关键词:
三维荧光光谱
小波阈值去噪
BP神经网络
自加权交替三线性分解
摘要:
随着经济发展对石油资源需求量的不断增大,各种石油污染问题日渐严重,对生态环境及人类健康造成巨大威胁。因此,准确识别及时处理油类污染物对减轻溢油危害具有重要意义。石油是一种复杂的有机化合物,主要由较强荧光特性的芳香烃成分及其衍生物组成,不同类型的石油所含多环芳烃的成分和含量不同,三维荧光光谱3D-EEM在石油污染物的检测领域应用十分广泛。基于三维荧光光谱技术,采用BP神经网络结合自加权交替三线性分解(SWATLAD)算法对油类污染物进行定性定量的研究。实验以0^(#)柴油、95^(#)汽油和煤油为研究对象,首先,使用F-7000荧光光谱仪采集待测样品的光谱数据,对得到的数据进行激发、发射校正和去散射处理。其次,为解决小波阈值去噪阈值处信号不连续和过度收缩小波系数带来的难以准确还原真实信号的问题,提出了一种改进的阈值函数,去噪后的信噪比(SNR)和均方误差(MSE)分别为18.3547和10.2617,更为真实的还原有用信号。并通过基于误差反向传播的BP神经网络对预处理后的光谱数据进行训练,训练后预测值与真实值的曲线拟合度较好,表明后续经光谱仪采集的荧光数据直接输入神经网络即可输出预处理好的待测数据,简化了实验操作步骤。最后,采用SWATLD对经小波变换和BP神经网络处理后的数据进行分解,解析得到的0^(#)柴油、95^(#)汽油和煤油的激发与发射光谱与真实光谱拟合度较高,计算平均回收率分别为103.64%、99.33%和97.85%,经验证,三维荧光光谱结合改进小波变换和BP神经网络的方法可以对荧光物质进行快速、精确检测。