嵌入式粒子群－遗传算法的水质COD检测特征波长优化 - 数学建模社区-数学中国

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。