排序方式： 共有1条查询结果，搜索用时 15 毫秒
1
1.
目前,对地表水体荧光溶解性有机质(Fluorescent Dissolved Organic Matter,FDOM)三维激发发射矩阵(Excitation-Emission Matrices,EEMs)数据的解析仍旧存在挑战.本文结合原始EEMs和从中分离的荧光平行因子分析(Parallel Factor Analysis,PARAFAC)组分,利用自组织映射图(Self-Organizing Maps,SOM),开展了基于传统EEMs-SOM和新型PARAFAC-SOM神经网络模型的复杂荧光数据解析能力对比研究,以此探索和改进EEMs多元解析方法技术体系.模型以已发表论文原始数据为基础构建,研究对象为南太湖重要入湖河流东苕溪水系.结果显示:EEMsSOM模型需依赖常规"摘峰法"对各荧光峰做出主观判断,不能有效识别重叠荧光峰,且人为割裂多激发共发射荧光物质峰之间的联系,从而弱化分析结果的实际环境意义,但神经元的模式荧光光谱可视化效果较佳,且操作简便,耗时较少;PARAFAC-SOM模型克服了上述缺陷,可清除EEMs中的噪声或无用信息,大幅降低输入变量数(从1742个降至4个),缩减运算时间,较大地改善了输出结果的准确性,获得无损可靠且实际环境意义较强的结果,但该法的PARAFAC预处理要求较高,工作量较大;两类模型解析结论大体一致,对前期研究进行了全新的阐述和补充,且生动揭示了FDOM在多级河流水体中的空间赋存变化规律及河流的动态污染过程.综上,推荐在今后研究中综合使用两类优势互补的模型以实现对EEMs的深度解析. 相似文献
1