| 致谢 | 第7-8页 |
| 摘要 | 第8-10页 |
| Abstract | 第10-11页 |
| 目录 | 第12-15页 |
| 图目录 | 第15-17页 |
| 表目录 | 第17-18页 |
| 缩略词表 | 第18-19页 |
| 1 绪论 | 第19-29页 |
| 提要 | 第19页 |
| 1.1 课题的研究背景和意义 | 第19-20页 |
| 1.2 水质COD常规检测技术的研究现状 | 第20-22页 |
| 1.2.1 重铬酸盐法 | 第21页 |
| 1.2.2 高锰酸盐法 | 第21页 |
| 1.2.3 快速消解分光光度法 | 第21-22页 |
| 1.3 水质COD光谱技术检测的研究进展 | 第22-26页 |
| 1.3.1 基于紫外光谱技术的水质COD检测技术研究进展 | 第22-24页 |
| 1.3.2 基于近红外光谱技术的水质COD检测技术研究进展 | 第24-25页 |
| 1.3.3 基于数据融合的水质COD检测技术研究进展 | 第25-26页 |
| 1.4 国内外研究中存在的主要问题 | 第26页 |
| 1.5 论文的研究目标和内容 | 第26-28页 |
| 1.5.1 主要研究内容 | 第26-27页 |
| 1.5.2 技术路线 | 第27-28页 |
| 1.6 本章小结 | 第28-29页 |
| 2 试验材料和方法 | 第29-44页 |
| 提要 | 第29页 |
| 2.1 试验材料 | 第29页 |
| 2.2 试验设备及仪器 | 第29-31页 |
| 2.2.1 Cary 60紫外可见光分光光度计 | 第29-30页 |
| 2.2.2 Nexus傅立叶近红外光谱仪 | 第30-31页 |
| 2.3 水样COD值实验室测量方法 | 第31页 |
| 2.3.1 测量方法 | 第31页 |
| 2.3.2 测量原理 | 第31页 |
| 2.3.3 测量步骤 | 第31页 |
| 2.4 光谱预处理算法 | 第31-35页 |
| 2.4.1 Savitzky-Golay平滑算法 | 第32-33页 |
| 2.4.2 变量标准化 | 第33页 |
| 2.4.3 多元散射校正 | 第33-34页 |
| 2.4.4 一阶和二阶求导预处理 | 第34-35页 |
| 2.5 光谱特征波段选择算法 | 第35-37页 |
| 2.5.1 连续投影算法 | 第35-36页 |
| 2.5.2 无信息变量去除算法 | 第36-37页 |
| 2.6 光谱化学计量学建模算法 | 第37-42页 |
| 2.6.1 多元线性回归 | 第37-38页 |
| 2.6.2 偏最小二乘法 | 第38-39页 |
| 2.6.3 最小二乘支持向量机(LS-SVM) | 第39-41页 |
| 2.6.4 人工神经网络 | 第41-42页 |
| 2.7 模型评价指标 | 第42-43页 |
| 2.8 本章小结 | 第43-44页 |
| 3 基于紫外光谱的水产养殖水质COD快速检测研究 | 第44-60页 |
| 提要 | 第44页 |
| 3.1 水产养殖水样的紫外光谱采集和光谱特性分析 | 第44-46页 |
| 3.1.1 水样的紫外光谱数据采集 | 第44页 |
| 3.1.2 水样的紫外光谱特性分析 | 第44-46页 |
| 3.2 养殖水质COD检测的紫外光谱全波段建模研究 | 第46-49页 |
| 3.2.1 水质COD检测的紫外光谱全波段PLS模型 | 第46-47页 |
| 3.2.2 水质COD检测的紫外光谱全波段LS-SVM和BP-ANN模型 | 第47-49页 |
| 3.3 养殖水质COD检测的紫外光谱特征波段建模研究 | 第49-58页 |
| 3.3.1 基于UVE的水质COD紫外光谱特征波段提取 | 第49-52页 |
| 3.3.2 基于UVE提取的紫外光谱特征波段的水质COD预测建模 | 第52-54页 |
| 3.3.3 基于SPA的水质COD紫外光谱特征波段提取 | 第54-56页 |
| 3.3.4 基于SPA提取的紫外光谱特征波段的水质COD预测建模 | 第56-58页 |
| 3.4 本章小结 | 第58-60页 |
| 4 基于近红外光谱的水产养殖水质COD快速检测研究 | 第60-76页 |
| 提要 | 第60页 |
| 4.1 水产养殖水样的近红外光谱采集和光谱特性分析 | 第60-62页 |
| 4.1.1 水样的近红外光谱数据采集 | 第60页 |
| 4.1.2 水样的近红外光谱特性分析 | 第60-62页 |
| 4.2 养殖水质COD检测的近红外光谱全波段建模研究 | 第62-65页 |
| 4.2.1 水质COD检测的近红外光谱全波段PLS模型 | 第62-63页 |
| 4.2.2 水质COD检测的近红外光谱全波段LS-SVM和BP-ANN模型 | 第63-65页 |
| 4.3 养殖水质COD检测的近红外光谱特征波段建模研究 | 第65-74页 |
| 4.3.1 基于UVE的水质COD近红外光谱特征波段提取 | 第65-68页 |
| 4.3.2 基于UVE提取的近红外光谱特征波段的水质COD预测建模 | 第68-70页 |
| 4.3.3 基于SPA的水质COD近红外光谱特征波段提取 | 第70-72页 |
| 4.3.4 基于SPA提取的近红外光谱特征波段的水质COD预测建模 | 第72-74页 |
| 4.4 本章小结 | 第74-76页 |
| 5 基于多源光谱融合的水产养殖水质COD快速检测研究 | 第76-89页 |
| 提要 | 第76页 |
| 5.1 基于数据级多源光谱融合的养殖水质COD检测研究 | 第76-81页 |
| 5.1.1 基于数据级多源光谱融合的养殖水质COD检测的PLS模型 | 第76-77页 |
| 5.1.2 基于数据级多源光谱融合的养殖水质COD检测的LS-SVM模型 | 第77-79页 |
| 5.1.3 基于数据级多源光谱数据融合的养殖水质COD检测的BP-ANN模型 | 第79-81页 |
| 5.2 基于特征级多源光谱融合的养殖水质COD检测研究 | 第81-86页 |
| 5.2.1 基于特征级光谱融合的养殖水质COD检测的PLS模型 | 第81-82页 |
| 5.2.2 基于特征级多源光谱融合的养殖水质COD检测的LS-SVM模型 | 第82-84页 |
| 5.2.3 基于特征级多源光谱数据融合的养殖水质COD检测的BP-ANN模型 | 第84-86页 |
| 5.3 本章小结 | 第86-89页 |
| 6 结论与展望 | 第89-93页 |
| 提要 | 第89页 |
| 6.1 主要研究结论 | 第89-91页 |
| 6.2 论文主要创新点 | 第91页 |
| 6.3 进一步研究的展望 | 第91-93页 |
| 参考文献 | 第93-102页 |
| 作者简介 | 第102页 |
