小波分析技术在我国近海浮游藻群落组成荧光识别测定中的应用

小波分析技术在我国近海浮游藻群落组成荧光识别测定中的应用

论文摘要

近年来我国近海赤潮频发,制约了我国沿海近海省市的发展。迫切需要一种现场、实时、快速的针对引发赤潮的浮游植物的群落组成监测技术,以便及时采取措施,减少损失。浮游植物的三维荧光光谱包含了浮游植物丰富的特征信息,并且基于荧光光谱的分析方法具有灵敏度高,对仪器要求不高,前处理简单等优点,在浮游植物群落组成的实时、快速测定方面有很好的应用前景。但目前基于浮游植物荧光光谱的识别技术还存在能识别的浮游植物类别少,分类太宽泛等不足,在我国近海的特定浮游植物群落组成监测中的应用具有局限性。本文在针对我国近海海域浮游植物群落组成特点的基础上,选择我国近海常见的分属于7个门,32个属的43种浮游植物进行培养,获得活体浮游植物的三维荧光光谱。对同种浮游植物的荧光光谱的精密度,不同浮游植物的荧光光谱的差异性进行分析,阐述了浮游植物的三维荧光光光谱对浮游植物的识别的可行性;利用小波分析技术,选择两个正交小波,一个双正交小波分别建立我国近海常见浮游植物的定性识别技术。取得的成果如下:1.以相对标准偏差(R.S.D)对同种浮游植物的荧光光谱的稳定性进行分析,方差分析对不同浮游植物的荧光光谱进行分析。证明大多数浮游植物的荧光光谱稳定性较好,而不同浮游植物之间的荧光光谱存在显著性差异,应用浮游植物的荧光光谱对浮游植物进行识别是可行的。2.正交小波系选择coif2系列和symlet系列进行了研究。选择了coif正交小波系列对浮游植物的荧光光谱的特征提取具有更好的选择的coif系列,symlet系列进行了研究。选择Coif正交小波系列分解效果最好的coif2小波对浮游植物荧光光谱进行分解,利用系统聚类法,建立了浮游植物门、属水平上的二级标准谱库,同时尺度分量和小波分量的标准谱库之间,进行互补(实际为4层谱库)。在此基础上,利用非负最小二乘法建立了浮游植物荧光识别技术。对实验室培养的单种藻样品的总识别正确率在门水平上达到95%以上,属水平上达到89%以上;对模拟混合藻样品光谱的优势藻的总识别正确率,门水平上在90%以上,属水平上的在80%以上,对实验室实际混合藻样品的识别正确率,在门水平上达到85%以上,在属水平上达到75%以上。可对现场样品中藻细胞浓度超过5x106cell L-1(发生赤潮时)时,赤潮优势种进行属水平上的识别。采用Symlet系列正交小波中分解效果最好的symlet7小波对浮游植物的荧光光谱进行分解,采用和coif2小波同样的技术建立方法,建立基于symlet7小波的浮游植物荧光识别技术。对实验室培养的单种藻样品进行识别,在门上可以得到95%以上的正确率,属水平上得到85%以上的正确率。对模拟混合藻样品光谱的优势藻的总识别正确率,门水平上在90%以上,属水平上的在80%以上。对实验室实际混合藻样品的光谱的优势藻的识别正确率,在门水平上达到90%以上,在属水平上达到75%以上。可对现场样品中藻细胞浓度超过5x106cell L-1(发生赤潮时)时,赤潮优势种进行属水平上的识别。3.对bior双正交小波族的小波进行分析,选择特征提取效果最好的biolr1.1小波。基于系统聚类法进行门属水平上的二级标准谱库,使用非负最小二乘法,建立浮游植物的荧光识别技术。对实验室培养的单种藻样品进行识别,在门上可以得到95%以上的正确率,属水平上得到85%以上的正确率。对模拟混合藻样品光谱的优势藻的总识别正确率,门水平上达到达到90%以上,属水平上的在75%以上,对实验室实际混合藻样品的识别正确率在门水平上达到85%,在属水平上达到75%以上。可对现场样品中藻细胞浓度超过5x106cell L-1(发生赤潮时)时,赤潮优势种进行属水平上的识别。通过和两个基于正交小波建立的识别技术得到的结果比较发现,双正交小波的识别作用在总体水平上不如正交小波,但是对正交小波识别不好的部分浮游植物的识别,具有互补作用。4.研究了三种小波识别技术的互补性:coif2小波对单种藻样品,混合藻以及模拟混合藻样品光谱的优势藻的识别在总体水平上的优于其他两种小波。但是symlet7和bior1.1小波对coif2小波有补充作用。特别是bior1.1小波在混合样品的识别上对coif2小波的互补作用非常明显。基于三种小波的互补性,建立了三种小波的门属水平上的互补标准谱库。采用互补标准谱库后,单种浮游植物的Cs,Db,Se,Kb,Ma,Cy的识别正确率得到了提高。单种浮游植物的识别种可实现单种藻样品在门水平上达到97.2% ,属水平上达到91.7% ;模拟混合藻光谱的识别中,Cu,De,Ca,Oc,Cf,Tw,Ds,Pd,Gs的识别正确率获得了提高,模拟混合藻光谱的识别在门水平上达到95.0%,属水平上达到85.2%;实验室实际混合藻的识别过程中,Sk,Tr,Ma,Am的识别正确率获得了提高,对实验室实际混合藻的识别在门水平上达到86.5%,属水平上78.5%;。本文的创新之处为,基于浮游植物活体三维荧光光谱,利用正交小波函数coif2,symlet7和双正交小波函数bior1.1构建浮游植物荧光特征谱库,建立浮游植物群落组成荧光识别测定技术,该技术能够在未发生赤潮时在门类的水平上识别测定浮游植物群落组成,而在发生赤潮时能够在属的水平上识别引发赤潮的浮游植物。

论文目录

  • 摘要
  • Abstract
  • 0 前言
  • 1 文献综述
  • 1.1 浮游植物及赤潮概况
  • 1.2 浮游植物监测的方法及其现状
  • 1.3 小波分析法的发展及应用
  • 1.3.1 小波分析的建立和发展
  • 1.3.2 小波分析的应用
  • 2 实验部分
  • 2.1 仪器和材料
  • 2.1.1 仪器
  • 2.1.2 试剂
  • 2.2 浮游植物的选择及其实验室培养、现场样品的采集
  • 2.2.1 浮游植物的实验室培养
  • 2.2.2 现场样品的采集
  • 2.2.3 浮游植物三维荧光光谱的获得
  • 2.3 定量分析实验
  • 3 本研究的基础及可行性分析
  • 3.1 赤潮和非赤潮期间的我国近海浮游植物群落组成分析
  • 3.2 浮游植物三维荧光光谱的预处理和分析
  • 3.2.1 浮游植物的原始三维荧光光谱
  • 3.2.2 三角形内插值法对三维荧光光谱瑞利散射的去除
  • 3.2.3 三维荧光光谱区域的选择
  • 3.2.4 活体浮游植物三维荧光光谱的处理和特征谱的提取
  • 3.3 对预处理后的活体浮游植物的荧光光谱的分析
  • 3.3.1 浮游植物荧光光谱稳定性分析
  • 3.3.2 预处理后的二维荧光光谱的差异性分析
  • 3.4 本技术特征提取的基础-小波分析简介
  • 3.4.1 小波分析技术简介
  • 3.4.2 常用小波介绍
  • 3.4.3 小波基的选择标准
  • 4 基于正交小波基的浮游植物的三维荧光光谱的识别技术
  • 4.1 基于COIFLET 小波族浮游植物的识别技术
  • 4.1.1 Coif 小波族基函数的的性质及对三维荧光光谱的分解
  • 4.1.2 最优分量的选择和Coif 小波族最优小波的选择
  • 4.1.3 Coif 小波标准谱库的建立
  • 4.1.4 Coif2 小波门属二级标准谱库的使用原则
  • 4.1.5 Coif2 小波门属二级标准谱库对浮游植物的识别作用
  • 4.1.6 标准谱库对现场浮游植物样品的识别作用
  • 4.2 基于SYMLET 小波族浮游植物的识别技术
  • 4.2.1 symlet 小波族基函数的的性质及对三维荧光光谱的分解
  • 4.2.2 最优分量和symlet 小波族最优小波的选择
  • 4.2.3 symlet 小波标准谱库的建立
  • 4.2.4 Symlet7 小波门属二级标准谱库对浮游植物的识别作用
  • 4.2.5 标准谱库对现场浮游植物样品的识别作用
  • 本章小结
  • 5 基于双正交小波分析的浮游植物的荧光识别技术
  • 5.1 双正交小波简介
  • 5.2 特征提取及识别特征谱的确立和双正交小波的选择
  • 5.3 BIOR1.1 小波标准谱库的建立
  • 5.3.1 基于bi011.1 小波浮游植物门水平上标准荧光谱的获得
  • 5.3.2 bi011.1 小波门属二级标准谱库对浮游植物的识别作用
  • 5.3.3 标准谱库对现场浮游植物样品的识别作用
  • 本章小结
  • 6. 不同小波基识别的互补性研究及定量分析
  • 6.1 单种藻样品的互补性
  • 6.2 实验室模拟混合样品的互补
  • 6.3 不同小波基函数识别技术实际混合光谱的互补性
  • 6.4 活体浮游植物的荧光定量检测
  • 6.4.1 定量原理
  • 6.4.2 定量方法
  • 6.4.3 结果与讨论
  • 本章小结
  • 7 本文结论和主要创新点
  • 7.1 主要结论
  • 7.2 主要创新点
  • 参考文献
  • 附录
  • 致谢
  • 个人简历
  • 研究生阶段论文发表写作情况
  • 相关论文文献

    • [1].基于多特征的淡水鱼种类识别研究[J]. 扬州大学学报(农业与生命科学版) 2016(03)
    • [2].X射线荧光光谱结合判别分析识别进口铁矿石产地及品牌[J]. 光谱学与光谱分析 2020(08)
    • [3].灵云输入法 集拍照手写语音于一体[J]. 计算机与网络 2016(21)
    • [4].基于自适应滤波算法的树木年轮测量方法[J]. 农业机械学报 2020(03)
    • [5].舰船监控图像拼接与识别研究[J]. 舰船科学技术 2019(24)
    • [6].基于改进Fisher判别的起步工况驾驶风格研究[J]. 北京理工大学学报 2020(03)
    • [7].血清质量检测方法研究[J]. 中国医疗器械信息 2020(17)
    • [8].从二维码的角度看智慧购物软件的设计策略[J]. 黑龙江科技信息 2017(15)
    • [9].品管圈活动在提高孕妇临产识别正确率中的应用[J]. 齐鲁护理杂志 2017(22)
    • [10].基于独立分量分析的扫视信号样本优化算法[J]. 华南理工大学学报(自然科学版) 2016(09)
    • [11].基于神经网络的体育商标识别模型[J]. 现代电子技术 2017(01)
    • [12].小波分析在活体浮游植物荧光光谱识别技术中的应用[J]. 中国海洋大学学报(自然科学版) 2010(06)
    • [13].人脸识别技术的医学诊断应用的发展与现状[J]. 基础医学与临床 2016(12)
    • [14].基于机器视觉的鸡蛋内外品质一体化检测与分级系统[J]. 中国食品学报 2020(11)
    • [15].基于人脸图像的性别识别建模与仿真研究[J]. 计算机仿真 2012(05)
    • [16].改进非负矩阵分解的神经网络人脸识别[J]. 液晶与显示 2017(03)
    • [17].对光照变化不敏感的微观高光谱图像木材树种识别算法研究[J]. 红外与毫米波学报 2020(01)
    • [18].基于人工蜂群优化支持向量机的船舶管网泄漏识别[J]. 机床与液压 2014(23)
    • [19].基于多特征融合的玉米前期图像的旱情识别[J]. 激光与光电子学进展 2017(08)
    • [20].保持拓扑性非负矩阵分解法在人脸识别的应用[J]. 计算机工程与应用 2010(14)
    • [21].单通道混合信号调制识别[J]. 信息工程大学学报 2016(06)
    • [22].大米产地的模糊模式识别[J]. 模糊系统与数学 2015(04)
    • [23].表面肌电信号识别特征提取的仿真研究[J]. 计算机仿真 2013(05)
    • [24].基于CSSD-DE通道选择算法的ECoG分类研究[J]. 中国生物医学工程学报 2012(05)
    • [25].基于田间图像的局部遮挡小尺寸稻穗检测和计数方法[J]. 农业机械学报 2020(09)
    • [26].非限制环境下的低秩协同人脸性别识别研究[J]. 电子测量与仪器学报 2016(11)
    • [27].小抄速记[J]. 电脑爱好者 2010(22)
    • [28].一种基于机器视觉的水表检定装置的研制[J]. 机械制造与自动化 2020(02)
    • [29].文字识别中特征与相似度度量的研究[J]. 盐城工学院学报(自然科学版) 2016(04)
    • [30].文本无关发音质量评估系统中声学模型的若干研究和改进[J]. 网络新媒体技术 2012(02)

    标签:;  ;  ;  ;  ;  

    小波分析技术在我国近海浮游藻群落组成荧光识别测定中的应用
    下载Doc文档

    猜你喜欢