通过主要成分分析和随机森林用于光谱处理的联合方法识别海洋微塑料
Xiongfei Meng1, Shimeng Chen2, Lanjun Sun3
1Department of Marine Engineering, Dalian Maritime University, Dalian 116026, China; Department of Navigation and Shipping, ShanDong JiaoTong University, Weihai 264200, China.
Marine pollution bulletin
|February 27, 2025
概括
这项研究引入了一种新的主要成分分析 (PCA) 和随机森林 (RF) 方法,以准确地识别和量化微塑料使用其光谱,克服重大重叠挑战.
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:
- 使用光光谱学的微塑料识别受到严重重叠的光谱的阻碍.
- 准确的量化和识别对于环境监测至关重要.
研究的目的:
- 开发一种强大的方法来区分和量化微塑料,尽管光谱重叠.
- 为了提高基于光的微塑料分析的准确性.
主要方法:
- 采用了主要组件分析 (PCA) 和随机森林 (RF) 方法的组合方法.
- 使用PCA来减少光谱维度,RF对PCA得分进行分类.
- 该方法使用纯微塑料和混合微塑料样本进行了验证.
主要成果:
- 该PCA-RF方法在组件识别中实现了99.7%的准确性.
- 预测和实际微塑料质量度之间的相关系数超过了0.99.
- 该模型成功识别了真正的海洋微塑料.
结论:
- PCA-RF方法有效地解决了微塑料光分析中的光谱重叠问题.
- 这种方法可以准确识别和量化微塑料的成分和度.
- 该模型对现实世界环境样本分析具有前景.
