摘要
本研究探讨了在基于特征的机器学习方法中，拉曼峰特征如何影响拉曼光谱法中污染物浓度测量的准确性。研究采用了基于拉曼峰特征的方法，对实验室拉曼仪器获取的无机阴离子混合物数据进行分析，旨在为低分辨率拉曼仪器找到合适的处理策略。研究使用了不同浓度溶解在水中的硝酸盐、亚硝酸盐和硫酸盐数据集，构建预处理流程，训练并验证模型，同时利用从分析物特定光谱特征区域提取的峰值和面积特征进行线性回归分析。通过信号下采样来模拟较低的光谱分辨率，进而评估在峰形展宽条件下的特征稳定性。研究结果表明，对于硝酸盐和硫酸盐，基于峰值的回归方法对降低的峰分辨率更为敏感，而基于面积的回归方法在各种下采样比例下都能保持更稳定的预测误差。相反，对于亚硝酸盐，基于峰值的回归方法受下采样影响的程度较小，而基于面积的回归方法则性能下降。基于面积的回归方法在硝酸盐浓度高于3833 mg/L时平均绝对百分比误差低于7%，高于1916 mg/L时为16%；对于硫酸盐浓度高于1916 mg/L时，该方法的平均绝对百分比误差通常也低于16%。而针对亚硝酸盐，基于峰值的回归方法得到的误差均在4%以内。
