应用GA-RBFNN全光谱水体COD与NO₃-N检测方法研究

作者：黄春荣; 刘桂雄; 戈燕红; 闵文傲; 郭德音

来源：中国测试, 2024, 50(02): 66-72.

DOI：10.11857/j.issn.1674-5124.2023100122

• 全光谱法
• 神经网络
• 遗传算法
• 特征波长选取
• 水体环境检测

应用全光谱测量水体化学需氧量（chemical oxygen demand, COD）、硝酸盐氮（NO3-N）浓度等水环境质量指标容易受水质环境影响，检测模型与特征波长一直是全光谱检测推广关注重点。该文提出一种基于遗传算法-径向基神经网络（genetic algorithm-radial basis function neural network, GA-RBFNN）全光谱水体COD与NO3-N浓度检测方法，鉴于GA搜索能力强、随机性高的特点，对预处理后全光谱吸收数据应用GA进行特征波长选取，以RBFNN神经网络留K法训练过程中平均决定系数作为适应度函数，输出最优特征波长与RBFNN神经网络参数进行部署，从而实现水体COD、NO3-N浓度准确测量。最后，开展GA-RBFNN、偏最小二乘（partial least squares, PLS）、GA-PLS、RBFNN四种模型对160组水样的COD、NO3-N浓度检测实验，结果表明GA-RBFNN模型对COD、NO3-N检测平均决定系数、最大误差分别为0.996 4、0.995 0和3.9%、4.9%，均优于其他模型，方法具有重要推广价值。

• 单位
  华南理工大学; 广东盈峰科技有限公司