[发明专利]一种基于机器学习的光谱水质分析仪标定系统及方法

权利要求书

1.一种基于机器学习的光谱水质分析仪标定系统，其特征在于：包括待测水样取水装置（1）、待测水样预处理装置（2），待测水样池（3）和排水装置（4），所述待测水样池（3）中有已标定的水质分析装置（6）和待标定光谱水质分析仪，所述已标定的水质分析装置（6）和待标定光谱水质分析仪通过传输链路连接到数据处理装置（5）。

2.根据权利要求1所述的一种基于机器学习的光谱水质分析仪标定系统，其特征在于：所述待测水样预处理装置（2）为对待测水样进行过滤装置。

3.根据权利要求1所述的一种基于机器学习的光谱水质分析仪标定系统，其特征在于：所述数据处理装置（5）为具有运算处理功能的独立计算机或云服务器。

4.根据权利要求1所述的一种基于机器学习的光谱水质分析仪标定系统，其特征在于：所述数据处理装置（5）带有显示终端。

5.根据权利要求1所述的一种基于机器学习的光谱水质分析仪标定系统，其特征在于：所述数据处理装置（5）与已标定的水质分析装置（6）和待标定宽光谱水质分析仪（7）之间所述传输链路为有线通信传输或无线通信传输。

6.根据权利要求1所述的一种基于机器学习的光谱水质分析仪标定系统，其特征在于：所述已标定的水质分析装置（6）为物理和/或化学水质分析装置。

7.根据权利要求1所述的一种基于机器学习的光谱水质分析仪标定系统，其特征在于：所述待标定光谱水质分析仪可以为单波段、多波段或者宽光谱水质分析仪。

8.根据权利要求1所述的一种基于机器学习的光谱水质分析仪标定系统，其特征在于：系统中含有定位模块，所述定位模块设置于系统中的至少一个装置上或装置周围，所述定位模块为GPS模块、北斗定位模块的一种或多种。

9.一种基于机器学习的光谱水质分析仪标定方法，其特征在于：待测水样取水装置（1）采集的待测水样经待测水样预处理装置（2）进行预处理后，在待测水样池（3）中被已标定的水质分析装置（6）和待标定光谱水质分析仪同时检测分析，分析完后经排水装置（4）进行排放，已标定的水质分析装置（6）和待标定光谱水质分析仪采集的数据传输到数据处理装置（5）中进行分析处理，该流程为一次水样测量，已标定的水质分析装置（6）和待标定宽光谱水质分析仪（7）所测得数据成为一组数据，数据处理装置（5）对重复测量的多种数据通过机器学习进行参数标定。

10.根据权利要求9所述的一种基于机器学习的光谱水质分析仪标定方法，，其特征在于：具体包括以下步骤：

步骤1，确定目标差异阈值Delta_1, Delta_2；待标定光谱水质分析仪分析参数P初始值设置为出厂默认值；

步骤2，重复完成M次水样测量，采集得到M组数据，每组数据中包含针对对应水样使用已标定的水质分析装置（6）进行分析的结果以及使用待标定光谱水质分析仪进行分析的光谱数据；

步骤3，将上述M组数据作为训练样本，以待标定光谱水质分析仪所采集的光谱数据作为训练输入，将采集到的已标定的水质分析装置（6）分析结果作为参考结果，以分析参数P作为训练过程中的可调参数，通过机器学习技术进行监督学习训练，训练过程将会对分析参数P进行调整，训练完成后得到分析参数P’，使得上述M组训练样本中，所采集的光谱数据以分析参数P’进行分析后，分析结果与已标定的水质分析装置（6）分析结果差异小于Delta_1；

步骤4，将参数P’作为待标定光谱水质分析仪的工作参数，重复进行水样测量，并将待标定光谱水质分析仪测量结果与已标定的水质分析装置（6）测量结果进行比对，如果测量结果差异大于阈值Delta_2，则将参数P’作为待标定光谱水质分析仪的工作参数并跳转步骤2；如果重复测量N次，已标定的水质分析装置（6）和待标定光谱水质分析仪测量结果差异均不大于阈值Delta_2，跳转步骤5；

步骤5，参数P’作为待标定光谱水质分析仪在该区域使用的最终参数，完成关键分析参数标定。