基于SPA和多分類SVM的紫外-可見光光譜飲用水有機(jī)污染物判別方法研究

黃平捷， 李宇涵， 俞巧君， 王 柯， 尹 航， 侯迪波， 張光新

浙江大學(xué)控制科學(xué)與工程學(xué)院， 工業(yè)控制技術(shù)國(guó)家重點(diǎn)實(shí)驗(yàn)室， 浙江 杭州 310027

引 言

近年來， 飲用水污染事件頻發(fā)， 給居民正常生活帶來很大影響[1]。 為了及時(shí)應(yīng)對(duì)此類污染事件， 需要在線監(jiān)測(cè)水質(zhì)并識(shí)別污染物， 以防止此類事件造成進(jìn)一步的影響。 相較于傳統(tǒng)檢測(cè)手段， 基于光譜法的水質(zhì)檢測(cè)方法因其具有快速、 無需試劑、 樣本無需預(yù)處理、 設(shè)備簡(jiǎn)單、 檢測(cè)原理成熟等優(yōu)點(diǎn)， 從而吸引了眾多學(xué)者針對(duì)基于光譜法的水體污染物識(shí)別技術(shù)展開研究[2-3]。 在眾多光譜波段中， 紫外-可見光光譜波段因其檢測(cè)速度快、 檢測(cè)原理成熟， 并且可以間接的反映水中有機(jī)物、 懸浮物等理化參數(shù)， 從而受到廣泛的關(guān)注[4-5]。

現(xiàn)有的基于紫外-可見光光譜的水體污染物檢測(cè)識(shí)別方法大多是基于PCA進(jìn)行特征提取。 例如， 趙明富[6]等利用水體紫外-可見光譜波段， 使用主成分分析并結(jié)合Fisher判別法對(duì)水質(zhì)進(jìn)行了較好的分類； Hou[7]等提出了一種融合主成分分析法和卡方分布的水質(zhì)異常檢測(cè)算法， 通過紫外光學(xué)傳感器實(shí)現(xiàn)對(duì)水質(zhì)異常狀況的判別； 郭冰冰[8]等提出一種基于基線校正和主元分析的水質(zhì)異常檢測(cè)方法， 利用主成分分析方法提取正常水質(zhì)的紫外-可見光光譜的特征并利用統(tǒng)計(jì)量識(shí)別異常光譜。 PCA對(duì)紫外-可見光光譜數(shù)據(jù)進(jìn)行了降維并提取了數(shù)據(jù)的特征， 有效的提高了污染物識(shí)別的效果， 但仍然存在一些問題， PCA僅從數(shù)據(jù)的方差最大的方向?qū)?shù)據(jù)進(jìn)行壓縮， 沒有考慮到紫外-可見光光譜的實(shí)際的物理特征， 因此， 尋找一種更合適的污染物光譜數(shù)據(jù)特征提取方法來解決飲用水中譜峰重疊的有機(jī)污染物分類問題顯得十分迫切和必要。……