[发明专利]一种复杂体系中有机污染物特征信息提取方法及其快速检测方法、系统在审

专利信息
申请号: 202110728532.7 申请日: 2021-06-29
公开(公告)号: CN113281323A 公开(公告)日: 2021-08-20
发明(设计)人: 陈全胜;李欢欢;欧阳琴;朱家骥;许艺;焦天慧;潘海辉 申请(专利权)人: 集美大学;江苏大学
主分类号: G01N21/65 分类号: G01N21/65;G06F17/15
代理公司: 深圳市韦恩肯知识产权代理有限公司 44375 代理人: 李华双
地址: 361021 福*** 国省代码: 福建;35
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 复杂 体系 有机 污染物 特征 信息 提取 方法 及其 快速 检测 系统
【权利要求书】:

1.一种复杂体系中有机污染物特征信息提取方法,其特征在于,包括:

对有机污染物的SERS光谱进行划分,得到具有重叠区域的P个波长子区间,其中,P为大于0的正整数;

对所述P个波长子区间进行筛选,得到ω个波长子区间,其中,ω为小于P的正整数;

对所述ω个波长子区间进行筛选,得到所需波长子区间;

对所述所需波长子区间进行筛选,得到所需波长子集。

2.根据权利要求1所述的复杂体系中有机污染物特征信息提取方法,其特征在于,对所述P个波长子区间进行筛选,得到ω个波长子区间包括:

对所述P个波长子区间进行采样,得到波长采样矩阵M(K×P),其中,K为采样次数,P为从小到大依次排列的P个波长子区间,波长采样矩阵M中的值为某个波长子区间是否被采样选中,选中为“1”,未选中为“0”;

根据所述波长采样矩阵M,得到所述K个波长子区间的组合;

根据所述K个波长子区间的组合,建立所述K个波长子区间的组合各自对应的拟合结果;

根据所述K个拟合结果,得到所述K个拟合结果各自对应的第一评价参数;

在K个所述第一评价参数中从小到大选择σ*K个第一评价参数对应的拟合结果,其中,σ为预设比例;

计算所述P个波长子区间在所述σ*K个拟合结果中出现的频率,得到所述P个波长子区间各自对应的频率;

在所述P个频率中删除频率低于阈值的波长子区间,得到ω个波长子区间,其中,ω为小于P的正整数。

3.根据权利要求1所述的复杂体系中有机污染物特征信息提取方法,其特征在于,对所述ω个波长子区间进行筛选,得到所需波长子区间包括:

对所述ω个波长子区间以穷举方式随机组合,得到2ω-1个波长子区间的组合;

根据所述2ω-1个波长子区间的组合,建立所述2ω-1个波长子区间的组合各自对应的拟合结果;

根据所述2ω-1个拟合结果,得到所述2ω-1个拟合结果各自对应的第一评价参数;

在所述2ω-1个第一评价参数中选择最小第一评价参数对应的波长子区间的组合,作为所需波长子区间。

4.根据权利要求1所述的复杂体系中有机污染物特征信息提取方法,其特征在于,对所述所需波长子区间进行筛选,得到所需波长子集包括:

根据mRMR准则,对所述所需波长子区间中的波长按照重要性进行排序,得到波长子集S;

在波长子集S中按照重要性从大到小选择n个波长;

根据所述n个波长建立拟合结果,得到所述n个拟合结果各自对应的第二评价参数和第三评价参数;

在所述n个第二评价参数中选择最小的第二评价参数和所述n个第三评价参数中选择最小的第三评价参数分别对应的波长,作为所需波长子集。

5.一种复杂体系中有机污染物的快速检测方法,其特征在于,包括:

接收有机污染物的SERS光谱;

将所述有机污染物的SERS光谱输入权利要求1所述的复杂体系中有机污染物特征信息提取方法中,得到所需波长子集;

将所述所需波长子集输入新模型中,构建所需波长子集对应的所述有机污染物残留量的数学关系。

6.根据权利要求5所述的检测方法,其特征在于,将所述所需波长子集输入新模型中,构建所需波长子集对应的所述有机污染物残留量的数学关系包括:

接收所述有机污染物的SERS光谱和所述SERS光谱对应的有机污染物的残留量,其中,所述有机污染物的SERS光谱是通过SERS响应媒介对所述有机污染物进行拉曼散射增强后采集的;

将所述SERS光谱输入权利要求1所述的复杂体系中有机污染物特征信息提取方法中,得到所需波长子集;

通过对所述所需波长子集和所述有机污染物的残留量进行新模型构建,得到初始数学关系;

对所述初始数学关系进行验证,当所述初始数学关系满足预设条件时,得到训练后的数学关系。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于集美大学;江苏大学,未经集美大学;江苏大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110728532.7/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top