黄平捷， 李宇涵， 俞巧君， 王 柯， 尹 航， 侯迪波， 张光新

浙江大学控制科学与工程学院， 工业控制技术国家重点实验室， 浙江 杭州 310027

引 言

近年来， 饮用水污染事件频发， 给居民正常生活带来很大影响[1]。 为了及时应对此类污染事件， 需要在线监测水质并识别污染物， 以防止此类事件造成进一步的影响。 相较于传统检测手段， 基于光谱法的水质检测方法因其具有快速、 无需试剂、 样本无需预处理、 设备简单、 检测原理成熟等优点， 从而吸引了众多学者针对基于光谱法的水体污染物识别技术展开研究[2-3]。 在众多光谱波段中， 紫外-可见光光谱波段因其检测速度快、 检测原理成熟， 并且可以间接的反映水中有机物、 悬浮物等理化参数， 从而受到广泛的关注[4-5]。

现有的基于紫外-可见光光谱的水体污染物检测识别方法大多是基于PCA进行特征提取。 例如， 赵明富[6]等利用水体紫外-可见光谱波段， 使用主成分分析并结合Fisher判别法对水质进行了较好的分类； Hou[7]等提出了一种融合主成分分析法和卡方分布的水质异常检测算法， 通过紫外光学传感器实现对水质异常状况的判别； 郭冰冰[8]等提出一种基于基线校正和主元分析的水质异常检测方法， 利用主成分分析方法提取正常水质的紫外-可见光光谱的特征并利用统计量识别异常光谱。 PCA对紫外-可见光光谱数据进行了降维并提取了数据的特征， 有效的提高了污染物识别的效果， 但仍然存在一些问题， PCA仅从数据的方差最大的方向对数据进行压缩， 没有考虑到紫外-可见光光谱的实际的物理特征， 因此， 寻找一种更合适的污染物光谱数据特征提取方法来解决饮用水中谱峰重叠的有机污染物分类问题显得十分迫切和必要。……