改進的FastICA-SVR結合螢光光譜技術測定1-萘酚、2-萘酚

論文摘要

水作為生命之源與人類的生存息息相關,近年來關於水環境污染的報導越來越多,不容忽視。實驗以萘酚的兩種同分異構體1-萘酚、2-萘酚的混合物作為研究對象,提出了一種新的算法,通過對混合物的三維螢光光譜進行分析來實現水中萘酚的定性定量分析。利用FS920穩態螢光光譜儀對配製的混合溶液進行掃描得到螢光光譜數據,並對數據進行一系列的預處理去除拉曼散射和瑞利散射的影響。將解決盲源分離（BSS）問題的獨立成分分析（ICA）算法套用到螢光光譜定性定量分析問題當中,盲源分離技術就是將測量得到的混合信號作為處理對象進行分解,實現未知系統中源信號的求解,並得到混合矩陣。對混合物中單一物質的識別與測量與盲源分離問題類似。採用基於負熵最大的快速獨立成分分析（FastICA）算法對實驗數據進行分解,將所有樣本的三維螢光光譜數據沿發射波長方向展開成為向量,得到一個大小為（N×M）的矩陣（N為樣本數,M為波長數）,將該矩陣作為快速獨立成分分析的輸入進行獨立分量提取,輸出分別為單組分物質的展開螢光光譜和混合矩陣。FastICA算法的關鍵是利用牛頓疊代算法得到解混矩陣,但疊代過程中複雜的求導問題會使計算量增大、疊代速度減慢,針對該算法存在的問題,提出用差分法（又稱為雙點弦截法）代替求導的解決方法。為了驗證算法的可行性,用改進後的算法和原有算法分別對螢光光譜數據進行了五次獨立分量提取實驗,原有算法平均運行時間為17.78s,而改進後的算法平均運行時間為3.22s,比原有算法提高了14.56s,有效地減少了計算量,改善了FastICA算法的疊代速度並且使其收斂性更加穩定。通過實驗結果可以看出改進後的算法得到的光譜更接近真實的光譜。利用快速獨立成分分析算法分解得到的混合矩陣與物質濃度相關,這是物質定量分析的依據,但它們之間的關係可能是非線性的,採用能實現非線性擬合的支持向量回歸機（SVR）進行回歸預測,將混合矩陣和實際濃度矩陣分別作為SVR的輸入和輸出,利用遺傳算法（GA）對支持向量回歸機的參數進行最佳化選擇,並選擇徑向基核函式（RBF函式）作為SVR的核函式,建立回歸模型,實現對螢光光譜的定量分析。1-萘酚的擬合相關係數（r）為0.998 6,樣品回收率（Recovery rate）為96.75%～104.2%,預測均方根誤差（RMSEP）為0.119μg·L;2-萘酚的擬合相關係數為0.998 8,樣品回收率為96.8%～105.5%,預測均方根誤差為0.1μg·L,預測結果比較令人滿意,符合預測要求。實驗證明改進的基於負熵最大的FastICA-SVR算法能實現對混合物中1-萘酚、2-萘酚準確有效的識別和測量,並且改進之後加快了算法的分解速度。

引文格式

王玉田,劉凌妃,張立娟,張正帥,劉婷婷,王書濤,商鳳凱.改進的FastICA-SVR結合螢光光譜技術測定1-萘酚、2-萘酚[J].光譜學與光譜分析,2019,39(01):142-149.

改進的FastICA-SVR結合螢光光譜技術測定1-萘酚、2-萘酚

基本介紹

論文摘要

引文格式

相關詞條

熱門詞條