基于監(jiān)督學習的紫外--可見光光譜水質異常事件檢測方法研究.pdf

1、近年來水質污染事件時有發(fā)生，對人民生命財產安全造成了直接威脅。采用紫外-可見光光譜進行水質在線分析具有免試劑、低成本、實時性好等優(yōu)點，已成為城市供水系統(tǒng)水質原位預警的新興方向。針對現(xiàn)有水質異常事件光譜檢測方法存在檢出下限較高、報警不及時等問題，本文研究并提出了一種基于監(jiān)督學習的紫外-可見光光譜水質異常事件檢測方法。
　　論文的主要工作和創(chuàng)新點如下:
　　(1)針對現(xiàn)有非監(jiān)督異常檢測方法中污染物檢出限較高的問題，論文使用特征污

2、染物及正常水樣的全光譜信息進行監(jiān)督學習，采用偏最小二乘判別分析(PLS-DA)建模，引入序貫貝葉斯法確定水質異常事件，利用正交投影基線校正方法去除不同批次的光譜數(shù)據(jù)差異。實驗結果表明，結合先驗知識建模，能進一步降低特征污染物的檢出下限。
　　(2)針對光譜設備在長時間運行下導致的數(shù)據(jù)基線波動問題，開展了監(jiān)督學習異常事件檢測方法的適應性研究，論文提出一種動態(tài)正交投影基線校正方法，利用滑動窗中的數(shù)據(jù)實時調整模型并不斷更新基線。實驗結果

3、表明，該方法可以解決系統(tǒng)長時間運行下由于基線突變或趨勢變化導致的誤報問題。
　　(3)針對水質污染事件中特征污染物易受其他物質干擾的問題，開展了監(jiān)督學習異常事件檢測方法的特異性研究，論文提出一種定量評估方法，利用變量投影重要性(VIP)指標評估特征污染物模型及其干擾物或轉化物之間的相似性。實驗結果表明，模型相似性評估方法能定量預估兩種污染物模型的相似度，當模型相似度較低時，可以有針對性地檢出特征污染物事件。
　　本文提出的基