基于粒子群优化算法-支持向量回归算法的氨氮传感器温度补偿

针对野外低温环境下,基于铵离子选择性电极的氨氮传感器检测失准问题,通过分析传感器检测原理,在0~30℃进行了水质标样氨氮检测对比实验,探究了温度变化对氨氮传感器输出结果的影响;将粒子群优化算法(particle swarm optimization,PSO)与支持向量回归(support vector regression,SVR)结合,建立了氨氮检测的PSO-SVR温度补偿模型,并与最小二乘多项式回归、传统SVR建立的温度补偿模型对比,PSO-SVR温度补偿模型具有较高的决定系数和较小均方根误差(root mean square error,RMSE)。在实际水样检测实验中,经过该模型补偿后氨氮传感器的输出值与实验室内根据《水质氨氮测定》(HJ 535—2009)测得的氨氮标准值之间最高偏差为4.76%,最低偏差为0.64%,偏差范围符合预期补偿目标,表明模型具有较高的温度补偿精度,对非训练数据具有良好的泛化能力,能够满足实际使用的精度要求。

紫外光谱法检测COD时波长和低温影响的探究

COD代表了水体受还原性物质污染的程度。相对于采用传统方法检测COD,存在检测时间长且操作复杂等缺点,紫外光谱法以其检测速度快,无需使用化学试剂等特点成为了主流的检测方法。基于朗伯-比尔定律,以邻苯二甲酸氢钾粉末配置的COD标准溶液为研究对象,针对低温环境下利用紫外光谱法检测COD精度的问题,分别对COD的最佳检测波长和温度对COD检测值的影响进行研究。同时选择长春市某地区地表水为研究对象,验证COD最佳检测波长在实际水样中的适用性及温度补偿模型的准确度。在研究检测波长对COD检测值的影响时,选用256, 266, 276, 286和296 nm共5个波长对样本进行回归分析,它们的吸光度分别为A256,A266,A276,A286,A296,将吸光度A与COD标准溶液浓度值进行线性回归,通过拟合结果得出:276, 286和296 nm处模型具有代表性,且在286 nm处拟合效果最好, 296 nm次之,最后为276 nm,其中286 nm处相关系数r为0.994 6,决定系数R2为0.989 4,波长为296 nm处和方差SSE=0.011 4,预测均方根误差RMSE=0.037 7,但其决定系数R2较低,可见在286 nm处COD检测值与吸光度具有最高的相关性,又探究了标准温度(20℃)下8 mg·L^-1的COD实际水样和标准水样的光谱吸收情况,得出286 nm同样适用于实际水样的检测,可见286 nm处为最佳检测波长。在研究温度对COD检测值的影响时,采集不同温度下COD实际水样与标准水样的紫外吸收光谱,经过分析得出:COD实际水样中紫外光谱吸收度会随温度升高而增大。为了减弱在COD测量中温度的影响,根据最小二乘原则,建立温度补偿模型。利用实际水样验证温度补偿模型的准确度,同时进行误差分析,分析结果表明:COD的实际值与补偿后值的最大相对误差为6.38%,最小相对误差为0.63%,且多数相对误差集中在4%,由此可见, COD温度补偿模型补偿精度高,效果良好。结果表明:COD检测选取的最佳波长及温度补偿模型可有效的提高COD低温检测精度。

COD光谱法检测中的波长优化及温度补偿实验研究

针对低温环境下化学需氧量(COD)的检测问题,分别研究COD的最佳检测波长的选取方法以及低温对COD的影响。采用邻苯二甲酸氢钾粉末配制的COD标准液,建立一元线性回归模型。结果表明:COD在286nm、276nm、266nm处吸收效果最好,波长286nm的回归模型相关系数为0.9894,决定系数为0.9789,所以286nm处为最佳检测波长,相关性最高,误差最小;研究0~30℃下不同浓度的COD紫外吸光度的变化规律,得出温度的升高会导致标准液的紫外光谱吸光度增大。为了消除温度对COD测量的影响,利用最小二乘法,建立了温度补偿模型。并对模型精度和模型的补偿精度进行验证,验证结果在误差范围内,效果良好。