10.3964/j.issn.1000-0593(2024)01-0082-06
紫外吸收光谱结合SPA-ELM算法的水体磷酸根离子检测研究
在工业锅炉中随着水蒸气蒸发,大量的钙镁离子留在炉水中,如果不加处理,在水冷管中会形成水垢,造成爆管停炉.为了保障设备的安全运行,消除安全隐患,工业上通过维持水中一定含量的磷酸根离子来去除锅炉中的钙、镁水垢.传统的磷酸根离子检测技术主要有比色法、分光光度法、色谱法、电位法等,这些方法前期处理步骤较繁琐且耗时较长.光谱法是通过测定物质的吸收光谱并建立和浓度关系的数学模型,对物质浓度定量的一种分析方法.为了满足磷酸根离子快速、实时测量的要求,提出了一种基于紫外吸收光谱结合SPA-ELM算法快速测量磷酸根离子的方法.按照我国《工业锅炉水质GB/T 1576—2018》中所规定的进入热水锅炉前的水质参数要求,配置37份浓度范围在5~100 mg·L-1磷酸根溶液,使用搭建的实验装置,采集紫外吸收光谱.使用SPXY将样品按照7∶3的比例随机划分训练集、测试集;使用Savitzky-Golay(S-G)滤波对数据预处理以提高光谱的信噪比;通过连续投影算法(SPA)压缩光谱数据,筛选出5个与磷酸根强相关的特征波长;使用极限学习机(ELM)将特征波长处的吸光度与样本浓度进行拟合,以决定系数R2和均方根误差RMSE作为模型评价指标,建立磷酸根离子的回归模型.采用所提出的建模方法所建立的模型训练集的R2与RMSE分别为0.9972和1.3015 mg·L-1,测试集的R2与RMSE分别为0.9995和0.5174 mg·L-1.为了验证所提出的SPA-ELM预测模型效果,另外建立了LASSO-ELM、PCA-ELM、SPA-PLS和SPA-SVR四种预测模型进行对比.实验结果表明,SPA-ELM建立的预测模型的R2和RMSE均优于其他四种预测模型,说明采用的特征选择方法和回归方法均为最优,能够对磷酸根浓度范围为5~100 mg·L-1的水体进行准确预测,为水中磷酸根离子的检测提供了一种新的解决方法.
磷酸根离子、紫外吸收光谱、连续投影算法、极限学习机
44
O433.4(光学)
国家自然科学基金;重庆市基础与前沿技术研究专项;重庆市教委科技项目;重庆市教委科技项目
2024-01-24(万方平台首次上网日期,不代表论文的发表时间)
共6页
82-87