基于可见-近红外光谱技术与BP-ANN算法的污水类型鉴定

摘要：

提出了一种基于可见-近红外光谱技术与BP人工神经网络(BP-ANN)算法快速进行污水类型鉴定的新方法.以FieldSpec(R)3地物光谱仪采集了4种污水样品的光谱数据,共168份,随机将其分成校正集(132份)和检验集(36份).分别采取全波段(400～2450 nm)与择取波段(400～1800 nm)两种方法建立模型进行分析.光谱经S.Golay平滑和标准归一化(SNV)处理后,以主成分分析法(PCA)降维.将降维所得的前9个主成分数据作为BP-ANN的输入变量,污水类型作为输出变量,建立3层BP-ANN鉴别模型.利用36个未知样对模型进行检验.结果表明:两类模型预测准确率均高达100%,且择取波段模型比全波段模型具有更高的预测精度.说明利用可见-近红外技术结合BP-ANN算法进行污水类型的快速、无污染鉴定是可行的,且波段筛选是优化模型的有效方法之一.

关键词：可见-近红外光谱、污水、BP-神经网络、鉴定

所属期刊栏目：39

分类号：S123(农业物理学)

资助基金：国家自然科学基金项目30570279;中南林业科技大学林业遥感信息工程研究中心开放性研究基金项目RS2008k03;中南大学拔尖博士研究生学位论文创新项目1960-71131100007;优秀博士论文扶持项目2008yb024

在线出版日期：2010-01-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：1153-1157