水體透射光譜的多特征融合COD含量估算研究

王彩玲，張育春，王靜怡

（西安石油大學 計算機學院，陜西 西安 710065）

引言

化學需氧量（chemical oxygen demand，COD）在生活污水、地表水等的檢測中占據重要地位，能夠很好地反映水污染的程度[1]。傳統的COD檢測方法是重鉻酸鉀法或高錳酸鉀法，兩種方法都存在耗時長、人力物力消耗較大、操作不便且難以實現大批量快速檢測的問題[2]，而要更好地實現水污染的防治，就必須以大面積水質狀況檢測為前提和基礎。

高光譜檢測技術具有綠色、高效、耗時較少等優點，因而不少學者結合偏最小二乘法進行水質檢測技術的研究。RYAN等人構建出偏最小二乘最佳高光譜Chl-a濃度估算模型[3]；ALI等人利用高光譜技術檢測出水體總懸浮固體濃度[4]；曹引等人建立偏最小二乘水體濁度高光譜反演模型，為水體濁度大面積遙感檢測提供了技術支持[5]；張賢龍等人提出高光譜技術水質參數濃度反演模型[6]；蔡建楠等人采用GA遺傳算法實現了基于偏最小二乘法高光譜COD檢測模型的優化[7]。近年來，BP（back propagation）神經網絡模型在非線性映射能力以及網絡結構上的優勢被應用到數據檢測領域[8]，但對于水質檢測研究較少。因此結合BP神經網絡研究基于高光譜技術的COD含量檢測，具有很好的理論研究意義和實踐價值。

本文以水體COD含量為研究對象，通過多種預處理方法對高光譜技術采集的數據進行處理和特征提取，并進行多特征融合，建立BP神經網絡水體COD含量估算模型。經實驗對比，基于多特征融合BP神經網絡模型的決定系數高達0.991 64，均方根誤差為0.030 9，模型性能最優，能夠實現水體中COD含量的檢測?！?br>