基于激光诱导击穿光谱和化学计量学的水体COD实时测量方法

光谱学传感技术测量水体COD是现代环境监测发展的趋势,相比于传统的化学分析方法具有在线连续检测的突出优势,适合对环境水体COD的实时监测。采集实际水样,利用激光诱导击穿光谱技术(LIBS)获取水样的光谱数据。通过不同的光谱预处理方法结合偏最小二乘法建立水样的COD定量预测模型,对水体COD的LIBS光谱测量方法的定量预测及相关模型参数进行分析。发现用基线校正叠加S-G求导预处理后的光谱建立的PLS模型得到最佳预测效果,校正集集R2为0.9958,预测集R2为0.975 3,RMSEC为4.438 7,RMSEP为9.733 9。通过实验结果分析表明光谱传感技术可用于环境实际水体COD的定量预测分析,为开发便携式水体检测设备奠定了理论基础。     

基于高光谱数据的地表水化学需氧量反演

化学需氧量(COD)是地表水质量评价的重要指标。传统的COD检测方法存在需使用有毒试剂、易造成二次污染等缺点,高光谱法可避免上述缺点,在COD检测方面有着广阔的应用前景。为了探索在室内利用高光谱技术反演地表水COD浓度的可行性方法,以吉林省内流域的129个地表水样本为研究对象,将样本集以3∶1划分为训练集和测试集,使用高光谱成像系统收集样本的DN值并计算相应的水体光谱反射率,采用导数法进行数据预处理,通过Pearson相关性分析判断光谱数据与COD浓度实测值间的相关程度并提取特征谱数据。利用全谱数据和特征谱数据分别建立基于粒子群算法优化的最小二乘支持向量机(PSO-LSSVM)反演模型,通过决定系数R²、均方差RMSE和相对偏差RPD分析比较这几种模型的预测精度和可靠性。研究结果表明：经过导数法预处理后,地表水COD浓度与光谱反射率的相关性明显增强;利用导数光谱数据建模的预测结果优于用原始光谱数据建模的预测结果;提取特征谱数据所建立的模型比利用全谱数据建立的模型有更好的预测效果。其中采用一阶导数预处理方法并利用特征谱建立的地表水COD浓度反演模型预测结果最好,验证...     

共线DP-LIBS定量分析水中Cu含量的试验研究

为研究双脉冲激光诱导击穿光谱(DP-LIBS)对水体中铜(Cu)元素检测灵敏度的影响,采用共线双脉冲LIBS检测装置对所配置的含Cu水溶液进行激光诱导击穿光谱试验。结果显示：与运用单脉冲激光诱导击穿光谱(SP-LIBS)检测水体中Cu元素相比,运用DP-LIBS探测到的光谱明显增强,并且其检测结果受光谱仪采集的延迟时间、两脉冲之间的脉冲延迟时间、双脉冲激光能量等因素的影响显著。确定最佳的试验条件为：光谱采集延迟时间为1 380 ns,脉冲延迟时间为25 ns,双脉冲激光能量为100 mJ。分别对铜元素324.7和327.4 nm的特征谱线进行定量分析,两谱线的检测限分别是3.5和4.84 μg·mL-1,且相对标准偏差都在10%以内。用500 μg·mL-1样品对特征谱线为324.7 nm所建立的定标曲线进行验证,反演得出该样品的浓度为446 μg·mL-1,相对误差为10.8%。研究表明DP-LIBS能够提高Cu元素的检测灵敏度,同时具有较高的稳定性。     

塑料激光诱导击穿光谱技术快速分类应用研究

在大气环境中,采用激光诱导击穿光谱技术与支持向量机算法相结合,对来自不同厂家不同颜色的20种工业塑料进行分类研究。首先对分类结果有影响的实验参数进行优化,在最佳的实验参数条件下进行光谱采集,采用6条非金属元素特征谱线,有效缩短了训练支持向量机分类模型所需时间,从而提高了塑料的分类效率。实验结果表明,利用碳、氢、氧、氮等主量非金属元素对这些工业塑料样品进行分类,测试集1 000个光谱数据中有996个识别正确,算术平均识别精度达到99.6%。在选取较少的主量非金属特征谱线的情况下,结合采用支持向量机算法,可以实现激光诱导击穿光谱技术对更多类型的塑料制品快速、高精度分类,为激光诱导击穿光谱技术在实现塑料分类方面提供了数据参考。     

水体COD的光谱学在线测量方法-紫外和近红外光谱比较分析

水体COD的光谱学传感技术是现代环境监测的一个重要发展方向, 与传统的分析方法相比,光谱分析技术更具有可连续监测、可在线监测和检测快速的明显优势,适合对环境水样COD的定点实时监测。分别获取水样的紫外吸收光谱和近红外光谱,通过不同的光谱预处理方法结合偏最小二乘法、多元线性回归法建立水样的COD定量预测模型,对水体COD的紫外和近红外光谱的定量预测及相关模型参数进行分析,发现用S-G平滑处理后的紫外光谱和近红外光谱建立的PLS模型均得到最佳预测效果,预测集R2分别为0.992 1和0.987 7,RMSEP分别为10.438 6和5.972 0。紫外和近红外光谱法的MLR模型预测效果较差,预测集R2分别为0.928 0和0.957 3。通过实验结果综合对比分析,紫外吸收光谱在280～310 nm谱区建模预测性能较好,近红外光谱在7 250～6 870 cm-1谱区建模预测性能较好,紫外光谱对应定量预测模型的决定系数较高,而近红外光谱的稳定性和重复性更好。研究表明光谱传感技术可用于环境实际水体COD的定量预测分析,为开发便携式水体检测设备奠定了理论基础。     

激光击穿光谱检测赣南脐橙中铬元素的实验研究

为评估激光诱导击穿光谱技术(LIBS)对水果样品中重金属元素的检测潜力,选用在不同浓度梯度重铬酸钾水溶液中浸泡了30个小时的赣南脐橙样品进行LIBS实验,采集铬元素的特征谱线与峰值强度信息。在激光照射部位称取3 g左右的脐橙样品进行湿法消解,用原子分光光度计检测样品中的铬浓度。实验数据用Origin软件进行拟合后得到了谱线峰值强度和Cr浓度之间的关系曲线,即定标曲线,二者有线性关系,线性相关度0.981 66。由检测限公式计算得到铬浓度的检测限为11.68 μg·g-1。采用该定标曲线即可对赣南脐橙中的铬元素进行定量检测。实验结果表明LIBS技术是一种检测、定量分析水果样品中重金属元素含量的有效手段。     

特征变量提取方法对脐橙皮中Cu元素LIBS检测精度的影响

食品重金属污染日趋严重,常规的实验室化学分析方法难以满足现代农业发展的需求。激光诱导击穿光谱是一种新兴的快速无损检测新方法,但该技术存在检测稳定性、灵敏度和精确度不高的瓶颈问题。本工作以江西特色水果赣南脐橙中的Cu元素为研究对象,探讨采用LIBS技术检测的可行性问题。首先对脐橙样品进行实验室污染处理,再利用优化的试验参数(激光能量120 mJ、光谱采集延迟时间1.14 μs、采集积分时间2 ms)采集样品表皮的LIBS光谱信息,然后利用AAS对激光击打部位果皮进行Cu元素真实含量检测。提取Cu Ⅰ324.7 nm与Cu Ⅰ 327.4 nm作为Cu元素定量分析特征光谱,建立Cu元素真实浓度与Cu Ⅰ 324.7强度、Cu Ⅰ 327.4强度、Cu Ⅰ 324.7与Cu Ⅰ 327.4强度之和的关系模型,并对模型的灵敏度和预测准确度进行了分析。结果显示,三个关系模型的浓度预测相对误差均在7.01%以下,最小分别达到了0.02%,0.01%和0.02%,平均相对误差分别为2.33%,3.10%和2.63%。试验表明,寻找合适的特征变量能明显提高定量分析结果的精确度。此外,该研究有助于为重金属元素在果皮果肉中的传输规律提供理论依据。     

利用激光诱导击穿光谱分析土壤成份

 搭建了一套激光诱导击穿光谱实验装置,并通过配置特定样品,开展了一系列激光诱导击穿光谱探测实验。根据含有不同质量分数的同种元素样品的激光诱导击穿光谱实验结果,获得元素质量分数与谱线强度的关系曲线(定标曲线)。对中南民族大学附近的土壤进行激光诱导击穿光谱实验,发现土壤中含有Mg,Ca,Na等18种元素,对河南云台山茱萸峰岩石的激光诱导击穿光谱实验结果仅获得Fe,Mg,Ca 3种金属元素。比较这2种实际样品的激光诱导击穿光谱结果表明,检测样品的物理结构影响激光诱导光谱的实验结果。     

激光诱导击穿光谱结合多元非线性方法定量分析土壤中锰

锰元素是植物所需的微量元素之一。采用激光诱导击穿光谱(laser-induced breakdown spectroscopy,LIBS)技术对土壤中锰元素进行定量分析。以46个土壤样品为研究对象,获取土壤激光诱导击穿光谱数据,选取锰元素403.1 nm的特征谱线为分析线。根据谱线强度与元素浓度建立定标曲线,相关系数仅为0.78,定标结果说明,由于土壤样品成分的复杂性,锰元素浓度受土壤基体效应影响严重,应根据锰元素在土壤中的存在形式,选取相关元素,建立多元非线性回归定量分析方法,消除基体效应,从而提高LIBS测量的准确性。在多元非线性回归方法中分别考虑碳和铁元素对锰元素浓度的影响。与定标曲线相比,在考虑碳和铁元素对锰元素影响时,LIBS预测浓度与参考浓度的相关系数为0.97,相对误差为3.2%～10.3%,测量的准确度得到提高。实验结果表明,将多元非线性回归方法和激光诱导击穿光谱技术结合可以对土壤中微量锰元素进行定量分析。     

激光诱导击穿光谱结合偏最小二乘法定量分析脐橙中Cd含量

基于激光诱导击穿光谱(LIBS)技术对赣南脐橙中Cd元素进行定量分析. 利用LIBS获取样品中Cd元素的特征谱线信息, 并结合原子吸收分光光度计测量样品中Cd元素的真实含量.采用五点平滑法和中心化法对样品光谱数据进行预处理, 基于偏最小二乘法(PLS)对其中的39个样品建立Cd元素的定量分析模型, 在该模型的基础上预测另外13个样品的Cd含量, 并对PLS模型进行对比验证. PLS模型中拟合曲线的相关系数为0.9806, 12个样品的验证结果的相对误差为10.94%.研究结果表明, 激光诱导击穿光谱技术能够准确的检测农产品中重金属含量, 为农产品的安全检测提供技术方法. 关键词： 激光诱导击穿光谱 Cd 定量分析 偏最小二乘法     

嵌入式粒子群-遗传算法的水质COD检测特征波长优化算法

基于紫外-可见光谱法的水质测量中,光谱信号易受到系统噪声干扰、悬浮物散射干扰,且存在信息冗余、多重共线性等特征,导致水质COD测量中特征波长的选取产生较大偏差。因此,提出了基于嵌入式粒子群-遗传（EPSO_GA）算法的水质COD检测特征波长优化算法,以提高波长选择精度。为验证检测特征波长优化算法的可行性,采集了某高校池塘水样、生活污水和排水沟水样的光谱数据,利用EPSO_GA算法对预处理后的光谱数据选取特征波长。EPSO_GA算法采用实数编码方法实现了粒子群（PSO）优化算法和遗传（GA）优化算法的统一编码,在PSO算法中更新粒子时嵌入GA算法的选择、交叉、变异等操作,改善了这两种算法各自在光谱波长特征选取问题上的局限性。将EPSO_GA算法选取的特征波长结合偏最小二乘法（PLS）构建了EPSO_GA_PLS的水质COD预测模型,并且与传统的PSO算法、GA算法选取特征波长建立的PSO_PLS、GA_PLS和全光谱构建的PLS水质COD预测模型做了对比。结果表明：与PSO_PLS,GA_PLS和全光谱构建的PLS水质COD预测模型相比,EPSO_GA改善了PSO算法和GA算法在光谱特征波长选择中早熟和收敛速度慢的问题,降低了全光谱构建PLS水质COD预测模型的复杂度,提高了模型的预测精度。基于EPSO_GA算法建立的EPSO_GA_PLS水质COD预测模型,均方根误差降到了0.212 3,预测精度增加到0.999 3,可以快速定量检测水质COD,为紫外-可见光谱法测COD提供了更好的预测模型。     

基于PSO-PLS混合算法的水体COD紫外吸收光谱检测研究

化学需氧量（COD）是反映水体受有机物污染程度的重要指标。紫外吸收光谱法是目前水体COD检测研究中应用最为广泛的方法,具有样品无需预处理,成本低,无污染,测定速度快等优点。但是,原始光谱数据维数高,光谱信息中包含大量冗余变量,直接将全光谱数据进行建模存在精度低,计算复杂等问题。针对紫外吸收光谱全光谱建模精度低,光谱数据存在大量共线性的问题,提出了一种基于粒子群算法（PSO）结合偏最小二乘（PLS）优选特征波长建立预测模型的方法,以提高紫外吸收光谱预测模型的精度和适用性,简化模型。利用搭建的紫外吸收光谱装置,采集29份不同浓度的COD标准溶液的紫外光谱数据,每份标准溶液采集5次取平均值并对其进行平滑处理,减少仪器和环境带来的误差。考虑到标准溶液在200～310 nm的光谱范围内存在吸收,故选取该波段范围内246个波长点作为建模数据,每个波长点下的吸光度数据作为一个粒子并按照顺序编号,以PLS为建模方法,相关系数r和均方根误差（RMSE）为评价指标,设置粒子群算法适应度函数f(x)=min（RMSE）,取粒子初始种群数为20个,惯性权重w=0.6,自我学习因子c1=1.6,群体学习因子c2=1.6,最大迭代次数为200次,算法终止条件为达到最大迭代次数。算法输出全局最优变量取值为168,94,181,183,175,209,106和142。采用粒子群算法优选的8个波长点建立PLS预测模型的相关系数r和预测均方根误差RMSE分别为0.999 98和0.155 1。为了验证PSO-PLS建立的预测模型效果,建立了PLS,iPLS和SVR三种预测模型进行对比。验证结果表明,PSO-PLS模型的相关系数r和均方根误差RMSE均优于其他三种预测模型,说明粒子群算法能有效的提取用于PLS建模的特征波长,消除子区间变量的共线性,提高预测模型的精度。该方法为实现水体COD实时在线监测提供了一种有效途径。     

光谱预处理对LIBS检测脐橙中Cu的偏最小二乘定量模型影响

应用激光诱导击穿光谱(LIBS)对脐橙中Cu元素进行快速检测,并结合偏最小二乘法(PLS)进行定量分析,探索光谱数据预处理方法对模型检测精度的影响。针对实验室污染处理后的52个赣南脐橙样品的光谱数据,进行不同数据平滑、均值中心化和标准正态变量变换三种预处理方法。然后选择包含Cu特征谱线的319~338 nm波段进行PLS建模,对比分析了模型的主要评价指标回归系数(r)、交互验证均方根误差(RMSECV)和预测均方根误差(RMSEP)。采用13点平滑、均值中心化的PLS模型3个指标分别达到了0.992 8,3.43和3.4,模型的平均预测相对误差仅为5.55%,即采用该前处理方法模型的校准质量和预测效果都最好。选择合适的数据前处理方法能有效提高LIBS检测果蔬产品PLS定量模型的预测精度,为果蔬产品LIBS快速精准检测提供了新方法。     

基于Bi PLS结合Si PLS的组合权值COD浓度预测模型

水体中过高浓度的有机物含量危害巨大,不仅会造成严重的环境污染,而且危害人类身体健康,传统化学法检测水体化学需氧量(COD)的步骤繁琐且时效性差,不利于水体中COD的快速定量检测。针对这些问题,提出了一种将紫外光谱与组合权值模型相结合的快速定量检测COD方法,该组合权值模型是基于反向区间偏最小二乘法(BiPLS)结合组合区间偏最小二乘法(SiPLS)算法对紫外光谱的特征子区间筛选组合,然后依据特征子区间的权值建立的预测模型。首先按照一定的浓度梯度配制45份COD标准液样本,通过实验获取标准液的紫外光谱数据;对获取到的COD紫外光谱数据做一阶导数和S-G滤波(Savitzky-Golay)的预处理,消除基线漂移和环境干扰噪声;应用SPXY(Sample set partitioning based on jiont X-Y)算法将实验样本数据组划分成校正集和预测集。然后基于BiPLS算法对全光谱区间进行波长筛选,在BiPLS筛选过程中,目标区间的划分数量会对建模产生较大影响,于是对子区间划分数量进行优化,把子区间分成15~25个,在不同区间数下都进行偏最小二乘(PLS)建模,通过交互验证均方根误差(RMSECV)来筛选最优子区间数,得到区间数为18时,模型效果最佳。从18个波长区间筛选出了6个特征波长子区间,入选的子区间为2,1,3,11,7和6,对应波长为234~240,262~268,269~275,290~296,297~303和304~310 nm,这6个特征波长区间涵盖了大量的光谱信息,对最终预测模型的贡献度大;接下来通过SiPLS算法对这6个初选区间进行进一步的筛选组合,采用不同的组合数构建不同特征区间上的PLS模型,在相同组合数下,筛选出一个区间组合数最优的结果,对比不同组合数下预测模型的误差与相关性,将6个区间筛选组合为3个特征波长区间,分别为234~240,262~275和290~310 nm,这三个特征区间最佳因子数分别为4,4和3。对传统SiPLS的特征区间组合方法进行改进,基于权值的大小来对这3个特征区间进行线性组合,代替过去特征区间直接组合的方法。通过权值公式计算出这3个特征区间的权重大小分别为0.509,0.318和0.173,最终建立线性组合权值COD浓度预测模型。为了验证组合权重预测模型的精度,另外建立了全波长范围内的PLS预测模型、单个特征波长区间的PLS预测模型、直接组合特征波长区间的PLS模型,并使用评价参数相关系数的平方(R2)、预测值与真实浓度值的均方根误差(RMSEP)和预测回收率(T)来对模型评价。验证结果表明,相比其他预测模型,组合权值模型相关系数的平方达到了0.999 7,明显优于直接组合特征区间建模的0.968 0,预测均方根误差为0.532,比直接组合特征区间的预测模型误差降低了29.3%,预测回收率为96.4%~103.1%,显著地提高了预测精度。该方法简单可行,不会产生二次污染,可为在线监测水体中COD浓度提供一定的技术支持。     

激光诱导击穿光谱技术对高铁车轮硬度检测模型优化研究

我国铁路跨度长、运营时间长、运行环境变化较大,故对于车轮的磨损较大,为保障高速铁路的安全运行,高速列车车轮表面硬度就成为了一项重要参考指标。激光诱导击穿光谱(LIBS)实验平台对8块不同硬度的HS7高铁车轮用钢样品进行击穿获取LIBS光谱数据,发现基体元素(Fe)和合金元素(Cr, Mo, W)的谱线强度、离子与原子线的强度比值(Ⅱ/Ⅰ)以及合金元素谱线强度与基体元素谱线强度的强度比值(A/M),分别与样品硬度有着不同程度的相关关系。利用此相关关系分别建立了以谱线强度和谱线强度结合谱线强度比值为变量的偏最小二乘法(PLS)定量分析模型,在建立模型前采用标准正态变量变换(SNV)、 Savitzky-Golay卷积二阶导和高斯滤波(Gaussian filter)三种预处理方法来减小实验误差。结果表明,以谱线强度为变量的模型中采用SNV预处理后建立的PLS模型效果最佳,校正集的确定系数为0.98,均方根误差为1.30,预测集的确定系数为0.90,均方根误差为2.43;以谱线强度结合谱线强度比值为变量的模型中采用原始数据建立的PLS模型效果最佳,校正集的确定系数为0.99,均方根误差为0....     

紫外可见光谱结合多元分析法在线检测混合染料溶液化学需氧量

为了实现对经过污水处理后的染整废水化学需氧量(COD)的在线监测,同时为了克服国标标准法和快速分光光度法快速在线检测COD的诸多不足,进行了紫外可见光谱结合多元分析方法检测混合染液COD的研究。研究样本为自行配制的混合染液,通过自主研发的紫外可见光纤传感检测系统检测混合染液的紫外可见光谱。该检测系统可实现对较高浓度溶液在线原位检测,而无取样、稀释过程。通过标准化(z-score)、平滑(smoothing)、一阶导数(1st derivation)等方法对原始光谱进行预处理并结合主成分回归(PCR)、偏最小二乘回归法(PLS)等对混合染液建立吸光度-COD的回归预测模型,并利用该回归模型预测预测集COD值。实验结果表明,针对混合染料溶液样本,在PCR算法中,采用3种光谱预处理方法,其中标准化法得到的PCR回归模型预测精度最高,决定系数R2=0.961,预测均方根误差(root mean square error of prediction,RMSEP)=21.8。进一步研究发现,使用标准化法预处理结合PLS算法得到PLS回归模型预测精度(R2=0.974,RMSEP=19.6)高于PCR模型。说明针对该样本,利用标准化法进行光谱预处理后,再建立PLS回归模型,能够比较快速准确地进行混合染液COD预测。同时也说明该自行研制的检测系统能够适用在线检测染液COD。该研究可以为进一步实现在线原位检测染整废水COD以及其他水质参数奠定基础。     

基于特征波段的高光谱技术检测水体中毒死蜱浓度的实验研究

为了探究反射光谱检测水体中毒死蜱农药的可行性,使用由ASD公司的FieldSpecPro地物波谱仪构成的高光谱采集系统在室内、室外环境获取两种不同浓度区间的毒死蜱样品的光谱数据。基于偏最小二乘(PLS)和主成分分析(PCA)算法分别对毒死蜱样品光谱数据建立全波段定量模型,结果两种模型的预测能力均较高。通过相关性分析(CA)计算相关系数来选择毒死蜱样品光谱的特征波长,其中浓度区间为5~75 mg·L-1的室内、室外实验光谱的特征波长为388,1 080,1 276 nm和356,1 322,1 693 nm,浓度区间为0.1~100 mg·L-1的室内外实验样品光谱的特征波长为367,1 070,1 276,1 708 nm和383,1 081,1 250,1 663 nm。结合PLS算法建立样品特征波长光谱数据的定量模型,结果与全波段模型相比,浓度区间为5~75 mg·L-1的室内外实验光谱PLS特征波长模型的校正集决定系数R2_C分别提高至0.987 5和0.999 2,预测集决定系数R2_P分别提高至0.989 4和0.994 4,校正集均方根误差RMSEC分别降低为2.841和0.714,预测集均方根误差RMSEP分别降低为1.715和1.244;浓度区间为0.1~100 mg·L-1的室内外实验光谱特征波长PLS模型的校正集决定系数R2_C分别提高至0.998 3和0.998 8,预测集决定系数R2_P分别提高至0.998 4和0.999 0,校正集均方根误差RMSEC分别降低为1.383和1.186,预测集均方根误差RMSEP分别降低为1.510和1.229,验证集标准差与预测均方根误差的比值(RPD)有所增加,尤其是针对浓度区间为0.1~100 mg·L-1的实验,RPD值显著增加至21.7,说明基于特征波长建立的毒死蜱样品定量模型具有较高精度的预测能力,但是通过不同浓度区间范围的对比实验发现,ASD地物光谱仪对低浓度的毒死蜱溶液预测的相对误差偏大,存在客观上的检测下限。为了保证不同试验条件下的毒死蜱农药的特征波长都得到分析,增强模型使用的普适性与鲁棒性,根据特征波长选择出4个波段,即351~393,1 065~1 086,1 245~1 281和1 658~1 713 nm作为特征波段。特征波段模型的波长变量个数共38个,相比于全波段模型的432个波长变量,模型变量精简了91.2%,其中浓度区间为5~75 mg·L-1的室内外实验光谱PLS特征波段模型的R2_C分别为0.993 7和0.987 8,R2_P分别为0.979 8和0.998 2,RMSEC分别为1.690和2.516,RMSEP分别为1.987和0.659;浓度区间为0.1~100 mg·L-1的室内外实验光谱特征波段PLS模型的R2_C分别为0.9882和0.9807,R2_P分别为0.9391和0.9936,RMSEC分别为3.345和3.942,RMSEP分别为8.996和2.663,且四种实验情况下的模型RPD值均大于2.5,满足定量分析条件。因此采用高光谱采集系统对室内和室外环境中毒死蜱农药的快速检测具有一定的可行性,此研究结果对有机磷农药等面源污染物快速检测有实际的应用价值,可为农田水体有机磷农药快速检测仪器的开发提供理论基础。     

基于紫外-可见光谱的水质TOC定量分析方法

地表水资源安全关系到国民健康、生态环境稳定和经济可持续发展,具有重要战略意义.总有机碳(T OC)是一种衡量水体中有机物含量的综合指标,其在水环境监管和治理中具有重要价值.传统检测方法通过高温催化氧化测定水样中T OC含量具有耗时较长、操作复杂的局限性,紫外-可见光谱技术具有检测速度快、操作简单的优势,因而在水质在线检...     

水体透射光谱的多特征融合COD含量估算研究

化学需氧量(chemical oxygen demand,COD)是一项可以快速检测有机污染物的参数,能够很好地反映水污染的程度.提出一种基于透射光谱测量的多特征融合水体COD含量估算模型,透射高光谱法采集100组COD水体光谱信息,对光谱数据进行预处理以及特征波段的选取,分析不同预处理方法对模型精度的影响并进行特征融...