表达式为:
式中,是第m个波长对应的信息特异度,M是光谱图数据中元素的数量,/>是萜烯类物质浓度等级的数量,/>是第g个萜烯类物质浓度等级在第m个波长处的萜烯浓度确定概率,/>、/>分别是第g个萜烯类物质浓度等级在第m个、第/>个波长处的萜烯浓度等效范围。
8.如权利要求1所述的一种挥发性萜烯类物质的空气通量评估方法,其特征在于,所述根据波长对应的信息特异度与萜烯浓度响应混乱度获得稀疏负载向量,包括:
将所有波长对应的信息特异度与萜烯浓度响应混乱度的比值,按照从大到小的顺序排列,获得负载向量;将负载向量中除前预设数量个元素之外的其它元素重置为0,获得稀疏负载向量。
9.如权利要求1所述的一种挥发性萜烯类物质的空气通量评估方法,其特征在于,所述根据样本数据集中各样本数据对应的空气样本的萜烯类物质浓度等级获得分类决策函数,使用分类决策函数获得光谱图监测数据的萜烯类物质浓度等级,包括:
将所述样本数据集中各样本数据对应的空气样本的萜烯类物质浓度等级作为各样本数据的分类标签;将所有样本数据及其分类标签输入支持向量机算法,获得分类决策函数;
将实时采集的光谱图监测数据中与样本数据集相同维度的数据,输入分类决策函数,获得光谱图监测数据的分类标签;将光谱图监测数据的分类标签对应的萜烯类物质浓度等级,作为实时采集的光谱图监测数据的萜烯类物质浓度等级。
10.一种挥发性萜烯类物质的空气通量评估系统,包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1-9任意一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410396613.5A CN117990633B (zh) | 2024-04-03 | 2024-04-03 | 一种挥发性萜烯类物质的空气通量评估方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410396613.5A CN117990633B (zh) | 2024-04-03 | 2024-04-03 | 一种挥发性萜烯类物质的空气通量评估方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117990633A true CN117990633A (zh) | 2024-05-07 |
CN117990633B CN117990633B (zh) | 2024-06-04 |
Family
ID=90894587
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410396613.5A Active CN117990633B (zh) | 2024-04-03 | 2024-04-03 | 一种挥发性萜烯类物质的空气通量评估方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117990633B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108761002A (zh) * | 2018-04-25 | 2018-11-06 | 上海应用技术大学 | 一种基于s曲线法分析菊花精油中醇类与萜烯类物质香气协同作用的方法 |
CN113009031A (zh) * | 2021-03-01 | 2021-06-22 | 泸州品创科技有限公司 | 检测露酒中挥发性萜烯类物质的方法 |
-
2024
- 2024-04-03 CN CN202410396613.5A patent/CN117990633B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108761002A (zh) * | 2018-04-25 | 2018-11-06 | 上海应用技术大学 | 一种基于s曲线法分析菊花精油中醇类与萜烯类物质香气协同作用的方法 |
CN113009031A (zh) * | 2021-03-01 | 2021-06-22 | 泸州品创科技有限公司 | 检测露酒中挥发性萜烯类物质的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117990633B (zh) | 2024-06-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Prohaska et al. | Investigation of element variability in tree rings of young Norway spruce by laser-ablation-ICPMS | |
CN101430276B (zh) | 光谱分析中波长变量优选的方法 | |
CN101520412A (zh) | 基于独立分量分析和遗传神经网络的近红外光谱分析方法 | |
CN101825567A (zh) | 一种近红外光谱和拉曼光谱波长的筛选方法 | |
CN111488926B (zh) | 一种基于优化模型的土壤有机质测定方法 | |
CN101915744A (zh) | 物质成分含量的近红外光谱无损检测方法及装置 | |
CN107632010B (zh) | 一种结合激光诱导击穿光谱对钢铁样品的定量方法 | |
Zhang et al. | A novel approach for simple statistical analysis of high-resolution mass spectra | |
CN105469224A (zh) | 一种恶臭污染源关键致臭物质的识别方法 | |
CN110567937A (zh) | 一种用于绝缘油拉曼光谱分析的竞争性自适应重加权关键数据提取方法 | |
CN103543132B (zh) | 一种基于小波变换的煤质特性测量方法 | |
CN112098357B (zh) | 一种基于近红外光谱的草莓感官品质等级评价方法 | |
CN103398971A (zh) | 一种测定柴油十六烷值的化学计量学方法 | |
CN111398255B (zh) | 一种水稻根系所含镉元素的定量检测方法和系统 | |
CN117990633B (zh) | 一种挥发性萜烯类物质的空气通量评估方法及系统 | |
CN102103079B (zh) | 一种光谱分析方法 | |
CN111595806A (zh) | 一种利用中红外漫反射光谱监测土壤碳组分的方法 | |
CN113176353B (zh) | 基于可视化技术的香醋风味嗅觉-味觉交互表征方法 | |
CN115392305A (zh) | 基于改进时间卷积网络的土壤有机质含量高光谱建模方法 | |
CN110579467B (zh) | 一种时间分辨激光诱导击穿光谱定量方法 | |
CN115598162A (zh) | 基于堆叠式模型的土壤重金属含量检测方法 | |
Brown | The use and abuse of limits of detection in environmental analytical chemistry | |
CN112861412A (zh) | 基于近红外光谱主成分和神经网络的生物质挥发分含量测量与建模方法 | |
JPH02290537A (ja) | 近赤外線による食味値推定方法 | |
Conti et al. | Uncertainty in environmental analysis: theory and laboratory studies |
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 |