基于LLE-SVR的水质COD紫外光谱检测方法研究

作者：康贝; 马洁

来源：传感器世界, 2018, 24(09): 11-15.

DOI：10.16204/j.cnki.sw.2018.09.002

• 化学需氧量(COD)
• 支持向量机回归(SVR)
• 紫外可见吸收光谱
• 局部线性嵌入(LLE)

化学需氧量(COD)是反映水体污染程度的重要指标之一。针对紫外可见光谱COD测量法数据波段多,易受干扰的问题,提出以局部线性嵌入法(LLE)结合支持向量机回归法(SVR)建立预测模型,来提高预测精度。首先,通过尝试预处理方法与模型分析方法(SVR和偏最小二乘回归法(PLSR))的不同组合来判断预测模型的效果,结果表明,"小波变换(WT)+SVR"效果较好。为了减少计算复杂度,提高运算效率,分别运用LLE和主成分分析算法(PCA)对数据降维,再分别结合SVR建立COD浓度预测模型。结果表明,利用"LLE+SVR"得到的COD浓度预测模型,其训练样本的均方误差为0.076030,测试样本均方误差为0.061477,分别小于"PCA+SVR"模型的0.216076和0.317303。这种方法使模型预测精度得到提高,为紫外可见光谱法检测水质COD浓度提供了一种可行的分析方法。

• 单位
  自动化学院; 北京信息科技大学