수질 오염 감시 및 정밀 관리 요구가 증가함에 따라 수중 유기 오염 물질에 대한 빠르고 정확한 검출 및 식별이 긴급히 필요하다. 3차원 형광 분광 기술은 오염 물질에 대한 풍부한 분광 정보를 제공할 수 있으며, 현재 수체 오염 물질 식별 및 근원 추적 연구의 핵심이 되고 있다. 현재 방법들은 주로 딥러닝 기반의 분광 데이터 분석에 집중되어 있어, 많은 분광 데이터가 필요하며 현장 적용이 어렵다. 본 논문은 3차원 형광 분광 데이터(3D-EEM)를 활용하여 2차원 가보르 웨이브렛과 서포트 벡터 머신(SVM)을 결합한 수체 다중 분류 식별 및 구성 성분 정밀 적합 방법을 제안한다. 이를 통해 3차원 형광 분광의 텍스처 특성과 스펙트럼 피크 위치를 효과적으로 추출하여 수질 샘플 구성 성분 분석 효율을 향상시켰다. 본 방법은 공백 제거법과 델로네 삼각형 보간법을 사용해 분광 데이터의 배경 노이즈 및 산란 간섭을 줄였으며, 확장된 사비츠키-골레이 평활법으로 분광 변동 간섭을 억제했다. 이후 2차원 가보르 웨이브렛과 형광 피크 위치 추출법을 이용해 3D-EEM 데이터의 텍스처 특성과 3차원 형광 피크 위치의 전역 정보를 추출하였다. 마지막으로 MSVC 및 CF_MSVR을 기반으로 EEM_MSVM 모델을 구축하여 다양한 수체에 대해 높은 정확도의 분류 식별과 구성 예측을 실현하였다. 실제 수질 샘플 실험 결과, 수질 종류 분류 정확도가 97.6%에 달했으며, 구성 요소 예측의 평균 제곱근 오차 손실은 5.3, 상관 계수는 0.94로 전형적인 수체에 대한 정확한 분류 및 구성 성분 분석을 효과적으로 달성하였다.

3차원 형광 분광;형광 구성 요소 지도;수체 식별;근원 추적