Indexed by：
Abstract：
针对传统化学需氧量(chemical oxygen demand,COD)检测存在检测成本高、耗时、易造成二次污染,以及现有检测模型泛化性较差等不足,难以满足水环境实时监测需求的问题,提出基于近红外光谱技术的COD快速无损定量预测模型.实验结果表明,本模型在污水COD光谱数据集上的预测性能,相较于传统机器学习算法和现有其他深度学习算法更优.测试的决定系数(R2)和均方根误差(ERMS)分别达到0.992 1和27.47 mg·L-1,模型卷积层的输出特征可解释性强,能有效表征关键波长点.该预测模型为实际水体COD含量快速检测提供一种新的方法.
Keyword：
Reprint 's Address：
Email：
Source ：
福州大学学报（自然科学版）
ISSN： 1000-2243
Year： 2024
Issue： 2
Volume： 52
Page： 228-235
Cited Count：
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 0
Affiliated Colleges：
