隨著我國現(xiàn)代工業(yè)的快速發(fā)展，環(huán)境污染問題日趨受到公眾關(guān)注。人們希望能夠?qū)λ|(zhì)進(jìn)行實時監(jiān)測，了解污水中有害物的種類及濃度。由于水體中污染物種類繁多，污染物濃度的實時監(jiān)測難度很大。污水中的污染物主要分為有機污染物和無機污染物兩類，無機污染物主要以自然產(chǎn)生的碳水化合物為主，有機污染物是以人類工、農(nóng)業(yè)活動產(chǎn)生的殘留物為代表，通常指農(nóng)藥等化工產(chǎn)品中的芳烴類和酚醛類等。一般情況下無機污染物的危害不大，水體通過自凈就可恢復(fù)；而有機污染物對水體危害較大而且持久，容易造成生態(tài)鏈?zhǔn)Ш?，如果人誤食含有機污染物的水體中的魚蝦身體健康將會遭受危害。水中的污染物擴散速度較快，目前提高污水中危害物的檢測速度是防范水污染的重要措施之一，對人與自然的和諧發(fā)展具有重要意義。

傳統(tǒng)的污水危害物檢測方法均需借助化學(xué)試劑和先進(jìn)的檢測設(shè)備，如化學(xué)分析法、色譜法等，這些方法雖然能夠較準(zhǔn)確測定污水中的危害物含量，但其樣品處理過程復(fù)雜，檢測耗時長，且對檢測人員的技術(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等有機基團(tuán)對近紅外光的合頻與倍頻對樣品成分進(jìn)行間接預(yù)測的方法。近紅外光譜檢測技術(shù)是一種簡單、便捷的檢測方法，它具有高的靈敏度和穩(wěn)定性，測定污水中的危害物便捷而高效。在對污水中有害有機物質(zhì)進(jìn)行檢測時，傳統(tǒng)的檢測方法一般不能有效分辨有機物的種類及含量，而近紅外光譜檢測技術(shù)能夠?qū)τ袡C物基團(tuán)的吸收光譜進(jìn)行增強，從而實現(xiàn)污水中有機污染物的辨別與準(zhǔn)確定量。由于普通的近紅外光譜增強技術(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方法并將其應(yīng)用于污水中有害物質(zhì)的檢測，提高了檢測精度與靈敏度。

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其進(jìn)行降維，將每個樣本的近紅外光譜數(shù)據(jù)轉(zhuǎn)換為二維光譜矩陣，具體處理過程如下：

設(shè)x表示其中一個樣本的光譜數(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代表的是一個三維光譜數(shù)據(jù)的一個列向量，則一個典型的二維光譜矩陣可以表示為：

該矩陣被稱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，同時又符合CNN模型對輸入數(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)對光譜特征的提取，實現(xiàn)更好的模型預(yù)測效果。

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)的核心運算過程，向量經(jīng)過卷積后會發(fā)生偏置，因此引入非線性激活函數(shù)對卷積后的向量進(jìn)行修正，經(jīng)過非線性激活函數(shù)修正后得到結(jié)果：

池化層主要作用是對卷積層輸出的數(shù)據(jù)再次降維，以達(dá)到減小運算復(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，本實驗采用最大值池化法對數(shù)據(jù)進(jìn)行降維處理。

2 實驗部分

2.1 數(shù)據(jù)來源

實驗采集300個水樣，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，其統(tǒng)計數(shù)據(jù)列于表1。檢測樣本的污染物含量較低且分布密集，對檢測設(shè)備的精度有較高的要求。

采用美國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。光源由波長為400～2400nm的石英鹵素?zé)籼峁?，光譜分辨率設(shè)定為16cm^-1，每個樣本掃描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)過處理的數(shù)據(jù)導(dǎo)出，利用統(tǒng)計分析軟件MATLAB2017對導(dǎo)出的數(shù)據(jù)進(jìn)行聚類分析，結(jié)果表明光譜的前20個主成分累計貢獻(xiàn)率超過99.1%，因此選用前20個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模型的運算復(fù)雜度。主成分分析光譜累計貢獻(xiàn)率如圖1所示。

聲明：本文所用圖片、文字來源《化學(xué)分析計量》，版權(quán)歸原作者所有。如涉及作品內(nèi)容、版權(quán)等問題，請與本網(wǎng)聯(lián)系

相關(guān)鏈接：芳烴，酚醛，石英，農(nóng)藥