紫外-可见光谱水质COD检测的原理、仪器及方法技术研究

摘要

随着我国社会经济的高速发展，水污染事件频发，造成水的使用价值降低或丧失，进而影响人民生活和工农业生产。为此，开展水环境检测监测乃是确保水质安全的重要措施之一。
　　目前，常见的水质检测技术有化学分析法，光谱法和生物传感法。紫外-可见光谱法作为光谱法之一，因无二次污染、仪器操作简单、成本低和易于实现在线、实时检测监测等优点，在水质检测监测中，日益为人们所亲睐。
　　特别是，化学需氧量（Chemical Oxygen Demand，COD）又往往作为衡量水中有机物质含量多少的指标。化学需氧量（COD）越大，说明水体受有机物的污染越严重。有鉴于此，本文以四川省科技支撑技术项目（编号：2012SZ011）和四川碧朗科技有限公司横向合作科研项目“光谱多参数水质在线自动监测仪研制”（合同编号：1042012920140453）及重庆市研究生科研应用型科研创新项目（编号：CYS14039）为依托，以紫外-可见光谱法水质COD检测技术为背景，开展了紫外-可见光谱法水质COD检测基本原理、仪器及方法技术研究和开发工作，研究内容主要包括：
　　①研究并阐述了基于紫外-可见光谱法水质COD检测的基本原理。通过对紫外-可见光谱法水质COD检测原理的分析研究，明确了水质COD仪器系统研制的实现方案。
　　②研究与分析了水质COD仪器系统研制的功能要求和性能指标。基此，构建了相关的仪器系统及其应用软件。借助于光谱仪等光谱测量单元，实现了水样的COD等参数的测量。测试了水质COD仪器系统的性能指标。与此同时，基于LabVIEW开发平台，进行了系统软件设计并进行调试。
　　③研究并建立了基于极限学习机（ELM）的水质COD检测预测模型。水质COD是水环境中还原性物质的体现，在河流污染和工业废水性质的研究以及废水处理厂的运行管理中，它是一个重要的而且能较快测定的有机物污染参数。光谱法检测水质COD，建立检测预测模型，乃是进行水质COD检测不可或缺的环节。采用极限学习机对水质光谱数据以及水质COD进行建模，从而实现水质COD的测定。通过对光谱数据进行主成份分析（PCA），减少了数据冗余，提取光谱数据中有效的特征信息，提高了模型检测效率。为了进一步提高预测模型的精度，采用了粒子群优化算法（PSO）对ELM预测模型的参数进行了优化，研究结果表明，优化后的预测精度大为提高。

目录

1 绪 论

1.1 研究背景及意义

1.2 国内外研究现状

1.3 本文主要研究内容

2 紫外-可见光谱法水质检测的原理及方法

2.1 紫外-可见光谱产生

2.2 朗博-比尔定理

2.3 水质检测的相关参数及分析方法

2.4 本章小结

3 紫外-可见光谱法水质COD检测仪器系统研制

3.1 概述

3.2 设计要求

3.3 框架设计

3.4 光谱测量单元

3.5 流路、清洗、处理、显示、存储、打印及主控系统研究

3.6 软件系统设计

3.7 性能测试

3.8 测试结果验证比较

3.9 本章小结

4 紫外-可见光谱法水质COD检测的预测模型研究

4.1 水质COD预测模型常见建模方法

4.2 基于极限学习机的水质COD预测模型研究

4.3 ELM预测模型的优化算法研究

4.4 水质COD光谱数据降维处理

4.5 本章小结

5 总结及展望

致谢

参考文献

附录

A. 作者在攻读硕士学位期间发表的论文目录

B. 主研或参加的科研项目