[发明专利]痕量金属离子浓度区间预测方法、装置及存储介质

说明书

本发明涉及一种痕量金属离子浓度区间预测方法、装置及存储介质。该方法，包括步骤：S1、基于待测液的导数光谱获取所述待测液中痕量金属离子的最佳建模区间，并利用所述最佳建模区间结合主成分分析法提取痕量金属离子光谱信号特征；S2、基于支持向量机模型对所述痕量金属离子光谱信号特征进行处理，获得所述痕量金属离子的浓度区间预测结果。该方法能够准确获知痕量离子所属的浓度区间。所述装置包括显示器、处理器以及存储在存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序时实现上述所述方法的步骤。所述存储介质其上存储有计算机程序，所述计算机程序被处理器执行时实现上述所述方法的步骤。

技术领域

本发明涉及紫外可见光谱分析领域，具体涉及一种痕量金属离子浓度的区间预测方法、装置及存储介质。

背景技术

在湿法冶金净化工序中，料液浸出液存在金属离子种类多、特性相近、浓度比大等特点，严格控制痕量杂质金属离子的浓度对净化出口溶液合格率、电解锌品质具有重要作用。痕量杂质金属离子主要通过置换法和沉淀法去除，主金属粉料的添加量是净化过程关键的控制参数，不仅直接影响出口溶液杂质离子浓度稳定性与合格率，也直接影响净化液的产量与质量。现场操作人员主要根据杂质离子的浓度区间范围调节主金属料粉的添加量。然而离子信号非线性强、数据样本分布不均衡及误判代价不相等的特点给高浓度比背景下痕量金属离子浓度的区间预测带来极大挑战。

在净化过程中，将痕量杂质离子浓度分成几个数值区间，现场操作人员根据浓度区间添加适量主金属粉料进行去除过程。添加粉料的过程中，如果痕量杂质离子浓度的区间预测偏高，仅会增加粉料的加入量，净化完全，不会对后续工序造成影响；但是如果预测区间低于实际值，净化不完全将会导致净化出口溶液中杂质离子浓度高、波动大，发生“烧板”现象，进而降低电解产品的产量与质量，给生产过程造成巨大损失。传统方法针对现场数据分布不均衡以及上述误判代价不相等的特点，通过最大化准确性实现对模型的评估，传统算法凸显出一定的局限性。

受试者工作特征(ROC)曲线下的面积(AUC)是统计上与准确性相容但更具判别力的性能度量准则。AUC能刻画算法的整体性能，独立于先验分布、误判代价以及阈值，因此AUC在众多分类器应用场合替代准确性作为模型的性能评价准则。同时，为使优化目标与性能评价准则一致，AUC也被用作模型优化准则。

近年来，紫外可见分光光度法由于其简单、快速、稳定、灵敏度高、重现性好以及预处理操作简单等特点，在多金属离子在线分析测定领域得到了广泛应用。根据在线检测时对检测仪器快速性、稳定性、低成本等要求，紫外可见分光光度法适用于测量料液浸出液中痕量杂质金属离子信号。

发明内容

基于此，有必要针对高浓度比背景下的多金属离子混合溶液中痕量离子检测信号重叠，对痕量离子的浓度区间的预测值低于痕量离子的实际浓度的技术问题，提供一种痕量金属离子浓度区间预测方法、装置及存储介质。

本发明提出一种痕量金属离子浓度区间预测方法，包括以下步骤：

S1、基于待测液的导数光谱获取所述待测液中痕量金属离子的最佳建模区间，并利用所述最佳建模区间结合主成分分析法提取痕量金属离子光谱信号特征；

S2、基于支持向量机模型对所述痕量金属离子光谱信号特征进行处理，获得所述痕量金属离子的浓度区间预测结果。

优选地，在步骤S1之前还包括采用小波函数对待测液的光谱数据进行预处理，利用导数光谱法处理预处理后的光谱数据获得所述待测液的导数光谱。

步骤S2之前还包括：

根据多个样本的痕量金属离子的光谱信号特征构建二叉树模型，将所述二叉树模型转化为多个子模型；

根据所述子模型，构建所述支持向量机模型；

和/或，根据所述子模型，构建所述支持向量机模型还包括：