基于表面增强拉曼光谱和一维卷积神经网络的工业园区污水识别和应用模拟

扫码查看

原文链接

NETL

中文摘要：面向追溯违规排污企业、防治工业园区污水排放超标的需求,针对传统光谱无法精细化描述目标特征、传统分析手段受限于经验驱动无法实现高精度分类等问题,本文提出了一种表面增强拉曼光谱(Surface-enhanced Raman spectroscopy,SERS)结合一维卷积神经网络(one-dimensional Convolutional Neural Networks,1D-CNN)的方法,通过SERS光谱精细化描述污水特征,针对性构建并训练1D-CNN模型进行分析处理,得到快速精确的分类结果.实验对22类污水获取了532nm、638nm、785nm三种激光下的SERS光谱,使用本文模型进行分类,精度均能达到100％,而使用传统支持向量机方法的分类精度分别为77.78％、93.43％、45.96％.为探究本文模型在实际应用中的适应性,实验模拟出实际排污情况,本文模型的整体分类精度为98.62％,其中638nm激光下本文模型的分类精度仍然为100％.这些结果表明,在638nm激光下获取污水SERS光谱,结合本文训练的1D-CNN模型,可以适应复杂环境,实现不同企业所排污水的准确识别和快速分类.

作者：

袁冰雪、邰佳怡、王浩、黄雨婷、王雪擎、慎利、范美坤

展开 >

作者单位：

西南交通大学地球科学与环境工程学院,四川成都 611756

关键词：

污水处理表面增强拉曼光谱一维卷积神经网络深度学习

主办单位：

中国环境科学学会

会议名称：

2021年全国有机固废处理与资源化利用高峰论坛

会议时间：

2021-05-01

会议地点：

成都

会议母体文献：

2021年全国有机固废处理与资源化利用高峰论坛论文集

页码：

8-13

出版时间：

2021