CN117668685B - 一种地下水污染快速溯源方法及*** - Google Patents
一种地下水污染快速溯源方法及*** Download PDFInfo
- Publication number
- CN117668685B CN117668685B CN202410133959.6A CN202410133959A CN117668685B CN 117668685 B CN117668685 B CN 117668685B CN 202410133959 A CN202410133959 A CN 202410133959A CN 117668685 B CN117668685 B CN 117668685B
- Authority
- CN
- China
- Prior art keywords
- data
- characteristic
- observation window
- tracing
- correction
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 79
- 238000003895 groundwater pollution Methods 0.000 title claims abstract description 65
- 238000012937 correction Methods 0.000 claims abstract description 139
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 86
- 238000003911 water pollution Methods 0.000 claims abstract description 66
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 60
- 238000012544 monitoring process Methods 0.000 claims abstract description 30
- 241000283153 Cetacea Species 0.000 claims abstract description 22
- 230000008859 change Effects 0.000 claims abstract description 21
- 238000005457 optimization Methods 0.000 claims abstract description 17
- 230000003595 spectral effect Effects 0.000 claims abstract description 17
- 238000000746 purification Methods 0.000 claims abstract description 11
- 238000001228 spectrum Methods 0.000 claims description 134
- 238000002835 absorbance Methods 0.000 claims description 79
- 239000003673 groundwater Substances 0.000 claims description 24
- 239000010865 sewage Substances 0.000 claims description 14
- 230000035772 mutation Effects 0.000 claims description 10
- 238000001514 detection method Methods 0.000 claims description 9
- 238000000513 principal component analysis Methods 0.000 claims description 8
- 230000006870 function Effects 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 5
- 238000013507 mapping Methods 0.000 claims description 2
- 238000012163 sequencing technique Methods 0.000 claims description 2
- 238000011109 contamination Methods 0.000 claims 2
- 230000008569 process Effects 0.000 description 17
- 238000004364 calculation method Methods 0.000 description 11
- 239000003344 environmental pollutant Substances 0.000 description 7
- 231100000719 pollutant Toxicity 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 239000000126 substance Substances 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 238000009499 grossing Methods 0.000 description 5
- 239000000356 contaminant Substances 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- MWUXSHHQAYIFBG-UHFFFAOYSA-N nitrogen oxide Inorganic materials O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 description 3
- 239000002351 wastewater Substances 0.000 description 3
- 238000010521 absorption reaction Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 229910001385 heavy metal Inorganic materials 0.000 description 2
- 239000012535 impurity Substances 0.000 description 2
- 150000003568 thioethers Chemical class 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 238000004847 absorption spectroscopy Methods 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000003337 fertilizer Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 150000002500 ions Chemical class 0.000 description 1
- 230000031700 light absorption Effects 0.000 description 1
- QSHDDOUJBYECFT-UHFFFAOYSA-N mercury Chemical compound [Hg] QSHDDOUJBYECFT-UHFFFAOYSA-N 0.000 description 1
- 229910052753 mercury Inorganic materials 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 150000004767 nitrides Chemical class 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- 239000003403 water pollutant Substances 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A20/00—Water conservation; Efficient water supply; Efficient water use
- Y02A20/152—Water filtration
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本申请涉及光谱数据校正技术领域，提出了一种地下水污染快速溯源方法及***，包括：获取地下水污染溯源样本的光谱数据，在地下水污染溯源样本的光谱数据中构建校正观测窗口，根据校正观测窗口内的峰值变化特征和光谱数据的数值变化特征构建水质净化特征指数，根据校正观测窗口内的数据变化特征和对应的水质净化特征指数构建水质监测增益指数，基于水质监测增益指数利用鲸鱼优化算法获取地下水污染溯源样本的光谱数据中的最佳校正窗口长度，基于最佳校正窗口长度利用多元散射校正算法获取光谱数据校正结果，根据光谱数据校正结果获取地下水污染溯源结果。本申请通过不同监测区域样本的光谱数据特征进行校正处理，提高地下水污染溯源处理的准确性。
Description
技术领域
本申请涉及光谱数据校正技术领域，具体涉及一种地下水污染快速溯源方法及***。
背景技术
随着工业化进程的加速，工业园区的数量逐渐增长，部分园区所产生的废水经过排放后可能会对地下水资源造成污染，同时农业、畜牧业也可能会对地下水资源造成污染，如使用化肥、养殖场产生的废物等。其中地下水资源的污染物主要包括硫化物、重金属、氮氧化物等，为了能够及时采取相关措施避免地下水进一步污染，保护地下水的环境，需要对污染地下水的污染源进行溯源。
对污染地下水的污染源进行溯源，通常是将地下水中的元素含量与周围园区的排放污水进行匹配，确定污染源，即需要对地下水的水质进行检测，而传统的仪器检测设备一般只对单一参数进行测量，如对水质COD、TOC、TURB等参数的检测，通常需要通过COD分析仪、TOC分析仪、浊度计等设备进行单独测量，不利于对数据的综合分析。
紫外-可见光吸收光谱法(UV-Vis)具有检测速度快、成本低、无二次污染的特点，因此逐渐成为水质检测的主要方法之一，但由于地下水样本中存在多种杂质，导致通过UV-Vis所得光谱数据反映出的地下水样本中的成分与地下水样本中的实际成分存在一定差异，需要对光谱数据进行校正，传统的用于地下水光谱数据校正的算法如MSC（Multiplicative Scatter Correction）算法，能够消除样本中的散射效应，提高光谱数据分析结果的准确性，但传统的MSC算法的基本假设为整个谱段上的散射与波长位置无关，而实际采集的地下水样本中存在多种杂质，由于不同物质之间的光谱存在相互干扰，且随着地下水中物质浓度的增加，物质之间光谱相互干扰的程度更大，无法满足传统MSC算法的基本假设，造成对地下水样本中物质检测的不准确，进而无法准确的对园区污水进行匹配，导致无法准确的确定污染源。
发明内容
本申请提供一种地下水污染快速溯源方法及***，以解决通过光谱数据分析对地下水污染进行溯源准确性低的问题，所采用的技术方案具体如下：
第一方面，本申请一个实施例提供了一种地下水污染快速溯源方法，该方法包括以下步骤：
获取地下水污染溯源样本的光谱数据，所述地下水污染溯源样本包括地下水样本、园区污水样本；
在地下水污染溯源样本的光谱数据中构建校正观测窗口，根据校正观测窗口内的光谱数据的数据变化特征计算水质净化特征指数；根据校正观测窗口内的光谱数据的波动变化特征和对应的水质净化特征指数计算水质监测增益指数；
基于水质监测增益指数利用鲸鱼优化算法获取地下水污染溯源样本的光谱数据的最佳校正观测窗口；基于地下水污染溯源样本的光谱数据的最佳校正观测窗口利用多元散射校正算法获取所述光谱数据的校正结果；
基于地下水污染溯源样本光谱数据的校正结果利用主成分分析和KNN算法获取地下水污染的溯源结果。
优选的，所述在地下水污染溯源样本的光谱数据中构建校正观测窗口的方法为：
地下水污染溯源样本的光谱数据中每个光谱数据对应一个波长数据和一个吸光度数据，将地下水污染溯源样本的光谱数据对应的波长数据作为横坐标，将地下水的光谱数据对应的吸光度数据作为纵坐标，将横坐标和纵坐标对应的所有数据点构成的曲线作为地下水污染溯源样本的光谱特征曲线，以所述光谱特征曲线中每个数据点为中心分别构建不同预设大小的矩形窗口，将所述矩形窗口作为地下水污染溯源样本对应的光谱特征曲线中的一个校正观测窗口。
优选的，所述根据校正观测窗口内的光谱数据的数据变化特征计算水质净化特征指数的方法为：
对于地下水污染溯源样本对应的光谱特征曲线中的每个校正观测窗口，将校正观测窗口内所有数据点对应的波长数据由小到大进行排序组成的序列作为波长数据特征序列，将波长数据序列中所有元素对应的吸光度数据组成的序列作为吸光度数据更新序列；
采用曲线拟合算法获取吸光度数据更新序列的拟合曲线，获取所述拟合曲线中所有极大值点和极小值点，将每个极大值点对应的两个相邻极小值点对应横坐标的差值的绝对值作为每个极大值点对应的峰值宽度特征值；
根据每个校正观测窗口对应的吸光度数据更新序列的拟合曲线中极大值点和极大值点对应的峰值宽度特征值计算峰值尖锐指数，基于峰值尖锐指数和地下水污染溯源样本对应的光谱特征曲线的波动特征计算水质净化特征指数。
优选的，所述根据每个校正观测窗口对应的吸光度数据更新序列的拟合曲线中极大值点和极大值点对应的峰值宽度特征值计算峰值尖锐指数的方法为：
将每个校正观测窗口对应的吸光度数据更新序列的拟合曲线中所有极大值点对应的吸光度数据的均值为第一指数，将每个校正观测窗口对应的吸光度数据更新序列的拟合曲线中每个极大值点对应的吸光度数据与第一指数差值的绝对值作为分子，将每个校正观测窗口对应的吸光度数据更新序列的拟合曲线中每个极大值点对应的峰值宽度特征值作为分母，将分子与分母的比值作为第二指数，将第二指数在每个校正观测窗口上的累加结果作为峰值尖锐指数。
优选的，所述基于峰值尖锐指数和地下水污染溯源样本对应的光谱特征曲线的波动特征计算水质净化特征指数的方法为：
将每个校正观测窗口对应的峰值尖锐指数作为分子，将地下水污染溯源样本对应的光谱特征曲线中所有的数据点对应的吸光度组成的序列作为总吸光度数据序列，采用突变点检测算法获取总吸光度序列中的突变点，将所述突变点的数量与预设参数的和作为分母，将分子与分母的比值作为水质净化特征指数。
优选的，所述根据校正观测窗口内的光谱数据的波动变化特征和对应的水质净化特征指数计算水质监测增益指数的方法为：
对于地下水污染溯源样本对应的光谱特征曲线中的每个校正观测窗口，采用最小二乘法获取每个校正观测窗口对应的吸光度数据更新序列中每个元素的拟合值，将所述吸光度数据更新序列中每个元素与对应的拟合值的差值作为每个元素对应的吸光度数据残差，将所有所述吸光度数据残差组成的序列作为吸光度残差序列；根据每个校正观测窗口对应的吸光度残差序列和水质净化特征指数获取水质监测增益指数。
优选的，所述根据每个校正观测窗口对应的吸光度残差序列和水质净化特征指数获取水质监测增益指数的具体方法为：
将每个校正观测窗口对应的水质净化特征指数作为分子，将每个校正窗口对应的吸光度残差序列中所有元素的标准差与预设参数的和作为分母，将分子与分母的比值的映射结果作为水质监测增益指数。
优选的，所述基于水质监测增益指数利用鲸鱼优化算法获取地下水污染溯源样本的光谱数据的最佳校正观测窗口的方法为：
地下水污染溯源样本对应的光谱特征曲线中所有数据点对应的校正观测窗口的水质监测增益指数的和作为鲸鱼优化算法中的适应度函数值，采用鲸鱼优化算法获取地下水污染溯源样本对应光谱特征曲线中每个数据点对应的最佳校正观测窗口。
优选的，所述基于地下水污染溯源样本光谱数据的校正结果利用主成分分析和KNN算法获取地下水污染的溯源结果的方法为：
采用主成分分析算法获取地下水污染溯源样本的光谱数据校正结果中的主要成分特征数据，将地下水污染溯源样本中地下水样本对应的光谱数据的主要成分特征数据作为待比较数据，将园区污水样本对应的光谱数据的主要成分特征数据作为园区特征数据，将各园区的名称作为对应的园区特征数据的标签；
采用KNN算法获取地下水样本对应的待比较数据最匹配的污水样本对应的园区特征数据，将所述园区特征数据对应的园区作为地下水污染溯源结果。
第二方面，本申请实施例还提供了一种地下水污染快速溯源***，包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任意一项一种地下水污染快速溯源方法的步骤。
本申请的有益效果是：在地下水污染溯源样本的光谱数据中构建不同大小的校正观测窗口，通过分析地下水污染溯源样本的光谱数据中的不同校正观测窗口的局部峰值宽度特征和峰值变化特征构建峰值尖锐指数，通过峰值尖锐指数反应地下水污染溯源样本的光谱数据中受污染物影响造成的局部变化特征，通过峰值尖锐指数和光谱数据的整体变化特征结合构建水质净化特征指数，水质净化特征指数反应水质污染影响造成的局部光谱特征；根据局部光谱特征和局部数据拟合差异构建水质监测增益指数，基于水质监测增益指数获取光谱数据的最佳校正观测窗口，其有益效果在于通过水质监测增益指数反应的不同局部特征差异结合鲸鱼优化算法可以准确获取每个光谱数据对应的最佳的校正观测窗口，进一步的根据每个光谱数据的最佳校正观测窗口结合多元散射校正算法获取精准的光谱数据的校正结果，提高通过光谱数据对地下水污染进行溯源的准确性。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本申请一个实施例所提供的一种地下水污染快速溯源方法的流程示意图；
图2为本申请一个实施例所提供的地下水污染溯源实施过程的示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
请参阅图1，其示出了本申请一个实施例提供的一种地下水污染快速溯源方法的流程图，该方法包括以下步骤：
步骤S001，获取地下水污染溯源样本的光谱数据。
采集同一地区的地下水样本和同一地区内所有园区的污水样本，利用紫外可见光谱仪获取地下水样本和污水样本的光谱数据，将地下水样本和污水样本均作为地下水污染溯源样本，根据地下水污染溯源样本的光谱数据对地下水污染进行溯源分析。
具体的，以A地区为例进行分析。通过在A地区建立地下水文观测井采集地下水样本，在A地区中的各园区污水排水口采集各园区的污水样本，将地下水样本和污水样本均作为A地区的地下水污染溯源样本。
进一步的，为避免采集地下水污染溯源样本的过程中水体被外部污染，对地下水污染溯源样本进行过滤、去除悬浮颗粒、去除气体等预处理。利用UV-Vis紫外可见光谱仪获取预处理后所得地下水污染溯源样本的光谱数据。
由于在采集地下水样本光谱数据的过程中，可能会由于环境干扰等原因产生噪声，因此需要对所得光谱数据进行去噪处理，常用的去噪方法有窗口平均平滑法、S-G(Savitzky-Golay)平滑滤波算法等，为更好的保留数据的分布特性，利用S-G平滑滤波算法对地下水样本光谱数据进行去噪处理。其中S-G平滑滤波算法的具体计算过程为公知技术，不再进行赘述。
至此，获取了地下水污染溯源样本的光谱数据。
步骤S002，在地下水污染溯源样本的光谱数据中构建校正观测窗口，根据校正观测窗口内的峰值变化特征和地下水污染溯源样本的光谱数据的数值变化特征构建水质净化特征指数，根据校正观测窗口内的数据变化特征和对应的水质净化特征指数构建水质监测增益指数。
利用传统的多元散射校正MSC(Multiplicative scatter correction)算法对地下水污染溯源样本的光谱数据进行校正时，由于地下水污染溯源样本中污染物浓度、含量不同，导致不同地下水污染溯源样本中对应的光谱数据中谱段宽度存在较大差异，造成地下水污染溯源样本的光谱数据中存在的吸收峰数量不同，进而影响使用MSC算法对地下水光谱数据的校正效果。因此通过构建校正观测窗口分析地下水污染溯源样本的局部污染影响特征。
具体的，地下水污染溯源样本的光谱数据中每个光谱数据对应一个波长数据和一个吸光度数据，将地下水污染溯源样本的光谱数据对应的波长数据的数值作为横坐标，将地下水的光谱数据对应的吸光度数据的数值作为纵坐标，将横坐标和纵坐标对应的所有数据点构成的曲线作为地下水污染溯源样本的光谱特征曲线，以所述光谱特征曲线中每个数据点为中心分别构建不同预设大小的矩形窗口，将所述矩形窗口作为地下水污染溯源样本对应的光谱特征曲线中的一个校正观测窗口；其中不同预设大小的矩形窗口设置过程为：获取每个地下水污染溯源样本的光谱数据中的波长数据的最大值作为每个地下水污染溯源样本对应的光谱波长特征值，将所有所述光谱波长特征值中的最小值记为，在区间之间进行随机采样，随机采样的数量与光谱特征曲线中数据点的数量相同，将随机采样的数值分别作为光谱特征曲线中每个数据点对应的校正观测窗口的长度。
进一步的，对于地下水污染溯源样本对应的光谱特征曲线中的每个校正观测窗口，将每个校正观测窗口内所有数据点对应的波长数据由小到大进行排序组成的序列作为波长数据特征序列，将波长数据序列中所有元素对应的吸光度数据组成的序列作为吸光度数据更新序列；采用LOWESS（Locally Weighted Scatterplot Smoothing）曲线拟合算法获取吸光度数据更新序列的拟合曲线，获取所述拟合曲线中所有极大值点和极小值点，将每个极大值点对应的两个相邻极小值点的横坐标的差值的绝对值作为每个极大值点对应的峰值宽度特征值，需说明的是，在吸光度数据更新序列的拟合曲线的端点处可能存在一个极大值点只与一个极小值点相邻，因此输入为吸光度数据更新序列，采用均值填充算法获取吸光度数据更新序列的填充结果，消除吸光度数据更新序列的拟合曲线的端点效应，LOWESS曲线拟合算法和均值填充算法的具体计算过程均为为公知技术，不再进行赘述。
进一步的，将地下水污染溯源样本对应的光谱特征曲线中所有的数据点对应的吸光度组成的序列作为总吸光度数据序列；输入为总吸光度数据序列，采用Pelt（PrunedExact Linear Time）突变点检测算法获取总吸光度数据序列中的突变点，Pelt突变点检测算法的具体计算过程为公知技术，不再进行赘述。根据每个校正观测窗口对应的吸光度数据更新序列的拟合曲线中极大值点和极大值点的峰值宽度特征值计算每个校正观测窗口的峰值尖锐指数，具体的计算公式如下：
式中，表示每个校正观测窗口的峰值尖锐指数；/>表示每个校正观测窗口对应的吸光度数据更新序列的拟合曲线中第/>个极大值点对应的纵坐标的值；/>为第一指数，大小等于每个校正观测窗口对应的吸光度数据更新序列的拟合曲线的所有极大值点对应的纵坐标的值的均值；/>表示每个校正观测窗口对应的吸光度数据更新序列的拟合曲线中第/>个极大值点对应的峰值宽度特征值；/>示每个校正观测窗口对应的吸光度数据更新序列的拟合曲线中极大值点的数量。
若地下水样本中存在的污染物较多，如铅、汞等重金属离子，硫化物、氮化物等，由于不同污染物在光谱图中具有不同的吸光度，故地下水污染物中较多时，将导致光谱图中谱段较宽，覆盖多个波长范围，造成宽谱段中可能存在多个吸收峰，使校正观测窗口中各峰宽较大、峰值与平均峰值的差异较小，即第二指数较小，即计算得到的每个校正观测窗口的峰值尖锐指数/>的值越小，表示每个校正观测窗口内的吸光度变化越不平滑，对应地下水中污染物类型、含量越多，即每个校正观测窗口内的局部峰值尖锐特征不显著。
进一步的，根据校正观测窗口内的峰值变化特征和地下水污染溯源样本的光谱数据的数值变化特征构建水质净化特征指数，具体的计算公式如下：
式中，表示每个校正观测窗口的水质净化特征指数；/>表示每个校正观测窗口的峰值尖锐指数；/>表示每个校正观测窗口所在的光谱特征曲线对应的总吸光度数据序列中的突变点的数量；/>表示调节参数，大小取经验值1。
若每个校正观测窗口内的局部峰值尖锐特征不显著，且每个校正观测窗口的局部峰值特征与光谱特征曲线的波动特征差异较大，则计算得到的每个校正观测窗口的水质净化特征指数的值越小，表示通过局部和整体特征对比反应每个校正观测窗口的污染物密集程度较大。
进一步的，输入为每个校正观测窗口对应的吸光度数据更新序列，采用最小二乘法获取每个校正观测窗口对应的吸光度数据更新序列中每个元素的拟合值，将所述吸光度数据更新序列中每个元素与对应的拟合值的差值作为每个元素对应的吸光度数据残差，将所有所述吸光度数据残差组成的序列作为吸光度残差序列；最小二乘法的具体计算过程为公知技术，不再进行赘述。
进一步的，根据每个校正观测窗口内的数据变化特征和对应的水质净化特征指数构建水质监测增益指数，具体的计算公式如下：
式中，表示每个校正观测窗口对应的水质监测增益指数；/>表示每个校正观测窗口的水质净化特征指数；/>表示每个校正观测窗口对应的吸光度残差序列中所有元素的标准差；/>表示调节参数，大小取经验值0.01；/>表示以自然常数为底数的指数函数。
若每个校正观测窗口内反应的峰值变化特征差异较大，且每个校正观测窗口内的光谱数据偏差特征差异较大，则计算得到的的值越大，/>和/>的值越小，即的值越小，每个校正观测窗口对应的水质监测增益指数/>的值越大，表示校正观测窗口内地下水污染物含量、类型越多，污染物之间的光谱干扰情况较为严重，导致校正观测窗口内的地下水污染溯源样本的光谱数据与真实的光谱数据存在的差异越大，同时校正观测窗口对应的吸光度数据更新序列中可能存在较多的噪声点，导致拟合效果较差，因此需要较大的校正观测窗口对地下水光谱数据进行校正。
至此，获取了每个校正观测窗口的水质净化特征指数。
步骤S003，基于水质监测增益指数利用鲸鱼优化算法获取地下水污染溯源样本的光谱数据的最佳校正窗口长度，基于最佳校正窗口长度利用多元散射校正算法获取光谱数据校正结果。
通过步骤S002得到了地下水污染溯源样本对应的光谱特征曲线中每个校正观测窗口对应的水质监测增益指数，水质监测增益指数表示对各数据点所在校正观测窗口内的吸光度进行校正时所需调整窗口大小的程度，基于水质监测增益指数利用鲸鱼优化算法得到对各数据点所在校正观测窗口内的吸光度进行校正时的最佳窗口大小。
具体的，将鲸鱼的位置坐标可表示为，其中/>、/>、…、/>分别表示在地下水污染溯源样本对应的光谱特征曲线中第1个、第2个、…、第n个数据点对应的校正观测窗口的长度，一头鲸鱼对应各波长所选取校正观测窗口中的一个解，通过随机初始化鲸鱼的位置，即随机初始化地下水污染溯源样本对应的光谱特征曲线中每个数据点对应的校正观测窗口的长度，不断迭代寻找最优解，最优解即为各数据点对应的校正观测窗口的最佳长度。
进一步的，鲸鱼优化算法的适应度函数为：
式中，表示鲸鱼优化算法的适应度函数值，/>表示地下水污染溯源样本对应的光谱特征曲线中数据点的数量，/>表示地下水污染溯源样本对应的光谱特征曲线中第/>个数据点对应的校正观测窗口的水质监测增益指数。
进一步的，鲸鱼优化算法的输入为鲸鱼位置坐标的限制条件、适应度函数、种群大小为（大小取经验值50）、最大迭代次数/>（大小取经验值100），其中适应度函数为/>，限制条件为地下水污染溯源样本对应的光谱特征曲线中各数据点对应校正观测窗口长度的取值范围，即鲸鱼位置坐标中各维度的取值范围，迭代停止条件为达到最大迭代次数；为尽可能达到对地下水光谱数据最佳的校正效果，地下水污染溯源样本对应的光谱特征曲线中各数据点对应校正观测窗口长度取值范围设置为/>，即每个数据点均在全波长段内寻找最佳校正观测窗口长度，鲸鱼优化算法的具体计算过程为公知技术，不再进行赘述。
进一步的，基于地下水污染溯源样本对应的光谱特征曲线中每个数据点对应校正观测窗口的水质监测增益指数利用鲸鱼优化算法获取每个数据点对应的最优校正观测窗口长度，地下水污染溯源样本的实际光谱数据与理论光谱数据为存在线性关系，将光谱特征曲线中每个数据点对应的校正观测窗口内的所有吸光度数据作为MSC算法的输入，采用MSC算法对地下水污染溯源样本的光谱数据进行吸光度数据的校正，MSC算法的具体计算过程为公知技术，不再进行赘述。
至此，获取了地下水污染溯源样本的光谱数据的校正结果。
步骤S004，根据地下水污染溯源样本的光谱数据的校正结果获取地下水污染的溯源结果。
对地下水污染溯源样本的光谱数据的校正结果进行无关变量消除和特征提取，以消除光谱数据中的干扰信息，放大特征污染物光谱数据之间的差异，同时降低地下水污染溯源样本的光谱数据的校正结果的维度，进而提高通过污染物溯源方法对地下水污染物溯源时的运算效率及稳定性，实现对地下水污染的快速溯源。
具体的，将地下水污染溯源样本的光谱数据的校正结果作为PCA(PrincipalComponent Analysis)算法的输入，对地下水污染溯源样本的光谱数据的校正结果进行降维，提取主要成分特征，即算法的输出为地下水污染溯源样本的光谱数据的校正结果的主要成分特征，其中为保证数据重要信息的完整性，选取主成分时应保证累计贡献率大于等于80%，此时的损失信息较小，特征信息得以保留，将主成分累计贡献率大于等于80%时的主成分数作为PCA算法的主成分数，PCA算法的具体计算过程为公知技术，不再进行赘述。
进一步的，将地下水污染溯源样本中地下水样本对应的光谱数据的主要成分特征数据作为待比较数据，将园区污水样本对应的光谱数据的主要成分特征数据作为园区特征数据，将各园区的名称作为对应的园区特征数据的标签，将各园区对应的园区特征数据与对应标签、待比较数据作为KNN算法的输入，采用KNN算法获取地下水样本对应的待比较数据最匹配的污水样本对应的园区特征数据，将所述园区特征数据对应的园区作为地下水污染溯源结果，其中KNN算法中K值的大小中取值为10，KNN算法的具体计算过程为公知技术，不再进行赘述，具体的地下水污染溯源方法的实施过程如图2所示。
基于与上述方法相同的发明构思，本申请实施例还提供了一种地下水污染快速溯源***，包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述一种地下水污染快速溯源方法中任意一项所述方法的步骤。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。以上所述仅为本申请的较佳实施例而已，并不用以限制本申请，凡在本申请的原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
Claims (10)
1.一种地下水污染快速溯源方法，其特征在于，该方法包括以下步骤：
获取地下水污染溯源样本的光谱数据，所述地下水污染溯源样本包括地下水样本、园区污水样本；
在地下水污染溯源样本的光谱数据中构建校正观测窗口，根据校正观测窗口内的光谱数据的数据变化特征计算水质净化特征指数；根据校正观测窗口内的光谱数据的波动变化特征和对应的水质净化特征指数计算水质监测增益指数；
基于水质监测增益指数利用鲸鱼优化算法获取地下水污染溯源样本的光谱数据的最佳校正观测窗口；基于地下水污染溯源样本的光谱数据的最佳校正观测窗口利用多元散射校正算法获取所述光谱数据的校正结果；
基于地下水污染溯源样本光谱数据的校正结果利用主成分分析和KNN算法获取地下水污染的溯源结果。
2.根据权利要求1所述的一种地下水污染快速溯源方法，其特征在于，所述在地下水污染溯源样本的光谱数据中构建校正观测窗口的方法为：
地下水污染溯源样本的光谱数据中每个光谱数据对应一个波长数据和一个吸光度数据，将地下水污染溯源样本的光谱数据对应的波长数据作为横坐标，将地下水的光谱数据对应的吸光度数据作为纵坐标，将横坐标和纵坐标对应的所有数据点构成的曲线作为地下水污染溯源样本的光谱特征曲线，以所述光谱特征曲线中每个数据点为中心分别构建不同预设大小的矩形窗口，将所述矩形窗口作为地下水污染溯源样本对应的光谱特征曲线中的一个校正观测窗口。
3.根据权利要求1所述的一种地下水污染快速溯源方法，其特征在于，所述根据校正观测窗口内的光谱数据的数据变化特征计算水质净化特征指数的方法为：
对于地下水污染溯源样本对应的光谱特征曲线中的每个校正观测窗口，将校正观测窗口内所有数据点对应的波长数据由小到大进行排序组成的序列作为波长数据特征序列，将波长数据序列中所有元素对应的吸光度数据组成的序列作为吸光度数据更新序列；
采用曲线拟合算法获取吸光度数据更新序列的拟合曲线，获取所述拟合曲线中所有极大值点和极小值点，将每个极大值点对应的两个相邻极小值点对应横坐标的差值的绝对值作为每个极大值点对应的峰值宽度特征值；
根据每个校正观测窗口对应的吸光度数据更新序列的拟合曲线中极大值点和极大值点对应的峰值宽度特征值计算峰值尖锐指数，基于峰值尖锐指数和地下水污染溯源样本对应的光谱特征曲线的波动特征计算水质净化特征指数。
4.根据权利要求3所述的一种地下水污染快速溯源方法，其特征在于，所述根据每个校正观测窗口对应的吸光度数据更新序列的拟合曲线中极大值点和极大值点对应的峰值宽度特征值计算峰值尖锐指数的方法为：
将每个校正观测窗口对应的吸光度数据更新序列的拟合曲线中所有极大值点对应的吸光度数据的均值为第一指数，将每个校正观测窗口对应的吸光度数据更新序列的拟合曲线中每个极大值点对应的吸光度数据与第一指数差值的绝对值作为分子，将每个校正观测窗口对应的吸光度数据更新序列的拟合曲线中每个极大值点对应的峰值宽度特征值作为分母，将分子与分母的比值作为第二指数，将第二指数在每个校正观测窗口上的累加结果作为峰值尖锐指数。
5.根据权利要求3所述的一种地下水污染快速溯源方法，其特征在于，所述基于峰值尖锐指数和地下水污染溯源样本对应的光谱特征曲线的波动特征计算水质净化特征指数的方法为：
将每个校正观测窗口对应的峰值尖锐指数作为分子，将地下水污染溯源样本对应的光谱特征曲线中所有的数据点对应的吸光度组成的序列作为总吸光度数据序列，采用突变点检测算法获取总吸光度序列中的突变点，将所述突变点的数量与预设参数的和作为分母，将分子与分母的比值作为水质净化特征指数。
6.根据权利要求1所述的一种地下水污染快速溯源方法，其特征在于，所述根据校正观测窗口内的光谱数据的波动变化特征和对应的水质净化特征指数计算水质监测增益指数的方法为：
对于地下水污染溯源样本对应的光谱特征曲线中的每个校正观测窗口，采用最小二乘法获取每个校正观测窗口对应的吸光度数据更新序列中每个元素的拟合值，将所述吸光度数据更新序列中每个元素与对应的拟合值的差值作为每个元素对应的吸光度数据残差，将所有所述吸光度数据残差组成的序列作为吸光度残差序列；根据每个校正观测窗口对应的吸光度残差序列和水质净化特征指数获取水质监测增益指数。
7.根据权利要求6所述的一种地下水污染快速溯源方法，其特征在于，所述根据每个校正观测窗口对应的吸光度残差序列和水质净化特征指数获取水质监测增益指数的具体方法为：
将每个校正观测窗口对应的水质净化特征指数作为分子，将每个校正窗口对应的吸光度残差序列中所有元素的标准差与预设参数的和作为分母，将分子与分母的比值的映射结果作为水质监测增益指数。
8.根据权利要求1所述的一种地下水污染快速溯源方法，其特征在于，所述基于水质监测增益指数利用鲸鱼优化算法获取地下水污染溯源样本的光谱数据的最佳校正观测窗口的方法为：
地下水污染溯源样本对应的光谱特征曲线中所有数据点对应的校正观测窗口的水质监测增益指数的和作为鲸鱼优化算法中的适应度函数值，采用鲸鱼优化算法获取地下水污染溯源样本对应光谱特征曲线中每个数据点对应的最佳校正观测窗口。
9.根据权利要求1所述的一种地下水污染快速溯源方法，其特征在于，所述基于地下水污染溯源样本光谱数据的校正结果利用主成分分析和KNN算法获取地下水污染的溯源结果的方法为：
采用主成分分析算法获取地下水污染溯源样本的光谱数据校正结果中的主要成分特征数据，将地下水污染溯源样本中地下水样本对应的光谱数据的主要成分特征数据作为待比较数据，将园区污水样本对应的光谱数据的主要成分特征数据作为园区特征数据，将各园区的名称作为对应的园区特征数据的标签；
采用KNN算法获取地下水样本对应的待比较数据最匹配的污水样本对应的园区特征数据，将所述园区特征数据对应的园区作为地下水污染溯源结果。
10.一种地下水污染快速溯源***，包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-9任意一项所述一种地下水污染快速溯源方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410133959.6A CN117668685B (zh) | 2024-01-31 | 2024-01-31 | 一种地下水污染快速溯源方法及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410133959.6A CN117668685B (zh) | 2024-01-31 | 2024-01-31 | 一种地下水污染快速溯源方法及*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117668685A CN117668685A (zh) | 2024-03-08 |
| CN117668685B true CN117668685B (zh) | 2024-04-05 |
Family
ID=90082893
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410133959.6A Active CN117668685B (zh) | 2024-01-31 | 2024-01-31 | 一种地下水污染快速溯源方法及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117668685B (zh) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113378380A (zh) * | 2021-06-08 | 2021-09-10 | 台州南水环保科技有限公司 | 一种基于数值模拟的地下水中污染物溯源方法 |
| CN117309838A (zh) * | 2023-11-16 | 2023-12-29 | 浙江清华长三角研究院 | 一种基于三维荧光特征数据的工业园区水体污染溯源方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114154857A (zh) * | 2021-12-03 | 2022-03-08 | 江苏省农业科学院 | 农残污染物追溯*** |
-
2024
- 2024-01-31 CN CN202410133959.6A patent/CN117668685B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113378380A (zh) * | 2021-06-08 | 2021-09-10 | 台州南水环保科技有限公司 | 一种基于数值模拟的地下水中污染物溯源方法 |
| CN117309838A (zh) * | 2023-11-16 | 2023-12-29 | 浙江清华长三角研究院 | 一种基于三维荧光特征数据的工业园区水体污染溯源方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117668685A (zh) | 2024-03-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107478580B (zh) | 基于高光谱遥感的土壤重金属含量估算方法及装置 | |
| Langergraber et al. | A multivariate calibration procedure for UV/VIS spectrometric quantification of organic matter and nitrate in wastewater | |
| Torres et al. | Partial Least Squares local calibration of a UV–visible spectrometer used for in situ measurements of COD and TSS concentrations in urban drainage systems | |
| CN116701885B (zh) | 一种废水处理数据采集分析方法 | |
| CN114839343B (zh) | 一种便携式水质监测巡检仪装置及使用方法 | |
| CN112950044A (zh) | 一种沉积物重金属的生态风险评价方法 | |
| CN115810403A (zh) | 一种基于环境特征信息评估水质污染的方法 | |
| CN117030654A (zh) | 一种空气中痕量级二氧化硫浓度测量方法 | |
| CN117668685B (zh) | 一种地下水污染快速溯源方法及*** | |
| Cascone et al. | AbspectroscoPY, a Python toolbox for absorbance-based sensor data in water quality monitoring | |
| CN112630180B (zh) | 水体中有机磷农药浓度检测的紫外/可见光吸收光谱模型 | |
| Deda et al. | Measurement of heavy metal concentrations in groundwater | |
| CN116263444B (zh) | 高分辨质谱非靶向分析水体污染源识别与溯源方法 | |
| CN112801936B (zh) | 一种x射线荧光光谱自适应本底扣除方法 | |
| CN115541563A (zh) | 一种基于激光诱导击穿光谱的元素定量分析方法 | |
| CN110553988B (zh) | 一种基于叠加态思想的no低浓度信号提取方法 | |
| Liu et al. | Use of multivariate calibration models based on UV-Vis spectra for seawater quality monitoring in Tianjin Bohai Bay, China | |
| CN116738232B (zh) | 一种基于ftir光谱的城市大气碳排放分布检测方法 | |
| CN114965325B (zh) | 一种氯离子检测方法、装置及计算机可读存储介质 | |
| CN111044501B (zh) | 基于拉曼光谱的酚类有机污染物快速检测方法 | |
| CN115862764A (zh) | 预测水中溶解性有机物的氯氧自由基反应速率常数的方法 | |
| CN114152587A (zh) | 一种基于卷积神经网络的水源污染物检测***及方法 | |
| CN115791691A (zh) | 一种测定磷酸三丁酯浓度的方法 | |
| CN115753669A (zh) | 一种同时测定硝酸、n,n-二甲基羟胺和甲基肼浓度的方法 | |
| Brandt | Anthropogenic impacts on urban watersheds: insights from LA-ICP-MS analyses of bald cypress tree cores |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |