期刊文献+
共找到3篇文章
< 1 >
每页显示 20 50 100
基于SG-Lasso-PLS融合算法的水体硝酸盐氮紫外光谱检测研究
1
作者 王金梅 何适 +4 位作者 张航熙 杨晨 尹义同 张莉 郑培超 《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2023年第4期1037-1042,共6页
硝酸盐氮(NO3-N)是水中“三氮”(硝酸盐氮、亚硝酸盐氮、氨氮)之一,能够反映水体受污染的程度,是水质评估的一项重要指标。水体中的硝酸盐氮浓度过高不仅会导致水环境污染加重,而且会对人畜及水产构成较大威胁。传统的硝酸盐氮检测必须... 硝酸盐氮(NO3-N)是水中“三氮”(硝酸盐氮、亚硝酸盐氮、氨氮)之一,能够反映水体受污染的程度,是水质评估的一项重要指标。水体中的硝酸盐氮浓度过高不仅会导致水环境污染加重,而且会对人畜及水产构成较大威胁。传统的硝酸盐氮检测必须先反应后测定,具有时间长、操作复杂、有二次污染等缺点。光谱法具有快速、无损、无试剂消耗等显著优点。针对硝酸盐氮难以快速检测的问题,提出了一种基于紫外吸收光谱的快速定量分析硝酸盐氮的方法。采集42份浓度为0~20 mg·L^(-1)的硝酸盐氮标准溶液样本的紫外吸收光谱,每份样本经11次平均处理以减少仪器噪声和环境的影响。采用SPXY算法按照7∶3的比例划分训练集、测试集,对紫外吸收光谱数据使用Savitzky-Golay(SG)滤波算法进行预处理,通过10折叠交叉验证获得套索回归(lasso regression)合适的正则化参数λ=0.2036,再使用Lasso回归在全光谱范围内筛选出与硝酸盐氮相关的光谱特征波长,将特征波长处的吸光度与样本浓度进行偏最小二乘(PLS)拟合建立硝酸盐氮的回归模型。采用此建模方法所建立的模型训练集的R2与RMSE分别为0.99991和0.06015 mg·L^(-1),测试集的R2与RMSE分别为0.99972和0.04691 mg·L^(-1)。为了验证提出的SG-Lasso-PLS预测模型效果,另外建立了Lasso-PLS,SG-PCA-PLS和SG-PCA-SVR三种预测模型进行对比。验证结果表明,SG-Lasso-PLS建立的预测模型的R2和RMSE均优于其他三种预测模型。说明SG滤波能够消除光谱信号的随机噪声,提高模型的预测精度。与PCA数据降维算法相比,Lasso可实现全光谱范围内的光谱特征选择和数据降维,能有效消除光谱数据的冗余信息,提高模型的预测精度。因此,本文提出的SG-Lasso-PLS混合模型能够快速准确的对水体中的硝酸盐氮进行预测。作为硝酸盐氮浓度检测的基础研究,能为快速无污染的水质在线监测场景提供算法参考。 展开更多
关键词 硝酸盐氮 紫外吸收光谱 Lasso回归 PLS回归
下载PDF
植物识别APP辅助植物学实践教学 被引量:3
2
作者 肖昌龙 张海燕 +2 位作者 王颜波 张航熙 余本锋 《高师理科学刊》 2023年第1期103-106,共4页
植物学课程具有很强的理论性和实践性,是高校新生最先接触的专业基础课程之一.随着智能手机的普及与人工智能的高速发展,将植物识别类APP运用于植物学课程教学具有重要意义.选取了3款常用植物识别APP,形色、花伴侣和生命观察进行比较,... 植物学课程具有很强的理论性和实践性,是高校新生最先接触的专业基础课程之一.随着智能手机的普及与人工智能的高速发展,将植物识别类APP运用于植物学课程教学具有重要意义.选取了3款常用植物识别APP,形色、花伴侣和生命观察进行比较,分析其在植物学实践教学中的应用价值,并对其存在的问题进行探讨.合理运用植物识别APP辅助植物学实践教学,不仅可以提升学生的学习兴趣和积极性,还可以丰富教学内容与资源,并实现教学效果最优化. 展开更多
关键词 植物识别APPs 植物学 实践教学
下载PDF
水质COD的激光诱导荧光检测方法研究 被引量:1
3
作者 郑培超 杨晨 +4 位作者 张航熙 王金梅 何适 尹义同 张莉 《激光杂志》 CAS 北大核心 2022年第8期55-59,共5页
化学需氧量(Chemical Oxygen Demand,COD)是评价水体受有机物污染程度的重要指标。提出了一种基于激光诱导荧光光谱的水质COD分析方法。以单波长半导体激光器(波长为405 nm)作为激发光源,采用便携式光纤光谱仪收集发射的荧光光谱。通过... 化学需氧量(Chemical Oxygen Demand,COD)是评价水体受有机物污染程度的重要指标。提出了一种基于激光诱导荧光光谱的水质COD分析方法。以单波长半导体激光器(波长为405 nm)作为激发光源,采用便携式光纤光谱仪收集发射的荧光光谱。通过主成分分析(PCA)和偏最小二乘(PLS)分别对光谱进行数据降维以及回归建模。结果表明,当主成分个数为17时得到的测试集均方根误差最小,此时测试集决定系数为0.9628,均方根误差(RMSE)为0.1582 mg/L。并且本模型对预测集水样的COD预测误差均小于20%,说明建立的测量模型有较高的预测精度,满足国内水质检测行业的精度要求。 展开更多
关键词 水质检测 化学需氧量 荧光光谱 偏最小二乘
原文传递
上一页 1 下一页 到第
使用帮助 返回顶部