基于水樣識別的光譜COD測量技術(shù)與實驗研究.pdf

1、化學(xué)需氧量(Chemical Oxygen Demand，COD)是水質(zhì)監(jiān)測中的一項重要的指標(biāo)，表征水體中需要被氧化的還原性物質(zhì)的量。COD常用的檢測方法有化學(xué)法和物理法?；瘜W(xué)法具有檢測精度高的優(yōu)點，但是測量過程需要試劑，容易造成二次污染且檢測速度較慢。而物理法即光學(xué)方法具有測量速度快、操作簡單、免試劑、易于小型化等特點;但物理法是化學(xué)指標(biāo)的間接測量方法，其適用性和準(zhǔn)確度較低。本文提出并開展了基于水樣識別的光譜COD測量技術(shù)與研究實驗。

2、通過分析和研究，確定了一種水樣類型動態(tài)識別→“吸光度（Auv）-COD”算法模型自動選擇→COD計算的解決方案，旨在提高紫外-可見光譜COD測量法的適用性和準(zhǔn)確度。本文主要完成的工作和成果包括:
　　1.分析了常用的機(jī)器學(xué)習(xí)方法在光譜識別中的應(yīng)用，主要包括支持向量機(jī)(SVM)、人工神經(jīng)網(wǎng)絡(luò)（ANN）、分型理論等。根據(jù)儀器的硬件資源等選擇采用BP神經(jīng)網(wǎng)絡(luò)算法。根據(jù)COD測量中UV-Vis吸收光譜的特征，選用5個形貌特征參數(shù)作為水樣類

3、型識別模型的輸入?yún)?shù)。
　　2.研究了COD測量過程中，吸光度在時間域上具有漸變和相關(guān)性，利用該特性引入了歷史數(shù)據(jù)隊列、歷史識別因子概念，并引入反映該特性的第二級人工神經(jīng)網(wǎng)絡(luò)，構(gòu)成級聯(lián)神經(jīng)網(wǎng)絡(luò)的模式識別結(jié)構(gòu)。
　　3.基于上述水樣類型識別方法，設(shè)計算法程序和COD測量儀應(yīng)用軟件。軟件包含圖形化用戶界面(GUI)、數(shù)據(jù)存儲、人工神經(jīng)網(wǎng)絡(luò)(ANN)、COD計算腳本等多個功能模塊;經(jīng)過實際測試，實現(xiàn)了光譜法COD測量儀的預(yù)期功能。

4、
　　4.運(yùn)用多種實際水樣，驗證水樣類型識別的準(zhǔn)確度的測量。實驗表明，水樣識別算法具有較好的識別準(zhǔn)確度，引入的級聯(lián)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)也能夠在單級神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上進(jìn)行進(jìn)一步的優(yōu)化，提高識別準(zhǔn)確率。
　　5.利用實際水樣和鄰苯二甲酸氫鉀配置的COD標(biāo)準(zhǔn)溶液對COD測量儀進(jìn)行測量精度的測試。實驗表明，與常規(guī)的光譜COD測量方法相比，對待測樣本進(jìn)行水樣類型識別，然后調(diào)用相應(yīng)的“吸光度(Auv)-COD”算法模型，能夠獲得較好的效果。該方法