一种地下水污染快速溯源方法及系统与流程

本技术涉及光谱数据校正，具体涉及一种地下水污染快速溯源方法及系统。

背景技术：

1、随着工业化进程的加速，工业园区的数量逐渐增长，部分园区所产生的废水经过排放后可能会对地下水资源造成污染，同时农业、畜牧业也可能会对地下水资源造成污染，如使用化肥、养殖场产生的废物等。其中地下水资源的污染物主要包括硫化物、重金属、氮氧化物等，为了能够及时采取相关措施避免地下水进一步污染，保护地下水的环境，需要对污染地下水的污染源进行溯源。

2、对污染地下水的污染源进行溯源，通常是将地下水中的元素含量与周围园区的排放污水进行匹配，确定污染源，即需要对地下水的水质进行检测，而传统的仪器检测设备一般只对单一参数进行测量，如对水质cod、toc、turb等参数的检测，通常需要通过cod分析仪、toc分析仪、浊度计等设备进行单独测量，不利于对数据的综合分析。

3、紫外-可见光吸收光谱法(uv-vis)具有检测速度快、成本低、无二次污染的特点，因此逐渐成为水质检测的主要方法之一，但由于地下水样本中存在多种杂质，导致通过uv-vis所得光谱数据反映出的地下水样本中的成分与地下水样本中的实际成分存在一定差异，需要对光谱数据进行校正，传统的用于地下水光谱数据校正的算法如msc（multiplicative scatter correction）算法，能够消除样本中的散射效应，提高光谱数据分析结果的准确性，但传统的msc算法的基本假设为整个谱段上的散射与波长位置无关，而实际采集的地下水样本中存在多种杂质，由于不同物质之间的光谱存在相互干扰，且随着地下水中物质浓度的增加，物质之间光谱相互干扰的程度更大，无法满足传统msc算法的基本假设，造成对地下水样本中物质检测的不准确，进而无法准确的对园区污水进行匹配，导致无法准确的确定污染源。

技术实现思路

1、本技术提供一种地下水污染快速溯源方法及系统，以解决通过光谱数据分析对地下水污染进行溯源准确性低的问题，所采用的技术方案具体如下：

2、第一方面，本技术一个实施例提供了一种地下水污染快速溯源方法，该方法包括以下步骤：

3、获取地下水污染溯源样本的光谱数据，所述地下水污染溯源样本包括地下水样本、园区污水样本；

4、在地下水污染溯源样本的光谱数据中构建校正观测窗口，根据校正观测窗口内的光谱数据的数据变化特征计算水质净化特征指数；根据校正观测窗口内的光谱数据的波动变化特征和对应的水质净化特征指数计算水质监测增益指数；

5、基于水质监测增益指数利用鲸鱼优化算法获取地下水污染溯源样本的光谱数据的最佳校正观测窗口；基于地下水污染溯源样本的光谱数据的最佳校正观测窗口利用多元散射校正算法获取所述光谱数据的校正结果；

6、基于地下水污染溯源样本光谱数据的校正结果利用主成分分析和knn算法获取地下水污染的溯源结果。

7、优选的，所述在地下水污染溯源样本的光谱数据中构建校正观测窗口的方法为：

8、地下水污染溯源样本的光谱数据中每个光谱数据对应一个波长数据和一个吸光度数据，将地下水污染溯源样本的光谱数据对应的波长数据作为横坐标，将地下水的光谱数据对应的吸光度数据作为纵坐标，将横坐标和纵坐标对应的所有数据点构成的曲线作为地下水污染溯源样本的光谱特征曲线，以所述光谱特征曲线中每个数据点为中心分别构建不同预设大小的矩形窗口，将所述矩形窗口作为地下水污染溯源样本对应的光谱特征曲线中的一个校正观测窗口。

9、优选的，所述根据校正观测窗口内的光谱数据的数据变化特征计算水质净化特征指数的方法为：

10、对于地下水污染溯源样本对应的光谱特征曲线中的每个校正观测窗口，将校正观测窗口内所有数据点对应的波长数据由小到大进行排序组成的序列作为波长数据特征序列，将波长数据序列中所有元素对应的吸光度数据组成的序列作为吸光度数据更新序列；

11、采用曲线拟合算法获取吸光度数据更新序列的拟合曲线，获取所述拟合曲线中所有极大值点和极小值点，将每个极大值点对应的两个相邻极小值点对应横坐标的差值的绝对值作为每个极大值点对应的峰值宽度特征值；

12、根据每个校正观测窗口对应的吸光度数据更新序列的拟合曲线中极大值点和极大值点对应的峰值宽度特征值计算峰值尖锐指数，基于峰值尖锐指数和地下水污染溯源样本对应的光谱特征曲线的波动特征计算水质净化特征指数。

13、优选的，所述根据每个校正观测窗口对应的吸光度数据更新序列的拟合曲线中极大值点和极大值点对应的峰值宽度特征值计算峰值尖锐指数的方法为：

14、将每个校正观测窗口对应的吸光度数据更新序列的拟合曲线中所有极大值点对应的吸光度数据的均值为第一指数，将每个校正观测窗口对应的吸光度数据更新序列的拟合曲线中每个极大值点对应的吸光度数据与第一指数差值的绝对值作为分子，将每个校正观测窗口对应的吸光度数据更新序列的拟合曲线中每个极大值点对应的峰值宽度特征值作为分母，将分子与分母的比值作为第二指数，将第二指数在每个校正观测窗口上的累加结果作为峰值尖锐指数。

15、优选的，所述基于峰值尖锐指数和地下水污染溯源样本对应的光谱特征曲线的波动特征计算水质净化特征指数的方法为：

16、将每个校正观测窗口对应的峰值尖锐指数作为分子，将地下水污染溯源样本对应的光谱特征曲线中所有的数据点对应的吸光度组成的序列作为总吸光度数据序列，采用突变点检测算法获取总吸光度序列中的突变点，将所述突变点的数量与预设参数的和作为分母，将分子与分母的比值作为水质净化特征指数。

17、优选的，所述根据校正观测窗口内的光谱数据的波动变化特征和对应的水质净化特征指数计算水质监测增益指数的方法为：

18、对于地下水污染溯源样本对应的光谱特征曲线中的每个校正观测窗口，采用最小二乘法获取每个校正观测窗口对应的吸光度数据更新序列中每个元素的拟合值，将所述吸光度数据更新序列中每个元素与对应的拟合值的差值作为每个元素对应的吸光度数据残差，将所有所述吸光度数据残差组成的序列作为吸光度残差序列；根据每个校正观测窗口对应的吸光度残差序列和水质净化特征指数获取水质监测增益指数。

19、优选的，所述根据每个校正观测窗口对应的吸光度残差序列和水质净化特征指数获取水质监测增益指数的具体方法为：

20、将每个校正观测窗口对应的水质净化特征指数作为分子，将每个校正窗口对应的吸光度残差序列中所有元素的标准差与预设参数的和作为分母，将分子与分母的比值的映射结果作为水质监测增益指数。

21、优选的，所述基于水质监测增益指数利用鲸鱼优化算法获取地下水污染溯源样本的光谱数据的最佳校正观测窗口的方法为：

22、地下水污染溯源样本对应的光谱特征曲线中所有数据点对应的校正观测窗口的水质监测增益指数的和作为鲸鱼优化算法中的适应度函数值，采用鲸鱼优化算法获取地下水污染溯源样本对应光谱特征曲线中每个数据点对应的最佳校正观测窗口。

23、优选的，所述基于地下水污染溯源样本光谱数据的校正结果利用主成分分析和knn算法获取地下水污染的溯源结果的方法为：

24、采用主成分分析算法获取地下水污染溯源样本的光谱数据校正结果中的主要成分特征数据，将地下水污染溯源样本中地下水样本对应的光谱数据的主要成分特征数据作为待比较数据，将园区污水样本对应的光谱数据的主要成分特征数据作为园区特征数据，将各园区的名称作为对应的园区特征数据的标签；

25、采用knn算法获取地下水样本对应的待比较数据最匹配的污水样本对应的园区特征数据，将所述园区特征数据对应的园区作为地下水污染溯源结果。

26、第二方面，本技术实施例还提供了一种地下水污染快速溯源系统，包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任意一项一种地下水污染快速溯源方法的步骤。

27、本技术的有益效果是：在地下水污染溯源样本的光谱数据中构建不同大小的校正观测窗口，通过分析地下水污染溯源样本的光谱数据中的不同校正观测窗口的局部峰值宽度特征和峰值变化特征构建峰值尖锐指数，通过峰值尖锐指数反应地下水污染溯源样本的光谱数据中受污染物影响造成的局部变化特征，通过峰值尖锐指数和光谱数据的整体变化特征结合构建水质净化特征指数，水质净化特征指数反应水质污染影响造成的局部光谱特征；根据局部光谱特征和局部数据拟合差异构建水质监测增益指数，基于水质监测增益指数获取光谱数据的最佳校正观测窗口，其有益效果在于通过水质监测增益指数反应的不同局部特征差异结合鲸鱼优化算法可以准确获取每个光谱数据对应的最佳的校正观测窗口，进一步的根据每个光谱数据的最佳校正观测窗口结合多元散射校正算法获取精准的光谱数据的校正结果，提高通过光谱数据对地下水污染进行溯源的准确性。