首页 > 论文范文 > 自然科学论文 > 数学论文 > 应用数学论文 > 基于辨识问题进行物质浓度与颜色读数研究

基于辨识问题进行物质浓度与颜色读数研究

2020-05-28 550 上传者：管理员

摘要：比色法是目前常用的一种检测物质浓度的方法,是一种将待测物质制备成溶液后滴在特定的白色试纸上,使其充分反应,再把颜色试纸与一个标准比色卡进行比对的一种方法。随着照相技术和颜色分辨技术的提高,我们希望找到某种方法,这种方法既可以消除个人对颜色的敏感差异和观测误差,又可以确定颜色读数和待测物质浓度的关系,利用颜色读数对物质浓度进行检测。文章根据观测二氧化硫在水中的浓度和照相技术的颜色RGB读数进行了相关性分析,建立了二氧化硫溶液浓度与颜色读数RGB的多元线性回归模型,使用MATLAB软件对该模型进行了求解,然后对该模型进行了残差分析,以便判断模型的优劣。

关键词：
多元回归
应用数学
残差分析
比色法
误差分析
加入收藏

根据实测数据建立数学模型，并对模型进行评价。我们以物质浓度为因变量，以B,G,R,H,S为自变量，运用多元回归的思想建立函数表达式，运用MATLAB软件进行求解，并求出各个系数，进而得到函数关系式，即只要输入颜色读数，就能得到对应的二氧化硫的浓度值。虽然求出了颜色读数与浓度的表达式，但该式并不能表示实际所对应的函数值（二氧化硫浓度）存在一定的误差。如当我们将二氧化硫浓度为20ppm时的颜色读数带入函数表达式时所求出来的浓度值并不等于20ppm。这里我们不妨将实际浓度与所得浓度作差比较得到偏差加以平方得到残差值和进而得出该模型的优劣。

1、模型的建立与求解

1.1模型建立

设随机变量y与普通自变量B,G,R,H,S满足线性关系:

其中b0,b1,b2,b3,b4,b5，是待定系数，ε是随机误差。

其中，ε1，ε2,L，εn……相互独立且服从同一正态分布。

组的解就是待定系数b0,b1,b2,b3,b4,b5的最小二乘估计值，即

1.2模型求解

我们运用MATLAB进行辅助运算，运算过程及运算结果，得出b赞0,b赞1,b赞2,b赞3,b赞4,b赞5。于是y赞=5028.8+0.4R-7.2B-14.5S-14.6H，但这个模型与原数据真实模型还有一定的误差，从表1中我们可以看出相关系数r2=0.891，查阅资料发现r2越接近于1，函数模型对于原数据的拟合程度越好。可以认为，该模型对原数据的符合程度为89.1%。

利用模型原理，建立两个新的模型。这两个新模型对于原模型来说，一个是在数据量上进行减少，一个在颜色维度上进行减少。

表1数据对模型的影响

表2二氧化硫浓度

1）数据量对模型的影响:利用建立的函数模型，在数据的选择上我们设置一个限制，就是减少每组二氧化碳浓度所对应的颜色读数，利用公式:

004建立数据量减少时物质浓度与颜色读数的多元回归模型。

2）颜色维度对于函数模型的的影响:在数据选择上决定删去色调H，建立一个与之前相比少一维的函数回归模型即:

005，运用MATLAB进行运算，来讨论数据量对模型的影响。从表1中我们发现:

r2的值与之前相比更接近于1，而F检验、残差均方RMSE也都比原模型数据要好。所以当减少数据量的时候，并不会对原模型造成影响。当对颜色维度进行减少时，r2的值与之前模型相比更接近于1，残差均方RMSE也比颜色维度减少前要小。所以我们得出结论:当颜色维度减少时，并不会影响原模型。

2、模型的检验

我们将二氧化硫浓度与颜色读数模型进行检验，检验其是否符合实际情况；随机挑选几组数据带入到我们求解出来的函数模型，运用Excel，计算实际二氧化硫浓度Y与计算出来的二氧化硫浓度Y（见表2）。

3、模型评价与推广

3.1模型评价