随着人口的增长和社会的迅速发展, 水资源短缺和水污染问题日益严重。 水质分类作为水质污染评估工作中的一项重要环节, 其意义和作用也更加突出。 基于太赫兹衰减全反射(THz-ATR)光谱和模式识别技术, 提出了一种水质分析模型。 利用太赫兹时域光谱系统和衰减全反射模块测量了纯净水、 自来水、 河水、 海水A和海水B五种水样的太赫兹衰减全反射光谱, 通过光学参数提取模型获得0.2~1.0 THz频率范围内五种水样的折射率、 吸收系数、 介电常数实部和介电常数虚部。 利用主成分分析(PCA)对折射率进行降维和特征提取, 分别作出样品在第一、 二主成分上的二维得分图和前三个主成分上的三维得分图, 结果显示, 基于折射率的主成分得分图可以明显的区分不同的水样。 为了进一步对不同水样进行准确分类, 将降维之后的数据输入到支持向量机(SVM)中构建水样分类模型, 每种水样随机选取其中的五分之三作为训练集, 剩余的数据作为测试集, 同时引入网格搜索(GridSearch)、 遗传算法(GA)和粒子群(PSO)三种优化算法对支持向量机参数进行优化。 结果显示, 基于网格搜索算法的支持向量机最优参数c和g分别为1.414 2和2.0, 准确率为99.0%; 基于遗传算法的支持向量机最优参数c和g分别为1.675 4和5.966 5, 准确率为99.5%; 基于粒子群算法的支持向量机最优参数c和g分别为3.154 9和12.589, 准确率为100%。 可以看出, 使用不同的优化算法得到的最优参数不同, 所构建的支持向量机分类模型都可实现正确的分类, 且分类准确率均高达99.0%以上。 研究结果表明, 利用粒子群优化算法基于折射率构建的PCA-SVM分类模型效果最优, 可以准确识别不同水样, 为水质分类奠定了基础。

玉石是一种稀有的矿物质, 自古以来备受国人喜爱, 其真伪鉴别一直是珠宝鉴别行业的棘手难题, 传统的鉴别方法已经难以实现对真假玉石的准确鉴别。 太赫兹检测技术可以实现快速无损检测, 在混合物的分类鉴别方面, 有广泛的应用。 基于太赫兹时域光谱技术和模式识别技术, 对来自我国新疆、 青海, 以及巴基斯坦、 阿富汗四个地区的软玉样品及玻璃、 大理石、 石包玉三种仿品, 使用透射模式测得样品在0.1~1.5 THz频率范围内的太赫兹谱, 通过参数提取得到其折射率谱线。 由于其化学成分的复杂和多样性, 仅靠其特征谱线图, 并不能正确的区分软玉和仿品, 为了更好的对其进行鉴别, 需要建立分类模型。 采用主成分分析(PCA)对实验得到的原始折射率数据进行降维和特征提取, 作出样品在第一、 二主成分上的二维得分图, 在图中可以看出软玉和仿品能够很明显的区分开来。 在经过降维处理之后的数据中, 随机选取其中的四分之三作为训练集, 剩下的作为测试集, 输入到支持向量机(SVM)建立的分类模型中, 并引入网格搜索(GridSearch)、 遗传算法(GA)和粒子群算法(PSO)对支持向量机参数进行优化。 结果显示, 基于网格搜索的支持向量机最优参数c=2.828 4, g=2, 识别率为97.7%, 运行时间为1.39 s, 用时最短; 基于遗传算法的支持向量机最优参数c=1.740 1, g=4.544 6, 识别率为98.3%, 运行时间为3.6 s; 基于粒子群算法的支持向量机最优参数c=11.287 2, g=1.833 1, 识别率为98.6%, 运行时间为6.13 s, 用时最长。 虽然三种优化算法得到的最优参数不同, 但均可实现正确的分类。 研究结果表明, 使用太赫兹时域光谱技术结合模式识别方法可以快速、 准确的鉴别软玉和仿品, 这为玉石的鉴别提供了一种新手段。