两步模拟退火算法研究与水质叶绿素a光谱定量反演模型建立

作     者：裴健 

作者单位：中国科学院大学(中国科学院长春光学精密机械与物理研究所) 

学位级别：硕士

导师姓名：谭鑫

授予年度：2023年

学科分类：12[管理学] 082803[工学-农业生物环境与能源工程] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 08[工学] 0828[工学-农业工程] 081104[工学-模式识别与智能系统] 0804[工学-仪器科学与技术] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主      题：叶绿素a浓度 吸收光谱检测 光谱特征提取 模拟退火算法 定量反演 

摘      要：水作为生命之源,在人类生产和生活中发挥着重要作用。世界上几乎一半的人口依靠湖泊和水库的水来饮用、发展渔业、运输和旅游等。近年来的监测发现,我国的大多数湖泊和水库都有或重或轻的富营养化现象,在经济发达的东部地区的湖库,如太湖和巢湖,藻型富营养化尤为普遍,准确高效地评估富营养化状态对水质研究和治理是非常重要的。在水质监测的众多指标中,叶绿素a浓度可以很好地对湖泊中藻类生物量进行表征。通过监测叶绿素a浓度,能够对湖泊的富营养化程度进行有效及时的评估,确定受污染的地区与污染程度,开展有效的处理措施和行动。但是,目前野外采集水样,实验室化验仍是水质叶绿素a主要检测手段。现有在线监测设备,估算方法精度较低,仪器野外应用能力较差,难以满足水质叶绿素a实际监测的要求。因此,开展水质叶绿素a精确、快速、高效、原位、低成本、在线监测技术研究,是实现水生态可持续发展的重要保障。本文以紫外-可见-近红外光谱技术为基础,开展水质叶绿素a精确、快速、高效、原位、低成本在线检测技术的研究,以下为论文主要工作与贡献:1)针对目前水质叶绿素a监测工作仍以人工采样实验室分析化验为主,难以满足精确,快速,高效,低成本监测的现实需求。本文以紫外-可见-近红外光谱技术为基础,对光谱检测系统所用的仪器和器件参数、数据采集方式等进行实验验证。实验的结果表明,在实验室环境下对样本溶液叶绿素a浓度预测的最优精度R为0.9287,RMSE为8.8637μg/L,MAE为7.0639μg/L。此实验评估了设计方案可行性,降低仪器研制的技术风险,并以此为指导构建了光谱检测系统。2)针对目前许多传统数据处理算法在实际应用中表现较差,导致结果精度偏低的问题,本文聚焦数据处理流程中的光谱特征提取算法,对其进行深入研究,在传统模拟退火算法的基础上引入“基于Boruta算法的局部寻优过程,提出“两步模拟退火算法(Two-Step Simulated Annealing,TSSA)用于光谱特征提取,本算法将全局寻优与局部寻优相结合,寻优效率大大提高,Boruta算法的加入保证了特征提取结果均为与因变量的强相关信息,降低了数据冗余。实验结果表明在经一阶微分处理后的数据集中,相较于传统特征提取算法,使用TSSA算法进行光谱特征提取建立的反演模型精度决定系数R提升24.63%-91.89%;均方根误差RMSE下降60.83%-73.62%;平均绝对误差MAE下降56.92%-70.78%。3)针对目前在光谱水质检测技术领域缺少精确、高效的定量反演模型的问题。本文使用研制的光谱检测设备在我国典型的富营养化浅水湖泊巢湖、太湖进行实地测量,采集数据。以蒸馏水的光谱数据为标定基准计算吸收光谱,使用一阶微分、二阶微分、去包络线三种方式对数据进行光谱特征增强。使用相关系数法、波段比值法、主成分分析法等六种方式进行光谱特征提取,将提取到的特征输入BP神经网络进行反演建模。根据模型评价指标选择使用差分光谱标定→一阶微分处理→SG滤波→TSSA光谱特征提取→BP神经网络的数据处理方式建立反演算法模型。实验结果表明,其对水体中叶绿素a含量的预测精度决定系数R为0.9654,RMSE为3.6723μg/L,MAE为3.1461μg/L,真正实现了水质叶绿素a浓度的精确、快速、高效、原位、低成本在线获取。