分散式农村污水基于三维荧光光谱和紫外-可见全波段吸收光谱的“聚类-回归”COD预测模型

基于三维荧光光谱与有机物特征荧光峰之间的关系,提出利用三维荧光光谱进行聚类,再针对不同类的水样利用紫外-可见全波段吸收光谱数据建立COD预测模型的技术路线。比较分析了平行因子分析（PARAFAC）算法和荧光体积积分（FRI）算法两种不同的光谱分析方法,再使用模糊c-均值（FCM）算法进行聚类,并完成了不同类水样的COD预测模型的建立。研究的水样采集于江苏省常熟市周边的农村区域,样品均来自不同的分散式农村生活污水处理装置出水,共100个实验水样;将测得的水样三维荧光光谱数据经过去散射预处理后利用PARAFAC算法和FRI算法分别提取荧光特征数据;之后,利用FCM聚类算法进行相似性聚类;最后,利用偏最小二乘（PLS）算法建立水样的紫外-可见全波段吸收光谱和COD之间的回归和预测模型,并使用决定系数和均方根误差对模型的预测精度进行评价。研究结果表明：未分类、使用FRI、使用PARAFAC算法提取荧光特征信息后再预测的模型的平均决定系数R2分别为0.632,0.819和0.906;平均均方根误差RMSE分别为27.857,23.621和13.071。聚类后的回归和预测精度均得到显著提升,且使用PARAFAC算法提取荧光特征信息后再建模具有最高的预测精度,相比于未分类预测模型的R2提高了0.274。本研究提出的基于三维荧光光谱联合紫外可见全波段吸收光谱,采用“PARAFAC-FCM-PLS”组合算法构建的COD预测模型,可以有效的提高COD的预测精度,为高精度的水质在线监测提供了一种新的思路。