来源：期刊VIP网 时间：
作者：郑培超;李成林;王金梅;杨琴;曾金锐;吕强;阮伟;何浩楠;
单位：重庆邮电大学光电工程学院光电信息感测与传输技术重庆重点实验室;
摘要：化学需氧量(COD)是表征水体中有机物含量的重要指标。使用基于不同光谱法的算法模型可以实现地表水COD的快速准确检测，针对紫外吸收光谱法和激光诱导荧光光谱法在测量精度上的不足，提出基于紫外-荧光特征级融合的光谱检测方法。将采集的实际水样经标准化学法得到COD理化值，以氘卤灯作为紫外-可见光源和以405 nm单波长半导体激光器作为激发光源，采用自主搭建的光谱系统采集水样的紫外吸收光谱和荧光发射光谱。选择Savitzky-Golay滤波对光谱去噪平滑，由竞争性自适应重加权采样(CARS)对光谱进行特征提取，并与主成分分析、连续投影算法对比，以贝叶斯优化的最小二乘支持向量(BO-LSSVM)算法作为建模方法，分别建立基于紫外吸收光谱法、激光诱导荧光光谱法和紫外-荧光特征级融合法的预测模型。结果表明：采用紫外-荧光特征级融合法的预测模型性能优于单一光谱法，提出的基于紫外-荧光特征级融合结合CARS-BO-LSSVM模型在噪声容限和预测精度方面优于其他模型，训练集R~2为0.937 1、RMSE为0.272 6 mg·L~(–1)、MRE为9.99%，测试集R~2为0.937 7、RMSE为0.257 8 mg·L~(–1)、MRE为7.68%。该方法对水质光谱的非线性分析具有良好的泛化性和鲁棒性，可为水质COD的快速检测提供可靠的参考价值和研究思路。
关键词：化学需氧量;激光诱导荧光;特征级数据融合;竞争性自适应重加权采样
基金资助：国家自然科学基金(32171627); 重庆市教委科技项目（KJZD-M202200602）; 重庆市留学人员回国创业创新支持计划（RC2022-56）
