改进了增强和自我注意力RBF网络,用于基于UV-vis的COD预测
Xi'ang Chen1,2,3, Senlin Wang1,4,3, Hao Chen1,4,3
1Fujian Institute of Research on the Structure of Matter, Chinese Academy of Sciences, Fuzhou 350005, China. senlin16888@fjirsm.ac.cn.
Analytical methods : advancing methods and applications
|September 3, 2024
概括
本研究提出了一种优化的UV-VIS光谱模型,用于精确测量水中的化学氧需求 (COD). 这种新的方法有效地弥补了度,改善了水质评估.
科学领域:
- 环境科学 环境科学
- 分析化学 分析化学
- 频谱学是一种光谱学.
背景情况:
- 精确的水质评估至关重要.
- 化学氧气需求 (COD) 是一个关键指标.
- 传统的COD检测方法有其局限性.
研究的目的:
- 为COD检测开发一个优化的UV-VIS光谱模型.
- 为了应对水样中的度干扰的挑战.
- 为了提高COD测量的准确性和效率.
主要方法:
- 利用紫外线光谱法从水库水样中获得吸收光谱.
- 开发了一个优化的提升模型,并采用了度补偿策略.
- 在辐射基函数 (RBF) 网络 (saRBF框架) 中实施了自我注意机制.
主要成果:
- 拟议的saRBF模型实现了0.9267.7的确定系数 (R2).
- 该模型显示根平均平方误差 (RMSE) 为1.2669和平均绝对误差 (MAE) 为1.0097.
- 开发的模型的性能优于现有的COD测量技术.
结论:
- 优化的增强模型有效地弥补了紫外线对紫外线光谱的度.
- saRBF框架为准确的COD检测提供了一个强大的方法.
- 这项研究提供了一种用于水质监测中的度补偿和COD分析的新方法.
