基于紫外-可见光谱分析的水质监测技术研究进展

光谱分析在水质监测领域的应用是现代环境监测技术的一个重要发展方向.文章论述了基于紫外-可见光谱分析的现代水质临测技术的原理与特点,并从在线监测和原位监测两个方面论述了该技术的主要研究现状与进展,指出了尚需突破的关键技术问题,展望了基于集成化微型光谱仪的多参数水质监测微系统及水质监测微系统网络的技术发展趋势,对我国水资源环境监测技术的发展及现代科学仪器的研发具有一定的参考价值.     

基于紫外-可见光光谱的水质分析方法研究进展与应用

相对于传统水质分析方法,紫外-可见光(ultraviolet-visible,UV-Vis)光谱法具有检测速度快、维护成本低、无二次污染等优点,目前已被广泛应用于水质在线监测各个领域。介绍了UV-Vis光谱法的检测原理,论述了基于UV-Vis光谱的常规水质分析方法研究现状,以及UV-Vis光谱法与其他水质检测方法相融合以提高水质检测性能方面的研究进展,探讨了UV-Vis光谱分析在水质多参数在线监测、水质分类、水质报警等方面的应用现状及其发展趋势。     

基于连续光谱分析的在线水质检测信号处理研究

在线光谱水质检测仪器是现代水资源环境监测技术的重要发展方向之一,具有多参数监测和准确度高、重复性好的技术优势,然在线被测水样的光谱信号处理是其关键核心技术,为此,基于连续光谱分析,建立了在线被测水样光谱测量信号的数学模型,提出了基于双波长光强比值不变性的光谱测量信号系统误差处理方法,并结合小波多分辨率滤波噪声处理技术,系统研究了基于在线被测水质参数光谱特征的背景干扰处理方法。以上信号处理方法应用于自主研制的多参数光谱水质监测仪器,在线检测标准环境水样及实际环境水样中的化学需氧量、六价铬和阴离子表面活性剂等水质参数,并与国家标准分析方法展开了现场对比测试,仪器的关键参数重复性(相对标准偏差RSD≤10%)与准确度(实际水样比对试验相对误差A≤10%)均达到并优于国家环境保护技术标准要求,表明该信号处理方法能够有效消除在线水质检测光谱测量信号的系统误差及噪声与背景干扰,对于提升光谱水质监测仪器的技术性能具有重要的作用。     

基于光谱分析的紫外水质检测技术

提供了一种基于紫外可见光谱的水质检测系统,各水样吸光度与COD线性拟合R2均大于0.99,单次测量在1s内。同时提出了光谱直接对比和归一化分析方法以及对应的指标参数。通过对大量的邻苯二甲酸氢钾标准溶液和实际水样的实验验证,采用这些光谱分析方法可将水样进行归类,从数据库中寻找适合待测水体的数学模型,进而提高紫外水质检测技术的泛化能力,同时还能得到其他水质指数。     

基于紫外-可见光谱与深度学习CNN算法的水质COD预测模型研究（英文）

水是生命之源,作为人类生活的必需品,水质的优劣直接关系到人们的健康生活。目前,关于水质COD在线检测方法的研究主要集中在光谱数据预处理和光谱特征提取,而针对光谱数据建模方法的研究较少。卷积神经网络(CNN)作为目前深度学习领域应用最广泛的网络模型,具有强大的特征提取和特征映射能力,本文将CNN与紫外-可见光谱分析法相结合,建立了基于CNN的水质COD紫外-可见光谱预测模型。模型使用Savitzky-Golay平滑滤波方法去除光谱噪声,光谱输入卷积层提取光谱数据特征、池化层降维、全连接层映射全局特征,通过ReLU和Adam优化方法,从而得到模型的预测值。通过实验发现, CNN模型具有较强的水质COD预测能力,具有较高的预测精度和回归拟合优度,通过与BP, PCA-BP, PLSR和RF等模型比较后发现, CNN模型的预测样本的RMSEP和MAE最小,R~2最大,模型拟合效果最优。在与训练样本的模型效果评价对比后发现,模型具有较强的泛化能力。针对吸收光谱的波峰偏移对预测结果所造成的预测结果不准确的问题,作者还提出了一种基于CNN的分类回归模型卷积神经网络增强模型(CNNs),去噪后的光谱数据通过CNN分类模型按照吸收波峰的不同特征分为三类,分别输入对应CNN回归模型进行预测。实验结果表明,分段式CNNs模型比整体式CNN模型的拟合效果更好,预测精度更高,R~2达到0.999 1,测试样本的MAE和RMSEP分别为2.314 3和3.874 5,比CNN分别下降了25.9%和21.33%,效果显著。通过对预测模型的性能测试,计算得出检出限为0.28mg·L~(-1),测量范围为2.8～500mg·L~(-1)。本文创新的将卷积神经网络与光谱分析方法相结合,为光谱分析方法在水质COD吸收光谱建模的应用开拓了新思路。     

浊度干扰下硝酸盐浓度紫外导数光谱检测方法研究

硝酸盐是水中“三氮”（硝酸盐氮、氨氮、总氮）之一，是反映水体受污染程度的一项重要指标。传统 “现场采样-离线分析” 的硝酸盐化学检测方法操作繁琐、耗时长，难以满足现代水环境实时在线检测需求。由于硝酸根在紫外区具有很强的紫外吸收特性，并且紫外吸收光谱法具有简便快速、可实现实时在线监测等特点，近年来被广泛用于硝酸盐浓度的测量。但使用紫外吸收光谱法检测水体硝酸盐含量时，容易受到水体浊度影响，造成谱线非线性抬升，导致测量误差。目前对浊度补偿算法的研究大都用于水中COD含量的检测，对硝酸盐检测中浊度干扰去除研究较少。为此提出一种基于一阶导数紫外吸收光谱的硝酸盐浓度测量方法，该方法可以减小浊度干扰，从而提高紫外光谱快速检测硝酸盐含量的准确度。通过测量福尔马肼与硝酸钠标准溶液和它们混合溶液在190~300 nm波段的紫外吸收光谱并做一阶导数光谱处理，处理后的光谱采用Savitzky-Golay滤波进行去噪平滑处理，比较浊度与硝酸盐紫外吸收一阶导数光谱特征，分波段研究浊度对硝酸盐紫外一阶导数光谱影响，结果表明硝酸盐导数光谱在220~230 nm波段受浊度影响小；选取220~230 nm波段作为光谱分析区间，以30种不同浓度混合的福尔马肼与硝酸钠溶液作为训练样本，利用偏最小二乘算法建立硝酸盐定量分析模型，使用该建模模型预测剩下的6种不同浓度福尔马肼与硝酸钠混合溶液中硝酸盐的浓度，结果表明福尔马肼干扰下硝酸盐测量结果的预测决定系数（correlation coefficient，R2）为0.994 3，预测均方根误差（root mean square error of prediction，RMSEP）为0.346 9 mg·L-1。为进一步验证该方法的准确性与稳定性，使用该建模模型预测高岭土与硝酸钾配制的混合水样中硝酸盐的浓度，结果表明该方法对高岭土干扰下硝酸盐测量结果的预测决定系数r2为0.991 5，预测均方根误差RMSEP为0.362 8 mg·L-1。综上所述，提出的硝酸盐浓度紫外导数光谱检测方法，采用220~230 nm波段的紫外导数光谱数据，结合PLS建模，可以快速准确测量在浊度干扰下水体硝酸盐的浓度，为发展实际水体硝酸盐在线监测技术与设备提供方法基础。     

基于全光谱分析的水质化学耗氧量在线监测技术

针对水体中化学需氧量在线监测的迫切需求,设计了一种基于全光谱分析的水质化学耗氧量监测系统.该系统通过测量已知化学耗氧量的水质吸收光谱,利用最小二乘法建立吸光度与化学耗氧量的传输方程;针对待测水样,通过已建立的传输方程来反演水体化学耗氧量的浓度.通过模拟复杂水样进行化学耗氧量值测量,并将测量值与实验室结果进行比较,验证了该系统的可靠性.结果表明,该全光谱法水质监测系统不需要消耗任何试剂,无二次污染,测量准确度高、速度快,可广泛应用于水质化学耗氧量的实时、现场监测分析.     

基于全光谱分析的水质化学耗氧量在线监测技术

针对水体中化学需氧量在线监测的迫切需求,设计了一种基于全光谱分析的水质化学耗氧量监测系统.该系统通过测量已知化学耗氧量的水质吸收光谱,利用最小二乘法建立吸光度与化学耗氧量的传输方程;针对待测水样,通过已建立的传输方程来反演水体化学耗氧量的浓度.通过模拟复杂水样进行化学耗氧量值测量,并将测量值与实验室结果进行比较,验证了该系统的可靠性.结果表明,该全光谱法水质监测系统不需要消耗任何试剂,无二次污染,测量准确度高、速度快,可广泛应用于水质化学耗氧量的实时、现场监测分析.     

基于PCA的水质紫外吸收光谱分析模型研究

利用紫外光谱分析水中有机污染物已成为水质实时在线监测的重要方法之一,水样组分复杂且不稳定是影响其测量结果的主要因素。利用主成分分析法(PCA)结合欧氏距离分析水样紫外吸收光谱,对水样分类,效果良好。分别用主成分分析结合偏最小二乘法回归(PCA-PLSR)和直接利用多波长吸光度结合偏最小二乘法回归(MWA-PLSR)建立分析模型,并对比分析了不同浓度的COD标准液的实验数据。结果表明,采用第一、二主成分作为回归参数的PLSR模型的测量误差在5%以内,偏差最小。利用本文方法可同时实现水样分类和水质参数的精确定量。     

远程地下水COD在线检测仪设计

目前，我国在地下水水质检测领域,以人工现场采样、实验室仪器分析为主要方式，存在采样误差大、检测周期长、操作繁杂、不能及时反映水体受污染变化状况等缺陷,难以满足水质环境监测发展的需求。鉴于此,设计了一种基于紫外-分光光度法自动抽取水样及清洗的远程在线地下水水质COD(化学需氧量)检测仪。该仪器主要由远程终端、远程数据接收发送模块、水质COD检测模块和水样抽取清洗模块四部分组成。远程终端发送信号,由远程数据接收发送模块接收后，控制水质COD检测模块和水样抽取清洗模块动作,检测后的数据经处理后再由远程数据接收发送模块发回至远程终端。实验结果表明,该仪器可实现远程控制且检测时长可在20min内完成,能有效的检测地下水水质COD浓度,分辨率达到1mg·L-1，具有良好的灵敏度,准确性和重复性,适用于绝大多数浊度较低的地下水在线监测。