[发明专利]一种利用三维荧光光谱特征信息对污染水体溯源分类识别的方法

权利要求书

1.一种利用三维荧光光谱特征信息对污染水体溯源分类识别的方法，其特征在于，包括如下步骤：

(1)信息调查：确定污水排放企业名称及所属行业、地理位置、产品生产工艺、联系人；

(2)样品采集与扫描：对采集的污染排放源的废水样品进行编号，用0.45微米滤膜过滤后上机扫描，获取其荧光光谱；对扫描后的污水样本进行稀释，再次扫描并获取其荧光光谱，样本的稀释倍数，按荧光峰强度的高低设置自动稀释；

(3)数据处理：将上机扫描获得的荧光光谱数据消除瑞利散射、拉曼散射干扰，得到基本荧光光谱，将各个样本基本荧光光谱数据分别构建为发射波长—激发波长—荧光强度数据矩阵；

(4)数据库：用数据处理得到的各个样本数据矩阵组成基本荧光光谱数据库，从基本荧光光谱数据库中的光谱数据提取特征信息，根据特征信息属性分为峰特征数据、平面特征数据和立体特征数据，并根据特征信息属性构建峰特征数据库、平面特征数据库和立体特征数据库；

所述的峰特征数据库包括单峰库、双峰库、三峰库和四峰库；峰特征数据库中样本荧光峰为单峰的，由发射波长EM11和激发波长EX11组成；峰特征数据库中样本荧光峰为双峰的，由发射波长EM21、激发波长EX21、发射波长EM22和激发波长EX22组成；峰特征数据库中样本荧光峰为三峰的，由发射波长EM31、激发波长EX31、发射波长EM32、激发波长EX32、发射波长EM33和激发波长EX33组成，四峰库以此类推；

所述的平面特征数据库包括从荧光光谱特征信息中提取荧光峰F_p的荧光强度值Q_p，由该荧光强度值Q_p获得的发射波长EM_p、激发波长EX_p构成峰中心坐标(EM_p,EX_p)，按样本荧光峰数目计算该样本的平面特征，所述的平面特征包括峰强度比、单个峰的半峰宽、峰间距、峰峰连线与x轴间的夹角及四峰连线形成的三角形内角和各边斜率，计算时需要将不同量纲的荧光强度值Q_p、发射波长EM_p和激发波长EX_p进行归一化后进行，归一化的方法包括将(EM_p,EX_p,Q_p)转换为(x,y,z)；

峰坐标由峰荧光强度值Q_p、发射波长EM_p和激发波长EX_p构成；

对于单峰，从荧光光谱特征信息中提取荧光峰F_p11的荧光强度值Q_p11、由发射波长EM_p和激发波长EX_p构成峰中心坐标F_p11(x₁,y₁)；

取峰F_p11荧光强度值Q_p11的一半时的发射波长值作为半峰宽坐标计算发射波长的变化|x₁’-x₁|，并由此计算点F_p11(x₁,z₁)、和组成的三角形面积，计算各边长度，计算斜边与x轴的夹角α、计算斜边F_p11(x₁,z₁)和连线的斜率k；

对于双峰，从荧光光谱特征信息提取荧光峰F_p21和F_p22，其荧光强度值分别为Q_p21和Q_p22、由发射波长EM_p和激发波长EX_p构成峰中心坐标分别为F_p21(x₁,y₁)和F_p22(x₂,y₂)，计算两荧光峰荧光强度值比Q_p21/Q_p22，计算两荧光峰中心坐标F_p21(x₁,y₁)和F_p22(x₂,y₂)之间的距离|F_p21F_p22|，并由此计算点F_p21(x₁,y₁)、F_p22(x₂,y₂)和p(x₂,y₁)组成的三角形面积，p(x₂,y₁)为水平穿过点F_p21(x₁,y₁)的直线与垂直穿过点F_p22(x₂,y₂)的直线的交点，计算三角形三个内角，计算F_p21(x₁,y₁)和F_p22(x₂,y₂)连线的斜率k’；

对于三峰，从荧光光谱特征信息提取荧光峰F_p31、F_p32和F_p33，其荧光强度值由大到小排列分别为Q_p31、Q_p32和Q_p33，由发射波长EM_p和激发波长EX_p构成峰中心坐标分别为F_p31(x₁,y₁)、F_p32(x₂,y₂)和F_p33(x₃,y₃)，计算两两荧光峰荧光强度值比Q_p31/Q_p32、Q_p31/Q_p33、Q_p32/Q_p33，计算两两荧光峰中心坐标之间的距离|F_p31F_p32|、|F_p31F_p33|、|F_p32F_p33|，计算三角形F_p31F_p32F_p33面积、三角形的三个内角α’、β’和θ’，三条边的斜率k1、k2和k3；

对于四峰，就是荧光峰有四个的样本，从荧光光谱特征信息提取荧光峰F_p41、F_p42、F_p43和F_p44，按荧光峰荧光强度值由大到小排列Q_p41、Q_p42、Q_p43和Q_p44，由发射波长和激发波长构成峰中心坐标，计算两两荧光峰强度比Q_p41/Q_p42、Q_p41/Q_p43、Q_p41/Q_p44、Q_p42/Q_p43、Q_p42/Q_p44、Q_p43/Q_p44，计算两两荧光峰中心坐标之间的距离|F_p41F_p42|、|F_p41F_p43|、|F_p41F_p44|、|F_p42F_p43|、|F_p42F_p44|和|F_p43F_p44|，分别计算三角形F_p41F_p42F_p43和F_p41F_p43F_p44的面积、计算三角形F_p41F_p42F_p43的内角α”、β”、θ”，计算三角形F_p41F_p43F_p44的内角σ、λ、ω，计算线段F_p41F_p42、F_p41F_p43、F_p41F_p44斜率k1’、k2’和k3’，

所述的立体特征数据库包括从荧光光谱特征信息中提取荧光峰F_l的强度值Q_l，由该强度值Q_l获得由发射波长EM_l、激发波长EX_l构成的峰坐标(EM_l,EX_l,Q_l)和峰中心坐标(EM_l,EX_l)，按样本荧光峰数目计算该样本的立体特征，所述的立体特征包括立方体的体积，计算时需要将不同量纲的荧光强度值Q_l、发射波长EM_l和激发波长EX_l进行归一化后进行，归一化的方法包括将(EM_l,EX_l,Q_l)转换为(x,y,z)；

对于单峰，从荧光光谱特征信息中提取荧光峰F_l11的荧光强度值Q_l11、由发射波长EM_l和激发波长EX_l构成峰中心坐标F_l11(x₁,y₁)，由发射波长EM_l、激发波长EX_l和荧光强度值Q_l构成荧光峰坐标F_l11(x₁,y₁,z₁)；

取峰F_l11荧光强度值Q_l11的一半时的发射波长值作为半峰宽坐标；计算发射波长的变化(x₁’-x₁)，以此作为圆锥的半径，结合已知荧光峰荧光强度值Q_l11，计算圆锥的体积V_l11；

对于双峰，从荧光光谱特征信息中提取荧光峰F_l21和F_l22，其荧光强度值由大到小排列分别为Q_l21和Q_l22、由发射波长EM_l和激发波长EX_l构成峰中心坐标分别为F_l21(x₁,y₁)和F_l22(x₂,y₂)，由发射波长EM_l、激发波长EX_l和荧光强度值Q_l构成荧光峰坐标分别为F_l21(x₁,y₁,z₁)和F_l22(x₂,y₂,z₂)；计算最大荧光峰荧光强度值Q_l21的半峰宽及坐标，就是当Q_l21值由z₁变成0.5z₁时，半峰高坐标为发射波长的变化|x₁’-x₁|，就是半峰宽坐标为根据4个空间坐标F_l21(x₁,y₁,z₁)、F_l22(x₂,y₂,z₂)、和组成一个四面体，该四面体有4个面，6条棱，4个顶点，由此获得组成该四面体的空间结构各项参数，包括计算该四面体的6个棱的边长、6个二面角，计算该四面体的4个三面角、4个三角形面积，计算该四面体的体积；

对于三峰，从荧光光谱特征信息中提取荧光峰F_l31、F_l32和F_l33，其荧光强度值由大到小排列分别为Q_l31、Q_l32和Q_l33、由发射波长EM_l和激发波长EX_l构成峰中心坐标分别为F_l31(x₁,y₁)、F_l32(x₂,y₂)和F_l33(x₃,y₃)，分别用a’、b’和c’表示；由发射波长EM_l、激发波长EX_l和荧光强度值Q_l构成荧光峰坐标分别为F_l31(x₁,y₁,z₁)、F_l32(x₂,y₂,z₂)和F_l33(x₃,y₃,z₃)，分别用a、b和c表示；将坐标a、b和c相连组成的三角形与坐标a’、b’和c’相连组成的三角形相连组成一个五面体，该五面体看作由两个三角形abc和a’b’c’、三个四边形aa’b’b、aa’c’c和bb’c’c组成；该五面体由一个截面分拆为一个四面体和一个下底面为四边形的四棱锥，计算四面体和四棱锥的体积；

对于四峰，从荧光光谱特征信息中提取荧光峰F_l41、F_l42、F_l43和F_l44，其荧光强度值由大到小排列分别为Q_l41、Q_l42、Q_l43和Q_l44，由发射波长EM_l和激发波长EX_l构成峰中心坐标分别为F_l41(x₁,y₁)、F_l42(x₂,y₂)、F_l43(x₃,y₃)和F_l44(x₄,y₄)，分别以a₀’、b₀’、c₀’和d₀’表示；由发射波长EM_l、激发波长EX_l和荧光强度值Q_l构成荧光峰坐标分别为F_l41(x₁,y₁,z₁)、F_l42(x₂,y₂,z₂)、F_l43(x₃,y₃,z₃)和F_l44(x₄,y₄,z₄)，以a₀、b₀、c₀和d₀表示；将峰坐标点F_l41(x₁,y₁,z₁)、F_l42(x₂,y₂,z₂)、F_l43(x₃,y₃,z₃)与峰中心坐标点F_l41(x₁,y₁)、F_l42(x₂,y₂)、F_l43(x₃,y₃)相连组成一个多面体，F_l41(x₁,y₁,z₁)、F_l43(x₃,y₃,z₃)、F_l44(x₄,y₄,z₄)与峰中心坐标点F_l41(x₁,y₁)、F_l43(x₃,y₃)、F_l44(x₄,y₄)相连组成另一个多面体；就是把由四峰组成的多面体拆分为两个小的多面体；

对于上述四峰拆分的两个多面体的处理方法与三峰形成的一个多面体的处理方法一样，首先把多面体拆分为一个四面体和一个四棱锥，然后分别对四面体和四棱锥的体积进行计算；

(5)聚类：根据特征荧光光谱库中的单峰、双峰、三峰以及四峰数据，分别使用K-means算法进行聚类；

对于单峰，将所有N₁个单峰样本的峰中心坐标，发射波长和激发波长组成单峰特征数据库，设定类别K₁的数目K₁＝N₁，用K-means算法通过反复迭代运算，逐步降低目标函数的误差值，求得满足方差最小标准的K₁个聚类，这个聚类结果被当作单峰类聚类结果；

对于双峰，将所有N₂个双峰样本的峰中心坐标，按峰强度高低排列，峰F1的强度大于峰F2的强度，峰F1发射波长、激发波长和峰F2发射波长、激发波长组成双峰特征数据库，设定类别K₂的数目K₂＝N₂，用K-means算法通过反复迭代运算，逐步降低目标函数的误差值，求得满足方差最小标准的K₂个聚类，这个聚类结果被当作双峰类聚类结果；

多于双峰的情况参照上述处理方法，获得三峰或四峰聚类结果；

(6)分类：在获得聚类结果的基础上，将聚类结果引入神经网络模式层构建概率神经网络，就是PNN神经网络，该PNN神经网络分为4层：

第一层输入层，将特征向量传入网络，输入层个数就是样本特征的个数，以样本荧光峰数目为特征，以单峰、双峰、三峰或四峰的发射波长和激发波长为特征向量；

第二层模式层，计算输入特征向量与训练集中各个模式的匹配程度，也就是相似度，将其距离送入高斯函数得到模式层的输出，模式层神经元的个数是输入样本矢量的个数，也就是有多少个样本，该层就有多少个神经元，该模式层是样本通过K-means算法聚类得到的；

第三层求和层，将各个类的模式层单元连接起来，这一层的神经元个数是样本的类别数目，就是用K-means算法得到的类别；

第四层输出层，输出求和层根据各类对输入向量概率的估计，采用Bayes分类规则，选择具有最小“风险”的类别，就是具有最大后验概率的类别，作为得分最高的那一类输出；

(7)识别比对：对未知企业污水样本在获取三维荧光光谱数据后，经过与上述过程相同的数据处理计算，得到峰特征数据、平面特征数据和立体特征数据，用已构建好的PNN神经网络，对未知企业污水样本峰特征数据进行概率神经网络预测分类，获得该样本的分类结果，由于该分类样本中荧光峰特征信息相似，必须通过其它特征信息的相似性比对计算，才能获得最终的未知企业与疑似企业污水识别比对的结果，因此将该类别中所有已知样本的基本荧光光谱数据，特征光谱数据纳入比对识别库中，借助于相似性比对计算，获得未知样本与同类别中所有已知样本的相似性匹配度，将所有相似匹配项的得分值相加，得分最高者为两个样本最佳匹配，获得未知样本的疑似溯源信息，所述的其它特征信息的相似性比对计算包括利用基本荧光光谱数据、峰特征数据、平面特征数据和立体特征数据构建的数据矩阵，进行余弦相似性、Peason系数的计算。

2.根据权利要求1所述利用三维荧光光谱特征信息对污染水体溯源分类识别的方法，其特征在于：在步骤(6)中，PNN神经网络构建完成后，通过不断增加样本训练和验证，确保分类结果的可靠，当输出层把最大后验概率的类别输出后，如果其输出结果与K-means算法给定的训练结果不一致，需要人为调整该样本在模式层的类别位置，以适应PNN的预测，不断地进行这样的调整，以使所有的样本经PNN网络训练后误差最小，经过这样处理后的PNN神经网络能对未知样本进行分类判别了；

PNN神经网络的构建根据需要做适当调整，在输入层增加峰强度值、峰强度比特征向量与荧光峰数目共同组成新的输入层，当训练样本的期望输出与PNN网络的仿真输出完全重合时，说明网络训练成功，可用来预测未知样本的类别，平滑因子选定为1.5-5。