使用波波变换和1D-CNN进行地表水污染的预测
Gaofeng Wang1, Hao Zhang1, Man Gao1
1College of Electrical and Information Engineering, Beihua University, Jilin 132021, China.
概括
这项研究使用波波变换和1D-CNN与UV-vis光谱学准确预测表面水污染指标,如 permanganate指数 (COD Mn) 和水平,实现R值超过0.98.
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:
- 地表水质量至关重要,并使用诸如酸盐指数 (CODMn),总和氨等指标进行评估.
- 需要准确和强大的方法来监测这些污染水平.
研究的目的:
- 开发和验证用于预测表面水污染指标的光谱方法.
- 为了评估1D-CNN模型与波纹预处理相结合的性能.
主要方法:
- 收集了708个不同度的地表水样本.
- 采用紫外可见 (UV-vis) 光谱仪进行光谱分析.
- 使用波波变换用于光谱预处理和1D-CNN用于预测建模.
主要成果:
- 波段变换具有固定值 (sqtwolog) 的优化光谱数据.
- 1D-CNN模型在测试数据集上实现了超过0.98的确定系数 (R) 值.
- 与反向传播和极端学习机器模型相比,1D-CNN显示出更高的预测准确性和稳定性.
结论:
- 波形变换和1D-CNN的结合为预测地表水污染指标提供了一个高度准确和强大的方法.
- 这种方法在实时监测水质方面具有显著的实际价值.
