隨著我國(guó)現(xiàn)代工業(yè)的快速發(fā)展，環(huán)境污染問(wèn)題日趨受到公眾關(guān)注。人們希望能夠?qū)λ|(zhì)進(jìn)行實(shí)時(shí)監(jiān)測(cè)，了解污水中有害物的種類(lèi)及濃度。由于水體中污染物種類(lèi)繁多，污染物濃度的實(shí)時(shí)監(jiān)測(cè)難度很大。污水中的污染物主要分為有機(jī)污染物和無(wú)機(jī)污染物兩類(lèi)，無(wú)機(jī)污染物主要以自然產(chǎn)生的碳水化合物為主，有機(jī)污染物是以人類(lèi)工、農(nóng)業(yè)活動(dòng)產(chǎn)生的殘留物為代表，通常指農(nóng)藥等化工產(chǎn)品中的芳烴類(lèi)和酚醛類(lèi)等。一般情況下無(wú)機(jī)污染物的危害不大，水體通過(guò)自?xún)艟涂苫謴?fù)；而有機(jī)污染物對(duì)水體危害較大而且持久，容易造成生態(tài)鏈?zhǔn)Ш猓绻苏`食含有機(jī)污染物的水體中的魚(yú)蝦身體健康將會(huì)遭受危害。水中的污染物擴(kuò)散速度較快，目前提高污水中危害物的檢測(cè)速度是防范水污染的重要措施之一，對(duì)人與自然的和諧發(fā)展具有重要意義。

傳統(tǒng)的污水危害物檢測(cè)方法均需借助化學(xué)試劑和先進(jìn)的檢測(cè)設(shè)備，如化學(xué)分析法、色譜法等，這些方法雖然能夠較準(zhǔn)確測(cè)定污水中的危害物含量，但其樣品處理過(guò)程復(fù)雜，檢測(cè)耗時(shí)長(zhǎng)，且對(duì)檢測(cè)人員的技術(shù)要求較高，因此難以大范圍推廣。近紅外光譜處理技術(shù)是利用C-H、O-H、N-H等有機(jī)基團(tuán)對(duì)近紅外光的合頻與倍頻對(duì)樣品成分進(jìn)行間接預(yù)測(cè)的方法。近紅外光譜檢測(cè)技術(shù)是一種簡(jiǎn)單、便捷的檢測(cè)方法，它具有高的靈敏度和穩(wěn)定性，測(cè)定污水中的危害物便捷而高效。在對(duì)污水中有害有機(jī)物質(zhì)進(jìn)行檢測(cè)時(shí)，傳統(tǒng)的檢測(cè)方法一般不能有效分辨有機(jī)物的種類(lèi)及含量，而近紅外光譜檢測(cè)技術(shù)能夠?qū)τ袡C(jī)物基團(tuán)的吸收光譜進(jìn)行增強(qiáng)，從而實(shí)現(xiàn)污水中有機(jī)污染物的辨別與準(zhǔn)確定量。由于普通的近紅外光譜增強(qiáng)技術(shù)存在熱效應(yīng)差的缺陷，筆者構(gòu)建了一種近紅外光譜增強(qiáng)方法并將其應(yīng)用于污水中有害物質(zhì)的檢測(cè)，提高了檢測(cè)精度與靈敏度。

1 算法描述

1.1 二維光譜信息矩陣

由于神經(jīng)網(wǎng)絡(luò)具有特殊的深度學(xué)習(xí)訓(xùn)練結(jié)構(gòu)，需要對(duì)輸入的光譜信息進(jìn)行降維處理。通常采用重新構(gòu)建二維光譜信息矩陣的方法對(duì)其進(jìn)行降維，將每個(gè)樣本的近紅外光譜數(shù)據(jù)轉(zhuǎn)換為二維光譜矩陣，具體處理過(guò)程如下：

設(shè)x表示其中一個(gè)樣本的光譜數(shù)據(jù)向量，且以列向量的形式表示，則該樣本的二維近紅外光譜數(shù)據(jù)矩陣可以表示為：

如果x代表的是一個(gè)三維光譜數(shù)據(jù)的一個(gè)列向量，則一個(gè)典型的二維光譜矩陣可以表示為：

該矩陣被稱(chēng)為原始近紅外光譜的信息矩陣，其中包含所有原始光譜的有效信息。此二維光譜信息矩陣即保持著與原始光譜間的相關(guān)性，同時(shí)又符合CNN模型對(duì)輸入數(shù)據(jù)的格式要求，另外，將光譜信息降維成二維向量，更加有利于CNN網(wǎng)絡(luò)對(duì)光譜特征的提取，實(shí)現(xiàn)更好的模型預(yù)測(cè)效果。

1.2 卷積神經(jīng)網(wǎng)絡(luò)

卷積神經(jīng)網(wǎng)絡(luò)是一種端到端的有監(jiān)督的神經(jīng)網(wǎng)絡(luò)，其基本結(jié)構(gòu)分為輸入層、卷積層、非線性激活層、池化層和全連接層5層。其中卷積層是卷積神經(jīng)網(wǎng)絡(luò)的核心運(yùn)算過(guò)程，向量經(jīng)過(guò)卷積后會(huì)發(fā)生偏置，因此引入非線性激活函數(shù)對(duì)卷積后的向量進(jìn)行修正，經(jīng)過(guò)非線性激活函數(shù)修正后得到結(jié)果：

池化層主要作用是對(duì)卷積層輸出的數(shù)據(jù)再次降維，以達(dá)到減小運(yùn)算復(fù)雜度的目的。目前常用的是最大值池化和平均值池化兩種方法，本實(shí)驗(yàn)采用最大值池化法對(duì)數(shù)據(jù)進(jìn)行降維處理。

2 實(shí)驗(yàn)部分

2.1 數(shù)據(jù)來(lái)源

實(shí)驗(yàn)采集300個(gè)水樣，將采集到的水樣于試管中密封，于15℃條件下避光保存，3h內(nèi)完成光譜采集和理化分析數(shù)據(jù)的統(tǒng)計(jì)，其統(tǒng)計(jì)數(shù)據(jù)列于表1。檢測(cè)樣本的污染物含量較低且分布密集，對(duì)檢測(cè)設(shè)備的精度有較高的要求。

采用美國(guó)熱電尼高力儀器公司生產(chǎn)的NEXUS型傅里葉變換紅外光譜儀及其透色組件完成水體樣本近紅外光譜的采集。光源由波長(zhǎng)為400～2400nm的石英鹵素?zé)籼峁?，光譜分辨率設(shè)定為16cm^-1，每個(gè)樣本掃描32次。

2.2 光譜數(shù)據(jù)處理

利用熱電尼高力儀器公司提供的OMNIC軟件對(duì)采集的樣本近紅外光譜進(jìn)行一階平滑處理，消除噪音干擾，將經(jīng)過(guò)處理的數(shù)據(jù)導(dǎo)出，利用統(tǒng)計(jì)分析軟件MATLAB2017對(duì)導(dǎo)出的數(shù)據(jù)進(jìn)行聚類(lèi)分析，結(jié)果表明光譜的前20個(gè)主成分累計(jì)貢獻(xiàn)率超過(guò)99.1%，因此選用前20個(gè)主成分作為樣本的有效數(shù)據(jù)進(jìn)行建模，有效降低了CNN模型的運(yùn)算復(fù)雜度。主成分分析光譜累計(jì)貢獻(xiàn)率如圖1所示。

聲明：本文所用圖片、文字來(lái)源《化學(xué)分析計(jì)量》，版權(quán)歸原作者所有。如涉及作品內(nèi)容、版權(quán)等問(wèn)題，請(qǐng)與本網(wǎng)聯(lián)系

相關(guān)鏈接：芳烴，酚醛，石英，農(nóng)藥