科研之友
微信
新浪微博
Facebook
分享链接
摘要
采集74份标准水样进行紫外可见波段全光谱扫描,结合Savitzky-Golay(SG)平滑算法、标准正态变换(SNV)、一阶微分(1st D)等6种方法对提取的光谱数据进行去噪处理,然后采用半监督近邻传播算法(SAP)、连续投影算法(SPA)、无信息变量消除算法(UVE)进行特征波长的选择。基于全光谱法建立了偏最小二乘(PLS)模型,基于特征波长建立了极限学习机(ELM)模型,另外把PLS回归模型得到的主成分作为支持向量机回归(SVR)、BP和RBF神经网络的输入建立了PCA+SVR、PCA+BP和PCA+RBF模型。结果表明:使用主成分分析结合RBF神经网络建立的PCA+RBF预测模型效果最优,其相对误差最稳定并保持在较低水平,测量上限高达数百mg/L,为实现水体中硝酸盐氮的在线检测和其他水质参数的检测奠定了基础。
- 单位
