基于傳感物聯(lián)網(wǎng)數(shù)據(jù)融合和線性支持向量算法的地表徑流水質(zhì)檢測(cè)

摘"要：常規(guī)的地表徑流水質(zhì)檢測(cè)方法主要結(jié)合遙感技術(shù)獲取水體顏色，并通過(guò)圖像處理技術(shù)分析水體質(zhì)量，由于對(duì)水體等級(jí)的細(xì)化程度較低，導(dǎo)致檢測(cè)精度較差。為此，提出了基于傳感物聯(lián)網(wǎng)數(shù)據(jù)融合和線性支持向量算法的地表徑流水質(zhì)檢測(cè)。首先采用漂浮式傳感器獲取地表徑流水體數(shù)據(jù)，并通過(guò)對(duì)數(shù)據(jù)進(jìn)行融合處理，整理出水質(zhì)數(shù)據(jù)與水質(zhì)等級(jí)之間的映射關(guān)系。然后結(jié)合線性向量支持算法，構(gòu)建回歸函數(shù)實(shí)現(xiàn)地表徑流水質(zhì)預(yù)測(cè)。最后結(jié)合預(yù)測(cè)殘差閾值以及水體等級(jí)劃分標(biāo)準(zhǔn)，實(shí)現(xiàn)對(duì)水質(zhì)等級(jí)的判斷。在實(shí)驗(yàn)中，對(duì)提出的方法進(jìn)行了檢測(cè)精度的檢驗(yàn)。最終的測(cè)試結(jié)果表明，采用提出的方法對(duì)地表徑流水質(zhì)進(jìn)行檢測(cè)時(shí)，算法的RMSE值較低，具備較為理想的檢測(cè)精度。

關(guān)鍵詞：數(shù)據(jù)融合；支持向量算法；地表徑流；水質(zhì)檢測(cè)；檢測(cè)精度

中圖分類號(hào)：TP181""""""文獻(xiàn)標(biāo)識(shí)碼：A

Water"Quality"Detection"of"Surface"Runoff"Based"on"

SensorInternetofThings"Data"Fusion"and"Linear"Support"Vector"Algorithm

WEI"Ronghao1，CHEN"Hang1，LIU"Hao2，XU"Fei3

（1.School"of"Continuing"Education，Guizhou"University，"Guiyang，"Guizhou"550025，China;

2.Ecological"Environment"Monitoring"Center"of"Duyun，"Duyun，"Guizhou"558000，"China;

3.School"of"Management，"Guizhou"University，Guiyang，"Guizhou"550025，China）

Abstract：The"current"conventional"surface"runoff"water"quality"detection"method"mainly"combines"remotenbsp;sensing"technology"to"obtain"the"color"of"the"water"body"and"image"processing"technology"to"achieve"the"analysis"of"water"quality，"which"results"in"poor"detection"accuracy"due"to"the"low"degree"of"refinement"of"the"water"body"grade."In"this"regard，"surface"runoff"water"quality"detection"based"on"sensing"IoT"data"fusion"and"linear"support"vector"algorithm"is"proposed."Firstly，"floating"sensors"are"used"to"acquire"the"surface"runoff"water"body"data，"and"the"mapping"relationship"between"the"water"quality"data"and"the"water"quality"grade"is"organized"by"fusion"processing"of"the"data."Then"the"regression"function"is"constructed"by"combining"the"linear"vector"support"algorithm"to"realize"the"prediction"of"surface"runoff"water"quality."Finally，"combining"the"prediction"residual"threshold"and"the"water"body"grade"classification"standard，"the"judgment"of"water"quality"grade"is"realized."In"the"experiment，"the"proposed"method"was"tested"for"detection"accuracy."The"final"test"results"show"that"when"the"proposed"method"is"used"to"detect"surface"runoff"water"quality，"the"algorithm"has"a"lower"RMSE"value"and"has"a"more"ideal"detection"accuracy.

Key"words：data"fusion;"support"vector"algorithm;"surface"runoff;"water"quality""detection;"detection""accuracy

當(dāng)前針對(duì)地表徑流水質(zhì)檢測(cè)技術(shù)主要有兩種研究方向，分別為基于圖像處理技術(shù)的水質(zhì)檢測(cè)以及基于模型預(yù)測(cè)技術(shù)的水質(zhì)檢測(cè)。其中，基于圖像處理技術(shù)的水質(zhì)檢測(cè)指的是首先通過(guò)遙感技術(shù)對(duì)水質(zhì)圖像進(jìn)行獲取，提取水體圖像中的灰度以及顏色特征，并與現(xiàn)有的水質(zhì)圖像分類標(biāo)準(zhǔn)進(jìn)行對(duì)比，從而實(shí)現(xiàn)水體質(zhì)量的檢測(cè)。而基于模型預(yù)測(cè)技術(shù)的水質(zhì)檢測(cè)方法主要是通過(guò)結(jié)合不同的算法，構(gòu)建出水質(zhì)預(yù)測(cè)模型，并將模型預(yù)測(cè)結(jié)果與實(shí)際的水質(zhì)測(cè)量結(jié)果進(jìn)行對(duì)比，通過(guò)設(shè)定閾值對(duì)水質(zhì)情況進(jìn)行分析。例如，文獻(xiàn)[1]通過(guò)采用單片機(jī)作為水質(zhì)系統(tǒng)的主要硬件，結(jié)合圖像處理技術(shù)對(duì)水體質(zhì)量進(jìn)行了有效檢測(cè)。文獻(xiàn)[2]通過(guò)對(duì)水體圖像進(jìn)行分割，并提取不同水體圖像的RGB特征值，從而獲得水質(zhì)狀況。文獻(xiàn)[3]以ARM內(nèi)核為硬件芯片，結(jié)合遙感技術(shù)設(shè)計(jì)了一種水質(zhì)檢測(cè)裝置。文獻(xiàn)[4]以遠(yuǎn)程無(wú)人海洋水質(zhì)作為檢測(cè)對(duì)象，通過(guò)結(jié)合STM32高性能芯片，對(duì)水質(zhì)監(jiān)測(cè)儀進(jìn)行了硬件優(yōu)化。文獻(xiàn)[5]基于STM32的順序注射水質(zhì)在線監(jiān)測(cè)系統(tǒng)，通過(guò)控制核心和溫度控制算法實(shí)現(xiàn)了流路控制和實(shí)驗(yàn)溫度條件的準(zhǔn)確控制，并通過(guò)光強(qiáng)信號(hào)處理和計(jì)算得出測(cè)量結(jié)果。文獻(xiàn)[6]匯編了可用的擬除蟲菊酯使用數(shù)據(jù)和地表水采樣數(shù)據(jù)，然后將GIS方法應(yīng)用于動(dòng)態(tài)模擬建模和使用限制緩沖分析。文獻(xiàn)[7]基于連續(xù)投影算法（SPA）和粒子群優(yōu)化最小二乘支持向量機(jī)（PSOLSSVM）建立了多元校正模型來(lái)提高可見(jiàn)近紅外光譜法檢測(cè)水質(zhì)pH值的精度和穩(wěn)定性。對(duì)此，本文采用模型預(yù)測(cè)技術(shù)，通過(guò)對(duì)傳感器采集到的水體數(shù)據(jù)進(jìn)行融合處理，并結(jié)合模型預(yù)測(cè)結(jié)果，實(shí)現(xiàn)地表徑流水體質(zhì)量有效檢測(cè)[8]。

1"基于傳感物聯(lián)網(wǎng)數(shù)據(jù)融合和線性支持向

量算法的地表徑流水質(zhì)檢測(cè)

1.1"基于傳感物聯(lián)網(wǎng)數(shù)據(jù)融合的地表徑流傳感數(shù)

據(jù)處理

為對(duì)地表徑流水質(zhì)進(jìn)行有效測(cè)量，本文通過(guò)在測(cè)點(diǎn)布設(shè)多個(gè)漂浮式傳感器，通過(guò)對(duì)傳感器采集到的水質(zhì)數(shù)據(jù)進(jìn)行計(jì)算，得到不同測(cè)試區(qū)域的區(qū)間概率分配，并結(jié)合水質(zhì)異常閾值，實(shí)現(xiàn)地表徑流水質(zhì)檢測(cè)[9]。為保證數(shù)據(jù)融合效果，本文選用的漂浮式傳感器均配置了獨(dú)立的操作系統(tǒng)，各監(jiān)測(cè)節(jié)點(diǎn)相互獨(dú)立，同時(shí)安裝通信芯片，支持無(wú)線網(wǎng)絡(luò)通信功能，從而實(shí)現(xiàn)傳感信息的有效傳輸。漂浮式傳感器通過(guò)天線接收控制系統(tǒng)的操作指令，并采用錨和重物保持水體內(nèi)部空間的受力平衡，使傳感器能夠漂浮在水體中，實(shí)現(xiàn)對(duì)水體的持續(xù)監(jiān)測(cè)[10]。漂浮式傳感器的工作原理如圖1所示。

基于上述漂浮式傳感器所采集到的水質(zhì)數(shù)據(jù)，對(duì)其進(jìn)行多源數(shù)據(jù)融合處理。假設(shè)漂浮式傳感器的總數(shù)為n，則水質(zhì)數(shù)據(jù)為［S］k={［s］1，［s］2，…，［s］i，…，［s］n}，其中，［S］k代表第k個(gè)漂浮式傳感器所采集到的地表水質(zhì)監(jiān)測(cè)數(shù)據(jù)，［s］i代表不同指標(biāo)下的水質(zhì)參數(shù)數(shù)據(jù)。由此可以得到水質(zhì)數(shù)據(jù)與測(cè)量誤差之間的關(guān)系表達(dá)式，具體如下所示。

［s］i=［si－pi，si+pi］（1）

其中，pi代表傳感器的測(cè)量誤差。假設(shè)多傳感器融合的水質(zhì)判斷框架為L(zhǎng)={l1，…，li，…，lt}，其中，li代表水質(zhì)分類等級(jí)[11]。結(jié)合傳感器監(jiān)測(cè)到的水質(zhì)參數(shù)數(shù)據(jù)，可以對(duì)水質(zhì)等級(jí)特征矩陣進(jìn)行構(gòu)建，具體矩陣表達(dá)式如下所示。

［F］L=［f］l11［f］l12…［f］l1m［f］l21［f］l22…［f］l2m［f］lt1［f］lt2…［f］ltm（2）

其中，t代表水質(zhì)分類等級(jí)的總個(gè)數(shù)，［f］ltm代表水質(zhì)特征。根據(jù)上述表達(dá)式，可以整理出水質(zhì)數(shù)據(jù)與水質(zhì)等級(jí)之間的映射關(guān)系，具體如圖2所示[12]。

與水質(zhì)等級(jí)對(duì)應(yīng)關(guān)系

通過(guò)上述水質(zhì)等級(jí)與水質(zhì)數(shù)據(jù)之間的映射關(guān)系，即可實(shí)現(xiàn)對(duì)水質(zhì)數(shù)據(jù)的劃分，從而完成對(duì)地表徑流傳感數(shù)據(jù)的有效預(yù)處理，為后續(xù)的水質(zhì)檢測(cè)提供幫助[13]。

1.2"基于線性支持向量算法的地表徑流水質(zhì)預(yù)測(cè)

基于上述融合處理得到的水質(zhì)監(jiān)測(cè)數(shù)據(jù)，本文結(jié)合線性支持向量算法，構(gòu)建出水質(zhì)預(yù)測(cè)模型，將水質(zhì)預(yù)測(cè)數(shù)據(jù)與實(shí)際檢測(cè)的數(shù)據(jù)進(jìn)行對(duì)比，從而得到預(yù)測(cè)殘差。通過(guò)判斷預(yù)測(cè)殘差是否超過(guò)設(shè)定的異常閾值，從而判定水質(zhì)等級(jí)，實(shí)現(xiàn)水質(zhì)檢測(cè)[14]。因此，本文首先需要結(jié)合融合得到的水質(zhì)參數(shù)數(shù)據(jù)，通過(guò)構(gòu)建水質(zhì)預(yù)測(cè)函數(shù)，結(jié)合約束條件，對(duì)地表徑流水質(zhì)進(jìn)行預(yù)測(cè)。本文提出的水質(zhì)檢測(cè)整體流程框圖如圖3所示。

針對(duì)水質(zhì)數(shù)據(jù)的多源融合結(jié)果，本文結(jié)合支持向量算法，對(duì)回歸函數(shù)進(jìn)行構(gòu)建，具體表達(dá)式如下所示。

f（x）=ωT·φ（x）+b（3）

其中，x=［x1i，…，xdi］代表樣本數(shù)據(jù)集，φ（x）代表水質(zhì)特征數(shù)據(jù)的非線性映射函數(shù)，ωT代表樣本數(shù)據(jù)的邊緣概率分布值，b代表水質(zhì)異常判斷閾值，f（x）代表預(yù)測(cè)值。針對(duì)上述構(gòu)建出的預(yù)測(cè)函數(shù)，本文引入松弛變量對(duì)上述函數(shù)進(jìn)行約束。具體約束表達(dá)式如（4）所示。

s.t.fi－ωT·φ（x）－b≤θ+ξ1－fi+ωT·φ（x）+b≤c+ξ2ξ1≥0，ξ2≥0，i=1，2，…，n（4）

其中，ξ1、ξ2代表松弛變量，c代表正則化參數(shù)，θ代表線性敏感損失函數(shù)。通過(guò)上述表達(dá)式，對(duì)構(gòu)建出的水質(zhì)預(yù)測(cè)函數(shù)進(jìn)行約束，從而保證預(yù)測(cè)數(shù)據(jù)更貼近真實(shí)監(jiān)測(cè)結(jié)果[15]。

通過(guò)上述步驟即可完成對(duì)于地表徑流水質(zhì)的有效預(yù)測(cè)，通過(guò)結(jié)合線性支持向量算法，構(gòu)建出水質(zhì)預(yù)測(cè)函數(shù)，并結(jié)合松弛變量，對(duì)函數(shù)進(jìn)行約束[16]。下面本文將結(jié)合水質(zhì)異常判斷閾值，將水質(zhì)預(yù)測(cè)結(jié)果與傳感器的實(shí)際檢測(cè)結(jié)果進(jìn)行對(duì)比，從而實(shí)現(xiàn)水質(zhì)等級(jí)的有效判斷。

1.3"地表徑流水質(zhì)等級(jí)判斷

基于上述得到的水質(zhì)預(yù)測(cè)結(jié)果，本文通過(guò)對(duì)水質(zhì)異常閾值進(jìn)行設(shè)定，判斷預(yù)測(cè)數(shù)據(jù)與實(shí)測(cè)數(shù)據(jù)之間的預(yù)測(cè)殘差是否超過(guò)了設(shè)定的異常閾值，結(jié)合等級(jí)分類指標(biāo)，對(duì)地表徑流水質(zhì)進(jìn)行檢測(cè)。地表徑流水質(zhì)的預(yù)測(cè)殘差計(jì)算公式如下所示。

ε（t）=|yt－yt′|（5）

其中，ε（t）代表預(yù)測(cè)殘差序列，yt′代表采用線性支持向量算法預(yù)測(cè)得到的水質(zhì)數(shù)據(jù)，yt代表采用漂浮式傳感器測(cè)量得到的水質(zhì)數(shù)據(jù)[17]。為對(duì)預(yù)測(cè)殘差序列的異常閾值進(jìn)行合理設(shè)定，本文結(jié)合拉依達(dá)準(zhǔn)則，對(duì)異常閾值的標(biāo)準(zhǔn)差進(jìn)行分析。拉依達(dá)準(zhǔn)則下的數(shù)據(jù)序列分布情況示意圖如圖4所示。

根據(jù)上述依達(dá)拉準(zhǔn)則示意圖可以看出，殘差數(shù)據(jù)的閾值取u±σ時(shí)，數(shù)據(jù)序列分布概率值較大。因此，本文將水質(zhì)異常判斷閾值的取值范圍設(shè)為u±σ，u和σ分別代表殘差序列的均值和標(biāo)準(zhǔn)差，其具體計(jì)算公式如下所示。

u=∑ni=1ε（t）n"（6）

σ=∑ni=1ε（t）－u2n"（7）

通過(guò)上述步驟即可完成對(duì)于地表徑流水質(zhì)異常閾值的設(shè)定，本文結(jié)合水質(zhì)分類標(biāo)準(zhǔn)限制，對(duì)水質(zhì)等級(jí)進(jìn)行劃分，具體劃分標(biāo)準(zhǔn)如下表1所示。

當(dāng)計(jì)算得到的地表水質(zhì)預(yù)測(cè)數(shù)據(jù)與實(shí)際監(jiān)測(cè)數(shù)據(jù)之間的殘差數(shù)據(jù)高于設(shè)定的異常閾值時(shí)，代表當(dāng)前地表徑流水質(zhì)處于異常狀態(tài)，結(jié)合表1中的水質(zhì)等級(jí)，可以對(duì)其進(jìn)行劃分，從而明確當(dāng)前地表徑流的水質(zhì)情況，從而實(shí)現(xiàn)水質(zhì)檢測(cè)[18]。

通過(guò)上述步驟即可完成對(duì)于地表徑流水質(zhì)等級(jí)的判斷，通過(guò)引入殘差序列閾值，結(jié)合水質(zhì)等級(jí)劃分標(biāo)準(zhǔn)，對(duì)地表徑流水質(zhì)等級(jí)進(jìn)行判斷，從而實(shí)現(xiàn)對(duì)水質(zhì)的有效檢測(cè)。將本節(jié)內(nèi)容與上述提到的傳感數(shù)據(jù)融合以及水質(zhì)預(yù)測(cè)等相關(guān)內(nèi)容進(jìn)行結(jié)合，至此，基于傳感物聯(lián)網(wǎng)數(shù)據(jù)融合和線性支持向量算法的地表徑流水質(zhì)檢測(cè)方法設(shè)計(jì)完成。

2"實(shí)驗(yàn)論證

為了證明本文提出的基于傳感物聯(lián)網(wǎng)數(shù)據(jù)融合和線性支持向量算法的地表徑流水質(zhì)檢測(cè)方法的實(shí)際檢測(cè)效果優(yōu)于常規(guī)的地表徑流水質(zhì)檢測(cè)方法，在理論部分的設(shè)計(jì)完成后，構(gòu)建實(shí)驗(yàn)環(huán)節(jié)，對(duì)本文方法的調(diào)度效果進(jìn)行檢驗(yàn)。

2.1"實(shí)驗(yàn)說(shuō)明

為驗(yàn)證本文提出的基于傳感物聯(lián)網(wǎng)數(shù)據(jù)融合和線性支持向量算法的地表徑流水質(zhì)檢測(cè)在實(shí)際檢測(cè)效果方面的有效性，本次實(shí)驗(yàn)選取了兩種常規(guī)的地表徑流水質(zhì)檢測(cè)方法作為對(duì)比對(duì)象，分別為基于神經(jīng)網(wǎng)絡(luò)的地表徑流水質(zhì)檢測(cè)方法，以及基于機(jī)器學(xué)習(xí)的地表徑流水質(zhì)檢測(cè)方法。通過(guò)構(gòu)建實(shí)驗(yàn)平臺(tái)，采用三種檢測(cè)方法對(duì)同一組水質(zhì)數(shù)據(jù)進(jìn)行實(shí)時(shí)檢測(cè)，對(duì)比不同檢測(cè)方法下的實(shí)際檢測(cè)效果。

2.2"實(shí)驗(yàn)準(zhǔn)備

本次實(shí)驗(yàn)選用的水質(zhì)監(jiān)測(cè)數(shù)據(jù)來(lái)自多參數(shù)水質(zhì)監(jiān)測(cè)儀，通過(guò)采用水質(zhì)監(jiān)測(cè)儀對(duì)不同區(qū)域內(nèi)的水體質(zhì)量情況進(jìn)行檢測(cè)，構(gòu)建出本文的實(shí)驗(yàn)數(shù)據(jù)集。水質(zhì)監(jiān)測(cè)儀支持智能分析功能，可以對(duì)不同監(jiān)測(cè)節(jié)點(diǎn)下的水質(zhì)數(shù)據(jù)進(jìn)行融合處理與分析，同時(shí)配備可視化顯示功能，因此可以實(shí)時(shí)讀取到不同指標(biāo)下的水質(zhì)參數(shù)數(shù)據(jù)。水質(zhì)監(jiān)測(cè)儀實(shí)物圖如圖5所示。

為采集到較為完整的地表徑流水質(zhì)數(shù)據(jù)，本文在研究區(qū)域附近布置了四個(gè)漂浮站，每個(gè)漂浮站周邊均配置了1～2個(gè)集成站，用于對(duì)水質(zhì)進(jìn)行集成采樣處理。研究區(qū)域監(jiān)測(cè)點(diǎn)分布圖如圖6所示。

由于日常水質(zhì)指標(biāo)中缺乏足夠的異常序列，因此為了模擬出較多異常水質(zhì)數(shù)據(jù)，本次實(shí)驗(yàn)通過(guò)對(duì)污染物濃度進(jìn)行配比，從而生成倒U形曲線，實(shí)現(xiàn)對(duì)地表徑流水質(zhì)異常情況的模擬，具體如圖7所示。

為保證實(shí)驗(yàn)結(jié)果的可靠性，本次實(shí)驗(yàn)?zāi)M了兩種不同的異常疊加強(qiáng)度，分別為0.2和0.8，并采用三種水質(zhì)檢測(cè)方法對(duì)水質(zhì)數(shù)據(jù)進(jìn)行檢測(cè)，對(duì)比不同異常數(shù)據(jù)疊加強(qiáng)度下，三種方法的實(shí)際檢測(cè)性能。

2.3"檢測(cè)精度對(duì)比結(jié)果

本次對(duì)比實(shí)驗(yàn)選取的對(duì)比指標(biāo)為不同檢測(cè)方法的檢測(cè)精度，具體衡量指標(biāo)為算法的均方根誤差，該值越低，代表算法的檢測(cè)效果越好，具體實(shí)驗(yàn)結(jié)果如圖8和圖9所示。

通過(guò)上述實(shí)驗(yàn)結(jié)果可以看出，異常疊加強(qiáng)度對(duì)于算法的檢測(cè)精度有著一定的影響。通過(guò)數(shù)值上的對(duì)比可以明顯看出，本文提出的基于傳感物聯(lián)網(wǎng)數(shù)據(jù)融合和線性支持向量算法的地表徑流水質(zhì)檢測(cè)方法在檢測(cè)精度上明顯高于兩種常規(guī)的水質(zhì)檢測(cè)方法，算法的均方根誤差值更低。

3"結(jié)"論

針對(duì)常規(guī)的地表徑流水質(zhì)檢測(cè)方法在檢測(cè)精度方面不夠理想的問(wèn)題，通過(guò)結(jié)合線性向量支持算法，提出了一種新型的水質(zhì)檢測(cè)方法。實(shí)驗(yàn)結(jié)果表明，本文方法具有更低的均方根誤差值，具備較高的準(zhǔn)確性和可靠性。在今后的研究工作中，需要繼續(xù)深入研究水質(zhì)的分類標(biāo)準(zhǔn)，以便更準(zhǔn)確地對(duì)不同水質(zhì)進(jìn)行預(yù)測(cè)和檢測(cè)。調(diào)整水質(zhì)預(yù)測(cè)模型的權(quán)重分布情況，以提高模型的穩(wěn)定性和適應(yīng)性。

參考文獻(xiàn)

［１］"任豐蘭，操政，姚星.基于單片機(jī)的水質(zhì)檢查系統(tǒng)設(shè)計(jì)[J].機(jī)電工程技術(shù)，2023，52（6）：166-169+248.

[2]"彭子康，張芹，陳世航，等.基于機(jī)器學(xué)習(xí)和圖像處理的水質(zhì)檢測(cè)方法[J].自動(dòng)化應(yīng)用，2023，64（10）：188-191.

[3]"梁桃華，鐘子龍，紀(jì)丁愈，等.基于ARM內(nèi)核的水質(zhì)檢測(cè)裝置設(shè)計(jì)研究[J].大眾科技，2023，25（5）：1-4.

[4]"王天釗，錢振明.基于STM32的遠(yuǎn)程無(wú)人海洋水質(zhì)檢測(cè)系統(tǒng)設(shè)計(jì)[J].科學(xué)技術(shù)創(chuàng)新，2023（8）：213-216.

[5]"李文，馬俊源，毛潭，等.基于STM32的順序注射水質(zhì)檢測(cè)系統(tǒng)設(shè)計(jì)[J].現(xiàn)代電子技術(shù)，"2022，45（6）：44-48.

[6]"DEMARS"C，"WANG"R"Y，"GRIENEISEN"M"L，"et"al."Assessment"of"pyrethroid"contamination"and"potential"mitigation"strategies"in"california"central"Coast"surface"waters[J]."Journal"of"Environmental"Management，2021，278（Pt.1）：111507.

[7]"李登珊，李麗娜，張認(rèn)成.基于SPA和PSOLSSVM的可見(jiàn)-近紅外光譜水質(zhì)pH值檢測(cè)[J].激光與光電子學(xué)進(jìn)展，"2023，"60（1）：0130002.

[8]"酈懷秀.微生物檢測(cè)技術(shù)在水質(zhì)環(huán)境監(jiān)測(cè)中應(yīng)用的質(zhì)量控制[J].皮革制作與環(huán)?？萍?，2023，4（4）：51-53.

[9]"于銀山，張慧，衛(wèi)晉松，等.基于分光光度法和神經(jīng)網(wǎng)絡(luò)的湖泊水質(zhì)檢測(cè)方法研究[J].電子器件，2023，46（1）：275-281.

[10]"于夕娟.飲用水水質(zhì)檢測(cè)中檢出限和測(cè)定下限的評(píng)價(jià)方法與合理性判定[J].食品安全導(dǎo)刊，2023（5）：157-159.

[11]"朱紅生，費(fèi)曉昕，吳述園，等.基于無(wú)人船的地表水水質(zhì)檢測(cè)系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[J].科技與創(chuàng)新，2023（2）：1-4+7.

[12]"馮琳芬，鐘彩月，謝雪云.提高污水水質(zhì)檢測(cè)準(zhǔn)確性及穩(wěn)定性的策略分析[J].皮革制作與環(huán)?？萍?，2023，4（1）：95-97.

[13]"韋瑩.關(guān)于廢水水質(zhì)檢測(cè)化驗(yàn)誤差分析與數(shù)據(jù)處理探討[J].皮革制作與環(huán)?？萍?，2022，3（19）：8-9+12.

[14]"黃戀媚.關(guān)于提高污水水質(zhì)檢測(cè)準(zhǔn)確性及穩(wěn)定性的策略探討[J].皮革制作與環(huán)保科技，2022，3（19）：10-12.

[15]"陳宇，鄧文清，邱婷婷，等.質(zhì)量控制圖的繪制及在水質(zhì)常規(guī)污染物檢測(cè)中的應(yīng)用[J].計(jì)量與測(cè)試技術(shù)，2022，49（9）：17-19+22.

[16]"費(fèi)曉昕，吳述園，朱紅生，等.面向地表水水質(zhì)檢測(cè)的無(wú)人船上位機(jī)軟件設(shè)計(jì)與實(shí)現(xiàn)[J].計(jì)算機(jī)時(shí)代，2022（9）：49-52.

[17]"唐自霖，易藝，付金松，等.多傳感器融合的水質(zhì)檢測(cè)分流控制系統(tǒng)設(shè)計(jì)[J].電子設(shè)計(jì)工程，2022，30（17）：50-54.

[18]"周昌海，楊燁，馬計(jì)劃，等.基于DSP的無(wú)人船水質(zhì)檢測(cè)系統(tǒng)設(shè)計(jì)[J].科技與創(chuàng)新，2022（17）：24-26.