一种紫外-可见光谱法水质COD检测的预测模型研究

针对紫外-可见光谱法水质COD检测在线、实时性的测量要求,研究了一种基于主成分分析(PCA)联合粒子群优化极限学习机(PSO-ELM)预测模型,借以预测水质COD检测数据。通过采用PCA对水质COD检测的光谱数据进行降维处理,提取其特征信息,消除向量相关性并送入PSO-ELM模型中进行建模及预测。研究结果表明,基于PCA联合PSO-ELM进行紫外-可见光谱法水质COD检测的预测模型研究,不仅预测精度较单纯的ELM模型提高了近10倍,而且相对于PSO-ELM模型的预测效率(运行时间)提升了一个数量级,这为紫外-可见光谱法水质COD在线、实时性检测创造了条件。

紫外-可见光谱法水质COD检测技术研究——以大凌河水质检测为例

对于在水质的检测来说,水体中氯离子对COD测定的影响不容忽视。重铬酸钾具有强氧化性,能氧化大部分物质中的有机物。但它通常是用来确定水体COD大于30mg/L,和氯离子易受影响。因此,在高氯浓度废水中,通常采用氯离子对氯离子影响较小的碱性高锰酸钾法。在潮汐河口,通常采用酸性高锰酸钾法在上游和碱性高锰酸钾法下游。不同的检测方法导致水质评价不一致。文章选择大凌河的水质检测为案例,对紫外-可见光谱法水质COD检测技术进行了详细的研究。

紫外-可见光谱法水质COD检测技术分析

水质的COD 检测是当前水质污染情况分析的一个核心项目,当前已经开发出了多种方法完成检测任务。本来研究了紫外-可见光谱法在水质COD 检测中的使用方式,并探寻了该项技术的作用原理,剖析了当前这一技术使用过程中存在的缺陷和问题,并提出针对这些问题的解决方案,从而让水质COD 检测的精度大幅度提高,以更好的处理和降低相关区域的水体污染水平。

紫外-可见光光谱法测定COD几种典型算法研究

紫外-可见光谱法是当前检测水体中化学需氧量(COD)的重要方式之一,文中在介绍紫外-可见光谱法的基本原理的基础上,综述了偏最小二乘法、线性回归法、PB神经网络法等几种典型的算法的原理及其在紫外-可见光谱测定COD中应用现状,并浅析了各算法的优缺点。

一种紫外-可见光谱法检测水质COD的浊度影响实验研究

消除浊度影响是直接光谱法检测水质COD的关键技术问题。此源于紫外-可见光谱法检测水质参数的关键依赖于化学计量法所建立的准确的水质参数分析模型,而浊度是影响其建模的一个重要参数。为此,选取福尔马肼浊度液和邻苯二甲酸氢钾标准溶液,开展了紫外-可见吸收光谱法检测水质COD的浊度影响实验研究,获得了选定溶液在245,300,360和560nm几个特征波长点的吸光度随浊度变化的最小二乘法拟合曲线,分析了吸光度随浊度的变化规律。研究结果表明,在240~380nm的紫外光谱段,由于引起浊度的颗粒物对有机物产生了吸附,致使浊度对水样的紫外光谱影响较为复杂;在380~780nm的可见光谱区域,浊度对光谱的影响则是随着波长的增大而减弱。基于此,开展了多元散射校正法对受浊度影响的水样光谱进行校正试验。对某溪水水样的紫外-可见吸收光谱进行多元散射校正,通过处理前后光谱对比表明,浊度引起各个波长点的基线偏移都得到了有效的校正,而在紫外区域特征并未减弱。接着对选取的三种液体的紫外-可见吸收光谱进行多元散射校正,实验结果表明:该方法可在不影响水样紫外-可见吸收光谱特征的前提下对其吸收曲线进行有效的校正,这不仅提高了光谱法检测水质COD的信噪比,而且还为化学计量法建立准确、有效的水质检测COD分析模型进行数据预处理提供了一种新途径。

紫外-可见光谱水质COD检测的方法及技术探索

水是构成地球的重要元素,近些年,水污染的现象较为突出,对于其质的检测技术,尤为重要。其检测技术的跟进影响着能否更进一步的提高水质的保护及探究问题之所在。化学需氧量是水质检测中重要的参考标准,紫外-可见光谱水质COD检测的方法及技术进展,便是该文要讨论的要点问题。

一种紫外-可见光谱检测水质COD预测模型优化方法

针对紫外-可见光谱法检测水质COD预测模型的精度低和收敛速度慢等问题,研究了一种基于粒子群算法联合最小二乘支持向量机(PSO_LSSVM)的水质检测COD预测模型优化方法,并引入主元分析(PCA)算法对模型输入光谱数据进行降维预处理,借以提高模型的收敛速度.结果表明,利用粒子群(PSO)算法收敛速度快和全局优化能力,优化了最小二乘支持向量机(LSSVM)模型的惩罚因子和核函数参数,避免了人为选择参数的盲目性,克服了传统LSSVM预测模型的精度较低、稳健性较差等缺点.通过以收敛时间、预测平均相对误差(MRE)和均方根误差(RMSE)为评价标准进行评估,输入样本经过PCA降维预处理的PSO_LSSVM模型的预测能力和输入样本未经过降维预处理的LSSVM模型与PSO_LSSVM模型进行了比较分析,输入样本经过PCA降维预处理的PSO_LSSVM模型预测效果最优,且此算法使用C语言实现,易于移植,这为紫外-可见光谱水质COD在线、实时性检测奠定了基础.

基于紫外-可见光谱法的水质COD检测预测模型应用

本文针对紫外-可见光谱法水质COD在线、实时检测要求,提出了一种PCA和PSO-ELM预测模型,以此分析锦州市水质COD实时检测数据。在数据处理时,主要借助主成分分析法对锦州市某研究区水质COD检测光谱数据进行降维处理,然后通过特征信息的提取,利用粒子群优化极限学习机预测模型对水质情况进行合理预测。

主成分分析联合Fisher判别在紫外-可见光谱法水质检测中的应用

水质类型的判别是实现光谱法水质参数准确检测的重要前提.针对直接光谱法水质检测系统采集的光谱数据信息冗余较大的问题,利用主成分分析消除信息指标间的相关性,实现光谱数据的降维和特征信息提取。采集某化工厂和某溪水水样的紫外-可见光谱数据,利用主成分分析联合Fisher判别的方法建立判别模型,以12组水样光谱数据作为训练样本,6组作为测试样本,对模型的判别能力进行论证和检验,并与传统的Fisher判别模型进行对比实验。实验结果表明,利用主成分分析联合Fisher判别模型可以有效消除信息冗余带来的影响,相比传统的Fisher判别模型具有分类精度高、回代误判率为零、计算时间短等优点,计算时间由传统Fisher判别方法的0.6733 s减少到0.6012 s.该方法为直接光谱法水质类型判别工程实用化提供了一种高效手段。

基于紫外-可见光谱法的河流水环境污染实时监测研究

水环境污染监测过程中,无法展现每一种污染物的响应特征,使得实时监测结果的均方根误差较大。因此,提出基于紫外-可见光谱法的河流水环境污染实时监测方法。采用分段加权计算方法融合双光程数据,通过补偿光谱进行光谱信号浊度校正,结合多元分析法,构建河流水环境污染实时监测模型,在区间偏最小二乘法和遗传算法的共同作用下,推算具体的水环境污染指标参数。实验结果显示:应用所提方法对河流水环境中的有机污染物(TOC)、总磷(TP)和总悬浮物(TSM)进行实时监测,所得均方根误差分别为0.04、0.07、0.12,满足水环境污染监测要求。

水质COD检测用光谱法的水体环境浊度解算方法

针对紫外-可见光谱法水质COD检测中光谱的变化能够反映水体环境不同浊度这一情况,通过实验方法分析了福尔马肼浊度液对邻苯二甲酸氢钾标准液的紫外-可见吸收光谱影响,引入并改进了多元散射校正(multiplicative scatter correction,MSC)方法以消除光散射影响所导致的基线平移和偏移。研究结果表明,改进了的多元散射校正方法,不仅可以解算紫外-可见光水质COD检测时的水体环境之浊度,获得了有别于传统光谱法进行水体或水质浊度测量的技术及方法,而且还为水体环境中浊度测量提供了一种新途径。

紫外-可见光谱法测定高锰酸盐指数的研究

高锰酸盐指数(CODMn)是反映饮用水水源受到有机污染的一项重要指标,现行的国标测定法为滴定法。本文探索研究了紫外可见光谱法测定地表水中高锰酸盐指数的新方法。内容包括:测定波长的选择、H2SO4用量的影响、KMnO4浓度和用量的影响、加热温度和时间的影响、方法的线性关系以及与滴定法的对比试验。通过研究,得到方法的优化测定条件:测定波长为525nm,25%H2SO4的用量为5.00mL,0.01250mol·L-1 KMnO4标准使用液的用量为2.00mL,加热温度为100℃,加热时间为30min。方法用于了嘉陵江、长江水中高锰酸盐指数的实际分析,获得了满意的结果。研究结果表明与国标法相比,本法具有快速、易操作、灵敏度高、精密度好、试样量少,成本低、易实现水质在线监测等特点,是一种环境友好的监测分析新方法。

水质监测中光谱数据的压缩与重构算法研究

针对基于无线传感网络传输的紫外-可见光谱法水质监测光谱数据耗时耗能且传输过程存在丢失数据的关键技术问题,在传统小波变换编码的基础上,依据压缩感知框架下压缩感知之子空间追踪(subspace pursuit,SP)重构算法,将压缩感知理论应用于水质监测的光谱数据分析与处理,实现了对水质监测光谱数据的压缩与重构,提高了紫外-可见光谱法水质监测光谱数据传输过程中的抗干扰能力。实验研究结果表明,在满足测量中对水质监测精度要求的前提下,压缩比可达19.5%。同时,传输过程中可允许25%以内的丢包率,这对压缩感知算法解决水质监测光谱数据的存储和传输过程中数据量大、节点能量消耗以及传输过程中丢失数据等问题,具有一定的潜在应用价值。

基于LabVIEW和VC^(++)的水质检测光谱信号小波去噪方法

针对水质检测紫外-可见光原始吸收光谱中含有大量非平稳噪声的问题,该文研究了一种基于LabVIEW与C语言混合编程对水质检测吸收光谱进行改进阈值函数的小波阈值去噪处理方法。研究结果表明,通过引入VC++6.0,基于LabVIEW与C语言混合编程,不仅克服了LabVIEW和Matlab混合编程存在效率低、可移植性差、升级不便等缺点,而且采用db4小波基,使用C语言实现了小波阈值去噪处理。与QE65000科研级光谱仪采集数据进行对比,两者数据的互相关性和均方根误差均取得了满意效果,为实时、在线水质检测紫外-可见光吸收光谱的去噪处理提供了一种新的解决方案。

遗传算法优化小波阈值对水质光谱数据的去噪研究

针对紫外-可见光谱法水质检测系统易受到仪器本身和外界环境的噪声干扰,所测得的光谱数据存在大量系统和杂散光噪声的问题,在对紫外-可见光谱法水质检测系统的噪声源分析的基础上提出将遗传算法应用于小波阈值优化的去噪方法,并与小波软阈值、SG平滑和中值滤波方法进行了对比。为评价去噪效果,对同一浓度的邻苯二甲酸氢钾标液的紫外-可见光谱数据进行去噪实验。在采用遗传算法选取小波最优阈值对标液进行去噪处理的同时,还采用传统小波软阈值去噪、SG平滑和中值滤波去噪作为对比。为验证该算法的实际可行性,进一步用这四种方法对某地排水沟和某污水处理厂排水口的实际水样光谱进行去噪处理。实验结果表明:基于遗传算法的小波阈值去噪效果良好,相较于传统的小波软阈值去噪、SG平滑和中值滤波的方法,信噪比分别提高了2.2994、5.7066、2.6155 dB,均方根误差分别减小了0.0028、0.0087、0.0033,峰值信噪比分别提高了2.0837、5.2569、2.7375 dB。基于遗传算法的小波阈值去噪算法不仅抑制了光谱数据中的噪声,同时也提高了系统精度,为紫外-可见光谱法水质光谱去噪处理提供了一种新的解决办法。

光谱法非接触COD／DOC水质在线监测方法及装置

本发明公开了一种光谱法非接触C0D／D0C水质在线监测方法及装置，光路中依次设有低压汞灯光源，调制盘，紫外滤光片和可见滤光片，分束片、光电倍增管。利用光束穿过自由落体水流，测量穿过水流后可见光和紫外光的吸光度，并通过可见光和紫外光吸光度的差值反演出水中C0D的值。实现非接触光谱法测量水体中C0D／D0C值。无需水样预处理、无需化学试剂消耗、无需经常清洗、从而成为真正的水质COD／DOC在线监测仪器。（申请号200510038331公开号1683921）