随机子空间深度回归方法在紫外光谱水质分析中的应用

• 作者: 何凯 石光耀 金莹莹 黄鸿
• 来源期刊: 计算机应用研究
• 关键词: 紫外光谱法 随机子空间 深度信念网络 BP神经网络
• 年，卷（期）: 2017,（10）
• 所属期刊栏目: 系统应用开发
• 页码范围: 3020-3023
• 页数: 4页
• 分类号: TP183|X824
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2017.10.032

摘要

紫外光谱法进行TOC浓度分析时存在数量多、维数高等问题.针对此问题,提出了一种基于随机子空间深度回归的分析方法.该算法首先采集TOC标准溶液的紫外光谱数据进行预处理,得到吸光度数据;然后在高维数据空间随机选取低维子空间来构造不同的特征子集,并采用深度信念网络对各子集进行特征提取;最后将得到的低维特征进行组合后送入BP神经网络中进行训练,建立TOC浓度反演模型.在构建的水质分析平台上的实验结果表明,提出的基于随机子空间深度回归的水质分析方法对每种TOC浓度反演结果的相对误差均在1％以内,且反演结果的稳定性和准确性也要优于常规的水质分析方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄鸿	重庆大学光电技术及系统教育部重点实验室	73	422	11.0	15.0
2	何凯	重庆大学光电技术及系统教育部重点实验室	5	31	3.0	5.0
3	金莹莹	重庆大学光电技术及系统教育部重点实验室	2	2	1.0	1.0
4	石光耀	重庆大学光电技术及系统教育部重点实验室	10	14	2.0	3.0