论文部分内容阅读
本论文用化学计量学的方法，建立了对大气环境中有毒易挥发有机化合物(volatile organic compounds，VOCs)的遥感傅立叶变换红外光谱(Fourier transform infrared，FTIR)谱图解析方法，文中所建立的方法，更好地发挥了遥感分析的快速、准确、实时等优势。同时，化学计量学方法在具体问题的解决中，也得到发展。由于遥感FTIR谱图存在信号噪声大、未知干扰、背景信号波动大等特点，本文从方法的普适性和稳健性角度，提出了遥感FTIR谱图的解析的方法。建立了基于偏最小二乘法(partial least squares，PLS)的谱图定量分析方法：正交信号处理(orthogonal signal correction，OSC)方法较好地对干扰和信号进行分离，得到了一种稳健和简单化的模型；由改进PLS线性内部关系出发，建立了对5组分VOCs体系进行分析的多项式偏最小二乘(polynomial partial least squares，PPLS)的方法；创新性地引入模型传递的思路，通过选择方法以及方法的优化，用少的潜变量建立分析模型并实现了EPA数据对遥感数据的分析；用PLS方法建立对VOCs的模式识别方法，结合实验设计手段实现对VOCs定性和定量同时分析；本研究初步建立了被动式遥感FTIR谱图分析技术，创新性地利用平行因子分析法(parallel factor analysis，PARAFAC)实现了在有干扰情况下，被动式遥感FTIR谱图的定性和定量的同时分析。本文取得的基本成果总结如下： 1．基于偏最小二乘法的遥感FTIR谱图解析方法 本研究根据遥感FTIR信号特点，从方法的普适性和稳健性角度出发，建立了改进PLS的谱图分析技术。对于遥感FTIR数据，由于噪声的加入，使得PLS模型的潜变量变大，噪声数据不能同真实数据相分离，OSC-PLS有效改善了对遥感FTIR谱图的解析能力，建模潜变量个数的减少，对更复杂的体系也同样具有较好的预测性能。相对于PLS，PPLS利用非线性的内部关系，对VOCs混合物含量的预测准确度有了提高，显示出很好的处理非线性数据的能力。遗传算法(genetic algorithm，GA)可以有效选取PLS建模变量，使模型简单化的同时提高预测准确度。但是，GA-PLS对遥感数据的预测仅限于用遥感数据建立校正模型的情况。经过PLS对数据压缩，人工神经网络(artificial neural network，ANN)输入数据变小，计算精度提高。既改善了ANN模型对训练集的要求，又满足了遥感FTIR实时分析的要求。