本发明属于环境污染物识别，具体涉及一种基于光谱融合的环境污染物识别方法。
背景技术：
1、在环境监测领域中，通常使用光谱分析仪器采集待测环境的光谱来分析识别是否存在污染物，不仅能提供较为精确和实时的检测，也可以避免污染物对操作人员的伤害。
2、相关技术中对于多个光谱分析仪器得到的光谱数据进行融合时，通常将原始数据经过预处理后直接拼接在一起得到融合数据，再对融合数据进行识别。但是对于不同的光谱分析仪器得到的光谱数据的数据类型、量纲、数据值均有所不同，容易导致融合失败，从而导致难以准确识别出环境污染物。
技术实现思路
1、本发明的目的是提出一种基于光谱融合的环境污染物识别方法，解决现有技术中原始数据经过预处理后直接拼接在一起得到融合数据，再对融合数据进行识别，容易导致融合失败，从而导致难以准确识别出环境污染物的问题。
2、为此，本发明提供一种基于光谱融合的环境污染物识别方法，包括：
3、s1、通过光谱分析仪器对环境进行扫描，获取光谱原始数据；
4、s2、对所述光谱原始数据进行预处理，得到预处理光谱数据；
5、s3、对所述预处理光谱数据进行特征提取，得到光谱特征数据；
6、s4、对所述光谱特征数据进行融合，得到光谱融合数据；
7、s5、根据所述光谱融合数据构建环境污染物识别模型；
8、s6、使用所述环境污染物识别模型在实际环境监测中对环境污染物进行识别和分析。
9、优选的，s1中使用多个不同的光谱分析仪器对环境进行扫描。
10、优选的，所述光谱分析仪器为可见分光光度计、紫外分光光度计、荧光分光光度计、原子吸收光谱仪、原子荧光光谱仪、红外光谱仪、近红外光谱仪、x射线荧光光谱仪、光电光谱仪、激光拉曼光谱仪、等离子体发射光谱仪、光栅光谱仪、光纤光谱仪中的一种或多种的组合。
11、优选的，s2中所述预处理的步骤包括对光谱原始数据进行清洗、去噪和标准化。
12、优选的，s3中所述特征提取的步骤为通过线性判别分析算法将不同维度的预处理光谱数据进行降维。
13、优选的，所述线性判别分析算法的步骤包括计算类内散度矩阵sw和类间散度矩阵sb，使用类内散度矩阵sw和类间散度矩阵sb构造优化函数j(w)。
14、优选的，优化函数j(w)为
15、
16、其中，sb是类间散度矩阵，计算每个类别中心点到总体均值的向量与该向量的转置的加权和；sw是类内散度矩阵，计算每个类别内部样本点的方差；wi是特征向量；d是特征向量的最大数量。
17、优选的，s4中所述融合的步骤为将光谱特征数据拼接在一起。
18、优选的，s5中所述构建环境污染物识别模型包括搭建rnn循环神经网络，使用光谱融合数据在rnn循环神经网络中进行训练，得到环境污染物识别模型。
19、优选的，所述光谱融合数据分为训练集和验证集，使用训练集在rnn循环神经网络内进行对环境污染物识别模型进行训练，使用验证集对训练结果进行验证评估模型的性能。
20、有益效果：
21、1.本发明提供了一种基于光谱融合的环境污染物识别方法，先对不同来源的原始光谱数据经过预处理后，先进行特征提取，然后再进行特征融合，使用特征融合后的融合数据构建环境污染物识别模型，特征提取后剔除了无关变量，降低了原始光谱数据中的噪声数据带来的影响，提升了对环境污染物识别的准确性。
22、2.本发明中在特征提取采用线性判别分析算法进行特征提取，线性判别分析算法不止可以有效对预处理光谱数据进行降维，起到简化计算的作用，同时使预处理光谱数据进行降维后仍然保持类别输出，有助于环境污染物识别模型对其进行进一步分类识别。
1.一种基于光谱融合的环境污染物识别方法，其特征在于，包括：
2.根据权利要求1所述的一种基于光谱融合的环境污染物识别方法，其特征在于，s1中使用多个不同的光谱分析仪器对环境进行扫描。
3.根据权利要求2所述的一种基于光谱融合的环境污染物识别方法，其特征在于，所述光谱分析仪器为可见分光光度计、紫外分光光度计、荧光分光光度计、原子吸收光谱仪、原子荧光光谱仪、红外光谱仪、近红外光谱仪、x射线荧光光谱仪、光电光谱仪、激光拉曼光谱仪、等离子体发射光谱仪、光栅光谱仪、光纤光谱仪中的一种或多种的组合。
4.根据权利要求1所述的一种基于光谱融合的环境污染物识别方法，其特征在于，s2中所述预处理的步骤包括对光谱原始数据进行清洗、去噪和标准化。
5.根据权利要求1所述的一种基于光谱融合的环境污染物识别方法，其特征在于，s3中所述特征提取的步骤为通过线性判别分析算法将不同维度的预处理光谱数据进行降维。
6.根据权利要求5所述的一种基于光谱融合的环境污染物识别方法，其特征在于，所述线性判别分析算法的步骤包括计算类内散度矩阵sw和类间散度矩阵sb，使用类内散度矩阵sw和类间散度矩阵sb构造优化函数j(w)。
7.根据权利要求6所述的一种基于光谱融合的环境污染物识别方法，其特征在于，优化函数j(w)为
8.根据权利要求7所述的一种基于光谱融合的环境污染物识别方法，其特征在于，s4中所述融合的步骤为将光谱特征数据拼接在一起。
9.根据权利要求8所述的一种基于光谱融合的环境污染物识别方法，其特征在于，s5中所述构建环境污染物识别模型包括搭建rnn循环神经网络，使用光谱融合数据在rnn循环神经网络中进行训练，得到环境污染物识别模型。
10.根据权利要求9所述的一种基于光谱融合的环境污染物识别方法，其特征在于，所述光谱融合数据分为训练集和验证集，使用训练集在rnn循环神经网络内进行对环境污染物识别模型进行训练，使用验证集对训练结果进行验证评估模型的性能。
