论文研究-随机子空间深度回归方法在紫外光谱水质分析中的应用.pdf

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。