一种基于自适应EEM与ACNN-MS的水污染源解析方法

本发明属于环境监测技术领域，特别是涉及一种基于自适应三维荧光光谱(3D‑EEM)解析与多尺度卷积神经网络(ACNN‑MS)的水体污染源识别方法。具体的，本发明提出了一种结合自适应三维荧光光谱解析技术和多尺度卷积神经网络(MS‑CNN)的方法，通过改进的高灵敏度三维荧光光谱仪获取3D‑EEM数据，模型构建中引入残差连接避免梯度消失问题，并利用新的自适应波长选择算法(AWSSA)筛选最具代表性的波长区间进行高精度演算，以克服传统光谱及算法检出限高，精度低，需要“开黑箱”，溯源定位难的缺陷。本发明能够高效地定位污染源并提供预警信息，显著提高了水体污染事件的快速响应能力。