基于BP神经网络的地下水离子化合物含量高光谱反演方法研究

地下水水质污染日益加重，监测地下水离子化合物含量有利于地下水的动态管理与精准防治。离子化合物光谱响应信号微弱且反演机理尚不明晰，现有研究多数对离子化合物进行简单的定性分析，较少采用数理统计方法综合估算其含量。基于离子化合物光谱机理和高光谱数据冗余的特性，通过测量实验室配比的不同浓度钠、钾、钙3种离子化合物标准液的可见—近红外反射光谱（400～1 000 nm），探究水体3种离子化合物的光谱响应机理、最佳预处理方式及特征波段优选算法，并基于最优特征波段构建BP神经网络模型以定量反演离子化合物含量。研究发现：(1)3种离子化合物整体反射率在波长400～1 000 nm处与含量成反比，与离子的电荷数和半径成正比；(2)基于主成分分析较连续投影法提取的特征谱段，构建的多元线性回归模型能够较好地反演水体离子化合物含量；(3)KCl最优反演模型的预处理方式为SG滤波，CaCl2和NaCl最优反演模型的预处理为SG滤波后进行反射率归一化；(4)相较于传统线性反演模型，PCA-BPNN非线性模型取得了最优的反演结果，其中钾离子化合物含量反演结果最优，其训练集R2和RMSE分别达到0.996 4和248...