[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

说明书

本申请属于水质检测领域，尤其涉及一种基于机器学习的光谱水质分析仪标定系统及方法，其包括待测水样取水装置、待测水样预处理装置，待测水样池和排水装置，所述待测水样池中有已标定的水质分析装置和待标定光谱水质分析仪，所述已标定的水质分析装置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。针对不同区域水质，光谱水质分析仪通常需要选择不同关键分析参数。而这些关键分析参数通过人工分析计算的难道高、工作量大；该申请可解决以上难题，针对不同区域水质自动完成关键分析参数的标定。

技术领域

本申请属于水质检测领域，尤其涉及一种基于机器学习的光谱水质分析仪标定系统及方法。

背景技术

光谱水质分析法相对传统物理或化学水质分析方法而言，具有体积小、速度快、成本低等优点。采用光谱法对水质进行分析的基本原理为使用一束平行的光源通过某一均匀溶液时，不同种类和浓度物质的溶液对光具有不同的吸收度。根据检测光经过溶液吸收后的吸光度曲线，可分析出溶液中所含物质及浓度。该吸光度曲线为溶液中所有物质对透过光共同作用的累积结果。光谱水质分析仪在实验室设计时，通过配制浓度和种类各异的标准溶液, 测定各标准溶液的吸光度, 得到标准样品的检测数据, 形成吸光度标准曲线，通过计算分析确定水质分析算法关键分析参数，以应用到实际水质分析中。以上关键分析参数的选择很大程度上影响到分析结果的准确性。由于地域差别及应用场景等因素，实际被测水样在物质组成以及浓度比例方面差异较大，通常与实验室标准溶液有由较大差别。因此通常宽光谱水质分析仪在应用中对需要根据实际被测水样进行关键分析参数的标定，以提高分析的准确度。传统标定方法通常通过对被测水样进行化学分析来标定分析参数，具有效率低、准确度低等问题。

发明内容

为了克服现有技术中存在的上述问题，现在特别提出一种基于机器学习的光谱水质分析仪标定方法。

为实现上述技术效果，本申请的技术方案如下：

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、待测水样预处理装置，待测水样池和排水装置，所述待测水样池中有已标定的水质分析装置和待标定光谱水质分析仪，所述已标定的水质分析装置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。

所述待测水样预处理装置为对待测水样进行过滤装置。

所述数据处理装置为具有运算处理功能的独立计算机或云服务器。

所述数据处理装置带有显示终端。

所述数据处理装置与已标定的水质分析装置和待标定宽光谱水质分析仪之间所述传输链路为有线通信传输或无线通信传输。

所述已标定的水质分析装置为物理和/或化学水质分析装置。

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。

进一步地，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。

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：待测水样取水装置采集的待测水样经待测水样预处理装置进行预处理后，在待测水样池中被已标定的水质分析装置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进行排放，已标定的水质分析装置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和待标定宽光谱水质分析仪所测得数据成为一组数据，数据处理装置对重复测量的多种数据通过机器学习进行参数标定。

所述机器学习技术为深度神经网络技术。

具体包括以下步骤：