公开(公告)号：CN117907251A

公开(公告)日：2024-04-19

申请号：CN202311847290.9

申请日：2023-12-29

Applicant: 哈尔滨工程大学

Inventor： 张晓峻 ,  蔡怡玟 ,  栾雯静 ,  蒋易

IPC: G01N21/31 ,  G06N3/045 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/08 ,  G01N21/01

Abstract: 本发明是一种基于复合型神经网络的海水水质检测方法。本发明涉及海洋水质检测技术领域，本发明为了克服化学水质检测方法的高污染性和生物水质检测方法的高成本性，构建出光谱数据与浓度间的非线性映射关系，发展出一种高效、便捷、无污染的海洋水质检测方法。本发明在通过朗伯比尔定律得到待测物质吸光度的基础上，使用CARS(Competitive adaptive reweighted sampling)算法，进行特征波长提取，找到特征波长对应的吸光度值，建立基于ConvLSTM的神经网络模型并对模型，实现测量海水中化学需氧量，总磷，总氮的检测数值。

公开(公告)号：CN116519613A

公开(公告)日：2023-08-01

申请号：CN202310216185.9

申请日：2023-03-08

Applicant: 哈尔滨工程大学

Inventor： 张晓峻 ,  武瑾 ,  申鑫鹏 ,  蔡怡玟 ,  王奕颖

IPC: G01N21/31 ,  G01N21/33 ,  G06F18/214 ,  G06N3/0464 ,  G06N3/0442 ,  G06N3/048

Abstract: 本发明提供一种基于深度神经网络的海洋水质检测方法，本发明在朗伯比尔定律的基础上，通过卷积神经网络(ConvolutionalNeuralNetwork,CNN)实现多参数的紫外可见光谱特征自适应提取。通过特征提取后不同待测物质在不同特征波长处的吸光度值，建立基于长短期记忆神经网络(LongShort‑TermMemoryNetworks,LSTM)，实现对海洋水质检测中主要待测参量如化学需氧量、总磷、总氮、氨氮、浊度的精确测量。