| 摘要 | 第5-8页 |
| Abstract | 第8-11页 |
| 0 前言 | 第14-16页 |
| 1 文献综述 | 第16-24页 |
| 1.1 浮游藻与赤潮 | 第16-18页 |
| 1.1.1 我国浮游藻群落组成概况 | 第16-17页 |
| 1.1.2 赤潮发生状况 | 第17-18页 |
| 1.2 浮游藻群落组成监测技术进展 | 第18-22页 |
| 1.3 本论文的研究目标和研究内容 | 第22-24页 |
| 1.3.1 研究目的 | 第22页 |
| 1.3.2 研究内容 | 第22-24页 |
| 2 实验部分 | 第24-31页 |
| 2.1 仪器和试剂 | 第24-25页 |
| 2.1.1 仪器 | 第24页 |
| 2.1.2 试剂 | 第24-25页 |
| 2.2 浮游藻的培养及现场样品的采集 | 第25-31页 |
| 2.2.1 实验室藻种的选择及培养 | 第25-26页 |
| 2.2.2 实验方案 | 第26-27页 |
| 2.2.3 色素提取 | 第27页 |
| 2.2.4 实际混合样品的获得 | 第27页 |
| 2.2.5 现场样品的采集 | 第27-29页 |
| 2.2.6 色素萃取液荧光光谱数据的获得 | 第29页 |
| 2.2.7 色素萃取液吸收光谱数据的测定 | 第29-30页 |
| 2.2.8 高效液相色谱分析 | 第30-31页 |
| 3 基于 db7 小波的浮游藻色素萃取液荧光识别分析 | 第31-50页 |
| 3.1 小波分析技术 | 第31页 |
| 3.2 采用小波分解的色素萃取液数据的预处理 | 第31-35页 |
| 3.2.1 荧光光谱数据散射的去除 | 第31-33页 |
| 3.2.2 光谱数据的降维 | 第33-34页 |
| 3.2.3 数据标准化 | 第34-35页 |
| 3.3 db7 小波对浮游藻色素光谱的特征提取 | 第35-37页 |
| 3.3.1 小波的选择 | 第35页 |
| 3.3.2 db7 小波对浮游藻色素萃取液光谱的分解 | 第35-37页 |
| 3.4 浮游藻色素萃取液荧光特征谱的选择 | 第37-41页 |
| 3.5 db7 小波色素荧光标准谱库的构建 | 第41-46页 |
| 3.5.1 浮游藻色素初始荧光成分比值矩阵的获得 | 第41-44页 |
| 3.5.2 浮游藻色素特征谱的特征分析 | 第44-46页 |
| 3.6 浮游藻色素萃取液 db7 荧光识别方法的建立 | 第46-47页 |
| 3.7 浮游藻色素 db7 荧光识别方法的测试 | 第47-49页 |
| 3.8 小结 | 第49-50页 |
| 4 PARAFAC 模型在浮游藻色素荧光识别分析中的应用 | 第50-68页 |
| 4.1 PARAFAC 分析方法 | 第50-52页 |
| 4.1.1 PARAFAC 模型 | 第50页 |
| 4.1.2 PARAFAC 算法的性质 | 第50-51页 |
| 4.1.3 PARAFAC 分析的应用 | 第51-52页 |
| 4.2 采用 PARAFAC 模型分析的数据预处理 | 第52-53页 |
| 4.2.1 荧光光谱数据散射的去除 | 第52页 |
| 4.2.2 荧光光谱数据归一化 | 第52-53页 |
| 4.2.3 去除异常样 | 第53页 |
| 4.3 PARAFAC 模型分析验证 | 第53-58页 |
| 4.3.1 PARAFAC 分析 | 第53-54页 |
| 4.3.2 PARAFAC 模型验证 | 第54-58页 |
| 4.4 Bayesian 判别分析 | 第58-59页 |
| 4.5 EEM-PARAFAC-CHEMTAX 识别测定技术的建立 | 第59-66页 |
| 4.5.1 荧光成分组成的特征性分析 | 第59-61页 |
| 4.5.2 浮游藻色素初始荧光成分比值矩阵的获得 | 第61页 |
| 4.5.3 线性独立性分析 | 第61-62页 |
| 4.5.4 EEM-PARAFAC-CHEMTAX 技术的识别测定 | 第62-65页 |
| 4.5.4.1 分类方法的建立 | 第62-63页 |
| 4.5.4.2 测试 | 第63-65页 |
| 4.5.5 生物量预测 | 第65-66页 |
| 4.6 小结 | 第66-68页 |
| 5 EEM-PARAFAC-NNLS 识别测定技术的建立 | 第68-75页 |
| 5.1 浮游藻荧光识别标准谱库的构建 | 第68-70页 |
| 5.1.1 标准谱的获得 | 第68页 |
| 5.1.2 标准谱库的构建 | 第68-70页 |
| 5.2 EEM-PARAFAC-NNLS 技术的识别测定 | 第70-73页 |
| 5.2.1 识别方法的建立 | 第70页 |
| 5.2.2 测试 | 第70-73页 |
| 5.3 生物量预测 | 第73-74页 |
| 5.4 小结 | 第74-75页 |
| 6 荧光识别技术的应用 | 第75-83页 |
| 7 结论 | 第83-85页 |
| 7.1 主要结论 | 第83-84页 |
| 7.2 本文的创新之处 | 第84-85页 |
| 参考文献 | 第85-91页 |
| 致谢 | 第91-92页 |
| 个人简历 | 第92页 |
| 论文发表 | 第92-93页 |
