论文部分内容阅读
我国河流湖泊水华现象日益突出,对人类的生产生活构成了威胁,因此迫切需要建立一种可在线测量浮游藻门类与浓度的方法,以实现浮游藻的日常监测和水华预警的功能。荧光测量法是现代测量的热点之一,它通过测量物质的荧光光谱来测量物质的种类和浓度,具有广阔的应用前景。本文在浮游藻类荧光测量法的基础上,通过分析浮游藻类光合色素特性和实验研究,提出了基于三波长的浮游藻门类识别与浓度测量方法,同时设计了一种浮游藻门类识别与测量装置的实施方案。本文在对我国淡水水域常见水华藻类进行分析的基础上,选择绿藻门、蓝藻门和硅藻门三种门类藻作为主要研究对象,利用三种纯种藻的荧光光谱数据作为训练集,用来建立藻类测量模型;利用纯种藻与护校河水、西湖水、小区排污口水三种实际水体的混合样品的荧光光谱数据作为测试集,用来验证模型的准确性,从而达到在门类水平上实现对浮游藻的测量。具体展开的研究如下:(1)通过对浮游藻光合色素特征及其吸收光谱的分析,发现不同门类藻体内所含光合色素具有一定差异而相同门类藻所含光合色素的种类是相同的规律,导致相同门类藻归一化荧光激发光谱非常相似,不同门类藻归一化荧光激发光谱存在明显不同,这构成了对浮游藻进行分类的主要依据。(2)根据所选三种门类藻种光合色素的吸收光谱特性选取了 440nm、470nm、530nm和630nm四个激发波长进行实验测试,并利用梯度提升决策树(GBDT)进行波长筛选。GBDT中每一棵树的根节点都表示一个特征,对于本文的藻类荧光数据,每个激发波长表示特征,每个激发波长所对应的荧光值表示特征值,对特征值进行测试,根据测试结果对样品进行分类。这样可从分类结果中判断出对分类结果贡献度较高的特征,从而达到特征筛选的目的。本文利用GBDT算法对所选取的四个激发波长进行筛选,剔除440nm激发波长后提出了基于三波长荧光光谱的浮游藻门类识别与浓度测量方法。(3)建立了浮游藻门类识别模型。利用纯种藻荧光光谱数据,通过SVM算法建立蓝藻门、绿藻门、硅藻门三种门类藻的识别模型,并用护校河水、西湖水、小区排污口水和纯种藻的混合样品来验证识别模型的准确率,蓝藻、绿藻和硅藻识别模型的平均准确率分别为92.1%、81.0%和85.2%。(4)建立了浮游藻浓度测量模型。利用纯种藻荧光光谱数据,建立了绿藻门和蓝藻门两种门类藻的荧光强度与藻类浓度之间的回归模型,并用回归评价指标R2评价回归模型的准确度,绿藻门回归模型的R2为0.8821,硅藻门回归模型的R2为0.9590。(5)设计了基于三波长的藻类荧光测量装置的方案。该装置基于三个特征波长高亮LED和荧光检测探头模块,并设计了光路结构的外壳,用PLA材料打印外壳保证了整个结构的强度,可置于移动式水上设备中,实现对特定水域的动态测量。