基于紫外光谱分析的COD水质检测技术探讨

张琳琳

(新疆阿克苏水文勘测局，新疆 阿克苏 843000)



基于紫外光谱分析的COD水质检测技术探讨

张琳琳

(新疆阿克苏水文勘测局，新疆 阿克苏 843000)

我国水资源虽然丰富，但是将水质这一概念作为评判标准之后，如今城市供水系统以及农村生活生产用水的质量问题下降迫在眉睫。水质检测也是该水质环保工作中的重中之重，如果不能实现在线、实时、精确掌握用水中的污染物及时测量，那么将会对供水系统带来难以估量的严重后果。水质检测仪器的开发是一方面，但水质检测技术应当更为人们所重视。在众多水质检测技术中，紫外光谱能够快速识别水样本中的污染物，但其仍存在周期长、二次污染风险等问题，为此，本文将基于PCA和PSO两种算法对紫外光谱水质COD检测的LS-SVM模型进行研究分析。

紫外线；水质检测；COD

水质检测技术监测手段越来越受到环境保护工作的重视。新疆已打造完成区、地、县三级水质监测网，监测范围的全覆盖以及监测指标的增设都对水质监测技术带来了新的机遇和挑战。本文主要对分子光谱监测技术中的紫外线光谱水质COD检测技术加以分析。

1 紫外光谱水质检测技术研究现状

1.1 技术原理

现有各种水质检测技术，电化学分析技术、生物传感技术等水质检测技术虽然解决之前化学分析技术、原子光谱技术分析仪器体积过大的问题，但是仍然存在使用寿命不能满足需求的问题，因此基于紫外光谱技术的分子光谱分析技术综合了上述检测技术的优点，并解决了各项技术的不足，目前已经得到了广泛的应用，也成为今后水质监测的重要发展方向。

紫外光谱水质检测技术，其技术原理是利用有机物及部分无机物吸收紫外光的特性，通过对采集的水体依据紫外吸收光谱测算水质中的微量元素及其成分获取监测数据，如对有机物化学需氧量(COD)、生化需氧量(BOD)以及少量无机物硝氮(NO3-N)指标测量，之后结合既定各项水质标准进行对比分析。

1.2 研究进展

紫外光谱水质检测技术的核心技术为紫外分光光度计和化学计量学方法的结合，随着物联网、人工神经网络的蓬勃发展，提供了解决复杂非线性体系的新方法，使得有机物及部分无机物的分析仪器从大体积向便携式、从单参数向多参数发展的趋势。以紫外光谱的两种检测方式分类叙述，是国内外以单光检测法为基础所开发的分析仪器，结构简单、携带便捷、能实现在线检测及浊度自动补偿；德国WTW公司的IQ Sensor Ner 在线监测系统以连续光谱检测方式为基础的在线监测系统代表，其通过扫描水样连续紫外光谱区并提取水质参数光谱数据，名副其实的可以在线监测连续的多个参数。并且体积小，反应快，较前者精度更加精确。反观国内在紫外光谱分析技术的研究进展，基本停留在单光谱检测方面，连续光谱检测的分析仪器较少，且存在开发和维护成本高、体积容量过大、精确度较低等问题。

那么综上所述，对于未来的发展趋势而言，应用紫外光谱分析技术的分析仪器开发重点，落在了启动速度提高、仪器维护低成本、时效性和微小型的战略目标上，除此之外，关于紫外光谱分析技术本身，探头自动化清洗、动态性数据实时跟踪成为了未来需要解决的问题。

2 紫外光谱水质检测系统的总体架构

2.1 紫外光谱水质检测技术的理论基础

分子吸收光谱原理。当外界传导得来的辐射能量作用到待检测物质的分子时，物质内部便会通过电磁辐射的形式来吸收或予以释放。而当辐射能量作用在透明或半透明的待检测物质时，该物质将吸收与其运动状态变化相对应频率的辐射能，并向较高的太能迁移。这种物质对辐射具有的选择性吸收产生的光谱，称为吸收光谱。紫外-可见光谱就属于这其中一种吸收光谱。而它的另一个重要特性是其电子跃迁产生的光谱是宽谱带。那么，当某种分子经受连续不断的、某一范围波长的光照射时，其光子的能量便会传递给分子，并被分子有选择性的吸收掉，降低这一区域的光能强度，也因此而产生的有吸收谱线组成的透射光光谱，就是分子吸收光谱。

郎伯-比尔定律。紫外光谱水质检测技术核心是检测某一物质中紫外光的吸收率来测定其浓度，其所根据的吸收定律就是郎伯比尔定律，顾名思义，是由郎伯与比尔两种定律相辅相成的，只能适用于单色光射入的条件下。I0为初始状态下所发射出的单色光强度，I为经过某测量物质C吸收后输出的单色光强度，根据I强度与C浓度之间的比例关系，可以将输入输出前后的光强度变化值转化为浓度信息。

2.2 系统设计的总体框架

紫外光谱水质检测技术主要是硬件和软件构成，其中硬件部分由光路系统(紫外光源与分光系统)、样品池、信号采集等部分组成。在利用光吸收率进行水质检测时的工作路径为：所接收到的紫外光源经过分光系统分解为不同光谱，不同物质的测量则会自动选择相对应的光谱，在经过水质样品池的时候有一部分被吸收而盛装样品，另一部分则转化为电信号，这一部分将被软件设计部分进行数据传输到中央处理芯片，以设定的紫外光谱算法计算得出所检测物质的含量，最终在电子屏上进行显示。

3 紫外光谱水质COD检测预测模型优化

COD作为水质检测的重要测量值，能够反映水体受还原性物质污染的程度。以往检测水质COD的传统化学方式存在二次污染、和时间过长的缺点，因此因此为改善化学方式的缺点，并提升测量精度，需要在紫外光谱数据与水质COD之间进行数学建模。笔者将对比较LSSVM模型与使用PSO优化LSSVM的建模方法，并采用PCA算法对上述两模型进行降维处理。

3.1 基于PCA的水质COD检测信号降维研究

构造m个n维样本组成矩阵x，计算样本矩阵x的均值并做差计算得出偏差矩阵x的协方差矩阵，将其特征值降序排列得出贡献率数值，确定出主成分。对水质COD进行信号降维时则需要在对光谱数据进行浊度矫正后，采用PCA算法对输入的样本矩阵进行计算后得出特征值及其贡献率以及累计贡献率。所得出的主成分可以代替原样本矩阵组成全新矩阵。

3.2 基于PCA-LSSVM的水质COD预测模型分析

基于PCA-LSSVM的水质COD预测模型的步骤为，将原光谱数据样本进行PCA主成分分析算法进行降维，得出LS-SVM预测模型的基础数据。接下来就需要运用所选用的核函数RBF进行LS-SVM数据模型算法了，对所构造的LS-SVM模型进行构造后得出核函数矩阵，求解 N 维线性方程组，计算 Lagrange 乘子α和偏移量 b，按公式实现最终决策函数 y (x)。为了研究该预测模型最终精度值，本文选用相对误差(RE)、均方根差(RMSE)以及平均相对误差(MRE)作为评价标准。可知，在经过PCA算法降维之后的PCA-LSSVM模型，其MRE和RMSE值提升了30%～50%左右，与真实值更为接近。

3.3 基于PCA-PSO-LSSVM的水质COD预测模型分析

粒子群优化算法即PSO算法，首先初始化一群随机粒子，之后要经历多回合的更迭替代来搜寻一个最优解，在每一个回合中的循环更替中，随机粒子通过遵从个体极值与全局极值来刷新下一回合更替后的飞行速率和飞行位置。将PSO算法输入LSSVM模型之后。

将PSO算法中的数据定义为：粒子群算法种群规模N=100，最大迭代次数Tmax=1 000，Wmax=0.94，Wmin=0.4。算法采用VC++6.0软件工具，那么可知PCA-PSO-LS-SVM 的水质 COD 预测模型所得的预测值与实际值比较曲线。

与 PCA-LSSVM 模型相比较，PCA-PSO-LSSVM模型预测结果中其 MRE 和 RMSE值反映出模型的预测效果较前者又得到了明显的提高。实验的预测结果证明了PSO优化LS-SVM模型的可行性。

4 结语

随着水质检测设备向着智能化、自动化、微型化的方向逐步发展，我国在与国外水质检测先进仪器生产领域有着很大的距离，但是仪器的发展进步始终是以水质检测技术为核心依据的。基于紫外光谱分析的水质COD检测技术较之其他常规水质检测技术具备众多优点，可广泛应用于饮用水、地表水、工业废水等区域水体的实时监测，具有广泛的社会效益和经济效益。本文旨在以现有的紫外光谱水质COD检测技术的基础上，为了加速水质COD预测模型的收敛速率与机器清洗速率，提出了PCA主成分分析算法降维与PSO粒子群优化相结合，优化LSSVM模型精度低、稳定性差的缺点，降低了均方根差(RMSE)以及平均相对误差(MRE)。

[1]曾甜玲，温志渝，温中泉，等.基于紫外光谱分析的水质监测技术研究进展[J].光谱学与光谱分析.2013.(04)：1098-1130.

[2]侯迪波，张坚，陈泠，等.基于紫外-可见光光谱的水质分析方法研究进展与应用[J].光谱学与光谱分析.2013.(7).

[3]元俊霞.水质监测技术中应用紫外光谱分析的相关研究[J].技术管理.2014.(12)：125.

2017-03-22

张琳琳(1990-)，女，陕西富平人，助理工程师，主要从事水质监测工作。

X143

B

1004-1184(2017)03-0220-02