三维荧光光谱结合IGOA-SVM分类鉴别油类污染物 |
| |
作者姓名: | 程朋飞 朱燕萍 潘金燕 崔传金 张怡 |
| |
作者单位: | 1. 徐州工程学院电气与控制工程学院;2. 华北理工大学电气工程学院 |
| |
基金项目: | 国家自然科学基金项目(61803154);;河北省自然科学基金项目(F2019209323,F2019209443,F2019209599); |
| |
摘 要: | 溢油污染是一种典型的环境污染形式,通过多重渠道危害着生物多样性和人类自身安全。因此,针对油类污染物自身组成成分及其特性,采用多种方法相结合的方式,对其进行实时、精确、高效的检测对生态环境监测具有重要意义。三维荧光光谱分析法以其检测精度高、实时性好、操作简便、干扰性小等优势在荧光类物质检测领域应用十分广泛。三维荧光光谱结合支持向量机等算法在物质分类鉴别和浓度预测方面取得较好的成效,但仍存在收敛速度慢、易陷入局部最优等缺陷。将三维荧光光谱与改进蚱蜢优化支持向量机算法(IGOA-SVM)相结合,提出一种对油类污染物分类鉴别的新方法。首先,以0.1 mol·L-1十二烷基硫酸钠溶液作为溶剂,将0#柴油、 95#汽油和煤油以不同浓度配比配制成0#柴油和95#汽油、 0#柴油和煤油两组分混合样本20个和18个,三组分混合样本20个,各取一半为训练集和测试集。然后,采用F-7000荧光光谱仪采集混合溶液的荧光数据,分析三种油的标准溶液及配制的混合溶液,发现荧光光谱均在一定范围内存在不同程度的重叠现象,仅利用光谱检测无法准确鉴别。最后,结合混沌初始化、精英优化算法和差分进化算法对...
|
关 键 词: | 三维荧光光谱 改进蚱蜢优化算法 支持向量机 石油类污染物 |
|