(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211343582.4 (22)申请日 2022.10.31 (71)申请人 常州安控电器成套设备有限公司 地址 213300 江苏省常州市溧阳市高新区 高新技术创业园芜申路168号 (72)发明人 陆顺杰　易辉　郑磊　 (74)专利代理 机构 南京群迈知识产权代理有限 公司 32690 专利代理师 安士影 (51)Int.Cl. G01N 21/71(2006.01) G06K 9/62(2022.01) G06N 3/00(2006.01) G06N 7/08(2006.01) (54)发明名称 一种基于GBD T和改进M FO的水质污染物检测 方法 (57)摘要 本发明公开了一种基于GBDT和改进MFO的水 质污染物检测方法包括如下步骤： 步骤1： 采集污 染水源样品， 对污染水源样品进行LIBS光谱检 测， 形成光谱图； 步骤2： 基于待检测污染物波长， 获取待检测污染物在该波长处的光谱强度和实 际浓度； 步骤3： 对待检测污染物的光谱强度和实 际浓度进行归一化处理， 构建回归梯度提升树模 型GBDT； 步骤4： 采用混沌初始化映射对MFO算法 进行改进， 得到CMFO优化算法； 步骤5： 基于改进 后的CMFO算法， 优化GBDT模型参数， 对污染物含 量进行预测。 采用混沌初始化的方法对MFO进行 改进， 有效避免算法陷入局部最优解。 然后与 GBDT结合， 提高L IBS光谱数据的分析精度。 权利要求书2页 说明书9页 附图3页 CN 115406882 A 2022.11.29 CN 115406882 A 1.一种基于GBDT和改进MFO的水质污染物检测方法， 其特 征在于， 包括如下步骤： 步骤1： 采集污染水源样品， 对污染水源样品进行L IBS光谱检测， 形成光谱图； 步骤2： 基于待检测污染物波长， 获取待检测污染物在该波长处的光谱强度和实际浓 度； 步骤3： 对待检测污染物的光谱强度和实际浓度进行归一化处理， 构建回归梯度提升树 模型GBDT； 步骤4： 采用混沌初始化映射对MFO算法进行改进， 得到 CMFO优化算法； 步骤5： 基于改进后的C MFO算法， 优化GBDT模型参数， 对污染物含量进行 预测。 2.根据权利要求1所述一种基于GBDT和改进MFO的水质污染物检测方法， 其特征在于， 步骤2用波长i处的光谱面积替代光谱强度， 以更全面的运用光谱信息， 提高精度， 波长i处 的光谱面积的计算公式为： 其中， Sraw为波长i在波长范围内的面积， m为波长范围 的第一个像 素点， Xm为m像素点处 的光谱强度， n为波长范围的最后一个像素点，  Xn为n像素点处 的光谱强度， Xk为k像素处 的 光谱强度， k 为[m+1， n]范围内的整数。 3.根据权利要求2所述一种基于GBDT和改进MFO的水质污染物检测方法， 其特征在于， 步骤2对待测污染物波长i处的光谱面积进行基底噪音处 理， 提高模型精度。 4.根据权利要求3所述一种基于GBDT和改进MFO的水质污染物检测方法， 其特征在于， 基底噪音处 理的具体操作步骤为： 步骤A： 基于污染水源的LIBS光谱图， 将待检测污染物波长i对应像素点前后v个波长分 成两个光谱段A、 B， 其中v是正整数； 步骤B： 分别计算两个光谱段A和B的面积SA和SB； 步骤C： 通过两个光谱段A和B的平均面积与待检测污染物波长i像素长度的乘积， 计算 基底噪音面积； 步骤D： 波长i处的光谱面积去除基底噪音面积， 即为 修正后波长i处的光谱面积。 5.根据权利要求4所述一种基于GBDT和改进MFO的水质污染物检测方法， 其特征在于， 基于下述公式修 正波长i处的光谱面积： 上式中， xi‑v为波长为i ‑v处的光谱强度， xm‑1为波长m‑1处的光谱强度， xl为波长为l处的权　利　要　求　书 1/2 页 2 CN 115406882 A 2光谱强度， xn+1为波长n+1处的光谱强度， xi＋v为波长i＋v处 的光谱强度， Sbackground为基底噪 音面积， Scorrection_i为修正后波长i处的光谱面积。 6.根据权利要求1所述 一种基于GBDT和改进MFO的水质污染物检测方法， 其特 征在于： 步骤4采用l ogistics映射进行混沌初始化， 解决初始化 不均匀问题。 7.根据权利要求6所述 一种基于GBDT和改进MFO的水质污染物检测方法， 其特 征在于： 在MFO中飞蛾的位置定义为待解决的问题， 即污染物预测值， 火焰被定义为飞蛾所搜索 到的局部最优位置， 通过迭代更新 飞蛾的位置求解最优解， 采用混沌初始 化映射对MFO算法 进行改进， 混沌初始化公式为： 其中，µ∈ （0,4]为控制变量， yp表示第p只飞蛾在混沌空间中的位置， 其取值范 围为[0, 1]； yp+1表示第p+1只飞蛾在混沌空间中的位置； 在混沌空间中随机生成第一只飞蛾的位置yp1， 对yp1进行n0‑1次迭代， 得到其余n0 ‑1只 飞蛾位置， 再将所有飞蛾位置映射到 搜索空间， 作为迭代初值： 其中， Ub、 Lb为搜索空间的搜索范围的上、 下限， mp表示第p只飞蛾的位置， p=1,2, ⋯,n0， n0是飞蛾最大迭代次数。 8.根据权利要求7 所述一种基于GBDT和改进MFO的水质污染物检测方法， 其特 征在于： 第p只飞蛾mp会向距离最近火焰F(n1 ×d)逼近， 其中n1表示飞蛾种群 数， d表示飞蛾种群 维度， F是飞蛾矩阵， 逼近的路线为螺 旋曲线。 9.根据权利要求8所述 一种基于GBDT和改进MFO的水质污染物检测方法， 其特 征在于， 逼近函数为： 其中， Fj为F(n1×d)中距离mp最近的火焰； Dp=|Fj‑mp |为飞蛾距离火焰的距离； 为对 数螺旋曲线相关的常量； 随机数t定义了飞蛾下一个位置离 火焰的远近程度， 介于[ ‑1， 1]之 间； 为对数螺旋曲线表达式， 与Dp相乘后是一个常量， 与Fj相加后是向量， 表示更新后的飞蛾 位置， 即将飞蛾位置mp代入逼近函数后， 自动更新为mp'， 完成新位置的更 新。 10.根据权利要求9所述 一种基于GBDT和改进MFO的水质污染物检测方法， 其特 征在于， 为了算法寻优能力更强， 在迭代过程中火焰数量需逐渐减少， 火焰减少过程如下： 其中， flameNo为每轮迭代减少 后的火焰数量； round为四舍五入函数； 为当前迭代次 数， 为迭代次数的最大值， N 为火焰数量的最大值。权　利　要　求　书 2/2 页 3 CN 115406882 A 3