Page 20 - 理化检验-化学分册2025年第三期
P. 20

苏涵君,等:基于可见-近红外光谱技术快速检测水质酸度


              表明无用信息变量被消除;然后,5倍RMSECV值在                              分别对SPA和CARS选中的波长变量进行PLS
              5~24次采样期间变化不明显;最后,由于一些信息                          建模,结果见表3。由表3可知:采用SPA筛选的波
              性变量被移除,倍RMSECV值迅速上升。 由图4(c)                       长变量建立的PLS模型的预测精度较低,产生此现
                           5
              可知,在第 24 次采样 (垂直的星号线)处达到最低                        象的原因是在SPA进行波长筛选后,去掉了部分有
              5倍RMSECV值,为最佳点。选取了45个光谱波长                         用信息,从而导致模型效果变差。采用CARS筛选的
              变量作为特征波长,仅占全光谱(2 860个光谱波长)                        波长变量建立PLS模型的RMSEP为0. 380 3, R p 为
                                                                                                           2
              的 1. 57%,基于CARS筛选的特征波长分布如图 5                      0. 978 6,RPD为7. 014 5,与最初经SPXY算法划分
              所示。                                               样本集后建立的PLS模型相比,基于SNV-CARS的
                                                                             2
                                                                PLS模型的R p 由 0. 923 7 提高到 0. 978 6,RMSEP
                                                                由 0. 718 2 下降到 0. 380 3,RPD由 3. 372 9 提高到
                                                                7. 014 5,预测精度和稳定性显著提高。此外,模型
                                                                所用波长变量数由2 860个减少至45个, 可以大大缩
                                                                短建模时间,有效简化模型,提高运算速率和模型稳
                                                                定性。
                                                                     图 6 为基于SNV-CARS-PLS建立的水质酸度
                                                                模型的预测值与真实值散点图。由图6可知, 预测值
                                                                与真实值的散点较为均匀地分布在趋势线的两侧,
                        图 5 基于 CARS 筛选的特征波长分布
                  Fig. 5 Characteristic wavelength distribution based on    拟合曲线的斜率接近于1,说明此模型相关性比较
                                CARS screening                  好,且具有较好的预测效果。
                                           表3 不同波长筛选方法建立PLS模型的预测结果
                          Tab. 3 Prediction results of PLS models established by different wavelength screening methods

                   模型         变量数        主成分数        RMSECV        R c 2      RMSEP        R p 2       RPD
               SNV-SPA-PLS      11          7         1. 317 1    0. 696 8    0. 834 2    0. 897 1    3. 197 8
               SNV-CARS-PLS     45          6         0. 409 8    0. 970 6    0. 380 3    0. 978 6    7. 014 5
                                                                的混合方法,采用少数波长变量建立了高精度测
                                                                量模型,可对水质酸度进行快速定量分析。该模
                                                                型为实现在线持续检测应用提供了理论依据。

                                                                参考文献:

                                                                 [1]   YOU Q H,SHEN J H,SHEN G P,et al. A colorimetric
                                                                     and fluorescent pH probe for extremely acidic conditions
                                                                     and  its  application  in  pH  test  paper[J]. Bulletin  of  the
                                                                     Korean Chemical Society,2018,39(3):363-368.
                                                                 [2]   赵亚,王震洲. 基于数字图像处理的 pH 试纸自动检
                                                                     测技术[J]. 机械与电子,2017,35(7):56-59.
                   图 6 SNV-CARS-PLS 模型的预测值与真实值散点图
               Fig. 6 Scatter plot of the predicted values of the SNV-CARS-PLS       ZHAO  Y,WANG  Z  Z.  On  the  automatic  detection
                            model and the true values                technology  of  pH  test  paper  based  on  digital  image
                                                                     processing[J]. Machinery  &  Electronics,2017,35(7):
                  本工作采集了60 个不同酸度水溶液样本的Vis-
                                                                     56-59.
              NIRS原始数据,比较了多种预处理方法和特征波长优
                                                                 [3]   刘淑雅,刘春颖,延鹏,等. 胶州湾及青岛近海海水pH
              选方法在水质酸度光谱分析中的应用效果,提出了
                                                                     值的分光光度法研究[J]. 海洋湖沼通报,2013,35(3):
              一种水质酸度定量分析模型精度较高的快速光谱分                                 108-114.
              析方法。基于SPXY样本集划分,并结合基于SNV-                              LIU  S  Y,LIU  C  Y,YAN  P,et  al.  Research
              CARS-PLS 的预处理、波长优选和多元回归模型                              of  spectrophotometric  pH  measurements  of

               •   254   •
   15   16   17   18   19   20   21   22   23   24   25