第

41

卷

，

第

1

期

2

0

2

1

年

1

月

光谱学与光谱分析

SpectroscopyandSpectraBAnaBysis

Vol.

41,

No.

1,ppl94-200

January

,

2021

嵌入式粒子群-遗传算法的水质

COD

检测特征波长优化算法

漆伟

，

冯鹏

$

，

魏彪

，

郑冬

，

于婷婷

，

刘鹏勇

重庆大学光电技术及系统教育部重点实验室

，

重庆

400044

摘

要

基于紫外-可见光谱法的水质测量中

，

光谱信号易受到系统噪声干扰

、

悬浮物散射干扰

，

且存在信

息冗余

、

多重共线性等特征

，

导致水质

COD

测量中特征波长的选取产生较大偏差

。

因此

，

提出了基于嵌入

式粒子群-遗传

（

EPSO

）

GA

）

算法的水质

COD

检测特征波长优化算法

,

以提高波长选择精度

。

为验证检测特

征波长优化算法的可行性

,

采集了某高校池塘水样

、

生活污水和排水沟水样的光谱数据

,

利用

EPSO

_

GA

算

法对预处理后的光谱数据选取特征波长

。

EPSO

_

GA

算法采用实数编码方法实现了粒子群

（

PSO

）

优化算法和

遗传

（

GA

）

优化算法的统一编码

,

在

PSO

算法中更新粒子时嵌入

GA

算法的选择

、

交叉

、

变异等操作

,

改善

了这两种算法各自在光谱波长特征选取问题上的局限性

°

将

EPSO

_

GA

算法选取的特征波长结合偏最小二

乘法

（

PLS

）

构建了

EPSO

_

GA

_

PLS

的水质

COD

预测模型

,

并且与传统的

PSO

算法

、

GA

算法选取特征波长

建立的

PSO

_

PLS

、

GA

_

PLS

和全光谱构建的

PLS

水质

COD

预测模型做了对比

。

结果表明

：

与

PSO

_

PLS

,

GA

_

PLS

和全光谱构建的

PLS

水质

COD

预测模型相比

,

EPSO

_

GA

改善了

PSO

算法和

GA

算法在光谱特征

波长选择中早熟和收敛速度慢的问题

,

降低了全光谱构建

PLS

水质

COD

预测模型的复杂度

,

提高了模型的

预测精度

°

基于

EPSO

_

GA

算法建立的

EPSO

_

GA

_

PLS

水质

COD

预测模型

,

均方根误差降到了

0.212

3

,

预

测精度增加到

0.999

3

,

可以快速定量检测水质

COD

,

为紫外-可见光谱法测

COD

提供了更好的预测模型

°

关键词

紫外-可见光谱法

-

嵌入式粒子群-遗传算法

-

波长特征选择

-

偏最小二乘法

-

化学需氧量

中图分类号

：

X522

文献标识码

：

A

DOI

：

10.3964

力

.

issn.

10000593

（

2021

）

01-0194-07

引言

化学需氧量

（

chemical

oxygen

demand

,

COD

）

是衡量水

环境污染水平高低的最重要指标之一

！

利用紫外-可见光谱

法构建模型对水质

COD

进行分析

，

已广泛应用于在线水质

检测领域

，

具有实时

、

在线

、

原位测量

、

无二次污染等优

点但在实际应用中

，

水质检测系统会受到多方面的影

响

，

其中检测的光谱数据含有大量的噪声对水质

COD

的分

析造成严重干扰因此

，

对光谱数据进行去噪是水质

COD

检测的必要前提

°

在光谱噪声处理方面

，

小波变换可以有效

去除光谱噪声

,

但是小波去噪后依然存在悬浮物散射

、

光谱

信息冗余和微弱噪声等问题

°

故在小波阈值去噪的基础上

,

采用特征波长选取操作

，

特征波长选取是利用智能优化算法

在原始光谱的整个波段选出最佳的几个特征波长

，

用于表征

原始光谱信息

°

常用的智能优化算法有粒子群算法

、

遗传算法

、

蚁群算

法等

°

宾俊等在近红外光谱波长选择的研究中

，

提出了以

蚁群优化

（

ACO

）

、

遗传优化

（

GA

）

、

粒子群优化

（

PSO

）

、

随机

青蛙

（

RF

）

和模拟退火

（

SA

）

等智能优化算法对特征波长进行

选择的思想

，

找出了总氮和烟碱对应最佳光谱波长组合

，

结

果表明利用智能优化算法选择特征波长可以排除噪声干扰

,

建立的模型可以快速准确的分析出总氮和烟碱的含量

°

Tang

等⑷采用了基于遗传算法和粒子群算法优化的遗传算法-粒

子群优化

（

GA-PSO

）

算法

，

成功实现了在消光光谱测量中选

择最佳波长

，

该方法具有抗噪声的优点

°

Ying

等⑸将连续投

影算法

（

SPA

）

与四种群智能优化算法相结合

，

包括

GA

算

法

，

PSO

算法

，

群搜索优化器

（

GSO

）

和萤火虫算法

（

FA

）

,

以

用于提取有效波长变量

，

可以快速有效地区分苹果汁的掺

假

。

Li

等利用差分进化

（

DE

）

的波长选择方法

，

消除了太赫

兹时域光谱的散射和噪声干扰问题

°

Zhang

等⑦提出了使用

等距组合多元线性回归

（

ECMLR

）

方法进行波长选择

，

在时

收稿日期

：

2019-12-17

,

修订日期

：

2020-04-16

基金项目

：

国家自然科学基金项目

（

1401049

）

,

重庆市社会事业与民生保障科技创新专项

（

c

S

tc2017shm

S

A00004

）

,

中央高校基本科研业务

费医工结合专项

（

2019CDYGYB019

）

资助

作者简介

：

漆

伟

，

1995

年生

，

重庆庆大学光电技术及系统教育部重点实验室硕士研究生

e-mail

:

*************.cn

通讯作者

e-mail

：