一种适用于多场景条件的水体COD检测方法技术

本发明专利技术涉及COD检测技术领域，具体涉及一种适用于多场景条件的水体COD检测方法，包括：获取待测水体的吸收光谱；对待测水体的吸收光谱进行浊度校正和归一化处理，得到对应的归一化光谱；根据待测水体的归一化光谱在建立的场景特征库中匹配对应的所属场景条件；根据待测水体的所属场景条件在建立的COD解算模型库中获取对应的光谱COD解算模型作为最优解算模型，并根据最优解算模型计算待测水体的COD浓度。本发明专利技术中的水体COD检测方法能够适用于多种水体测量场景条件，从而能够保证多场景条件下COD浓度的检测效果，提升光谱法检测COD浓度的场景兼容性。

【技术实现步骤摘要】
一种适用于多场景条件的水体COD检测方法
本专利技术涉及COD检测
，具体涉及一种适用于多场景条件的水体COD检测方法。
技术介绍
化学需氧量(ChemicalOxygenDemand,COD)是反映水体中以可溶有机物为主的还原性污染物含量的重要水质参数。COD浓度的检测方法众多，目前应用最普遍的是高锰酸钾氧化法与重铬酸钾氧化法，但由于其存在水样预处理繁杂、设备成本高、测量周期长、有二次污染等问题，不便于在移动式监测、突发污染预警、污染源定位等应用环境下使用。因此，现有技术中常用的还有直接光谱法(直接紫外-可见吸收光谱检测法)检测COD浓度。直接光谱法采用光束透射式测量，利用待测水体的吸收光谱解算COD浓度，以及生化需氧量、硝酸盐氮等多种水质参数。例如，公开号为CN111929262A的中国专利就公开了《一种水质COD预测方法》，其能够基于直接光谱法建立对应的光谱COD解算模型(基础模型和校正模型)，进而基于光谱COD解算模型实现COD浓度的检测。申请人发现，水体中有机污染物的种类十分复杂，不同污染物的光谱特征及其对COD浓度的贡献率存在较大差异，使得特定的光谱COD解算模型仅适用于成分相对稳定的水体测量场景条件。但是，即便是相同的水体测量场景条件，受人类活动、水生物繁殖、季节更替等因素的影响，污染物种类和各污染物的浓度占比也会随时间周期性变化。然而，现有水质COD预测方法是基于稳定的水体测量场景条件建立的单一光谱COD解算模型，其对场景条件变化的适应力较弱，难以保证在具有一定差异的多种水体测量场景条件下的COD浓度检测精度，导致光谱法检测COD浓度的检测效果和场景兼容性均不好。因此，如何提供一种能够适用于多种水体测量场景条件的水体COD检测方法是急需解决的技术问题。
技术实现思路
针对上述现有技术的不足，本专利技术所要解决的技术问题是：如何提供一种能够适用于多种水体测量场景条件的水体COD检测方法，从而能够保证多场景条件下COD浓度的检测效果，提升光谱法检测COD浓度的场景兼容性。为了解决上述技术问题，本专利技术采用了如下的技术方案：一种适用于多场景条件的水体COD检测方法，包括以下步骤：S1：获取待测水体的吸收光谱；S2：对待测水体的吸收光谱进行浊度校正和归一化处理，得到对应的归一化光谱；S3：根据待测水体的归一化光谱在建立的场景特征库中匹配对应的所属场景条件；S4：根据待测水体的所属场景条件在建立的COD解算模型库中获取对应的光谱COD解算模型作为最优解算模型，并根据最优解算模型计算待测水体的COD浓度。优选的，步骤S2中，通过直接拟合法结合幂函数修正拟合方程实现吸收光谱的浊度校正。优选的，通过如下公式表示幂函数修正拟合方程：Turb(λ)＝A(λB+C)；式中：Turb表示散射消光度；λ表示波长；λB表示小颗粒物消光谱近似满足幂函数；A表示颗粒浓度系数；B表示小颗粒物粒径分布系数；C表示大颗粒物补偿系数。优选的，步骤S2中，通过如下公式实现吸收光谱的归一化处理：式中：S表示光谱；表示归一化吸光度；S(λ)表示不同波长的吸光度；Smax表示光谱中吸光度的最大值；Smin表示光谱中吸光度的最小值。优选的，步骤S3中，通过如下步骤建立场景特征库：S301：获取各个场景条件下的光谱训练集，并对光谱训练集中的各个训练光谱进行浊度校正和归一化处理，得到各个场景条件对应的归一化光谱；S302：将属于同一场景条件的各个归一化光谱的平均值作为对应场景条件的线性特征光谱；S303：根据各个场景条件及其对应的线性特征光谱建立场景特征库。优选的，步骤S3中，通过如下步骤在场景特征库中匹配对应的所属场景条件：S311：通过如下公式分别对待测水体的归一化光谱和场景特征库中的线性特征光谱进行变换得到对应的变换结果Wa和Wb：W＝{Wi}；i＝1,2,....,n；式中：令光谱S包含n个波长点，S＝{Si},i＝1,2,....,n，其一阶导数为Si′；Si′的二进制一阶导数谱为W＝{Wi}；S312：计算Wa和Wb在所有波长点上Wi相同的次数J和不同的次数K；S313：根据公式C＝J/(J+K)计算待测水体与各个场景条件的匹配度C；S314：当匹配度C达到匹配度极大值Cmax时，将匹配度极大值Cmax对应的场景条件作为待测水体的所属场景条件。优选的，步骤S314中，若匹配度极大值Cmax小于设置的匹配异常阈值，则表示待测水体来至于未知的场景条件，或者待测水体的所属场景条件污染物组成已经发生改变。优选的，当匹配度极大值Cmax小于设置的匹配异常阈值时，根据待测水体对应的场景条件及其归一化光谱修正场景特征库中的对应场景条件和/或线性特征光谱。优选的，步骤S4中，通过如下步骤建立COD解算模型库：S401：获取各个场景条件下的光谱训练集，并对光谱训练集中的各个训练光谱进行浊度校正和归一化处理，得到各个场景条件对应的归一化光谱；S402：通过化学法标记各个归一化光谱对应的COD浓度，并根据属于同一场景条件的各个归一化光谱计算对应场景条件的光谱COD解算模型；S403：根据各个场景条件及其对应的光谱COD解算模型建立COD解算模型库。优选的，步骤S402中，通过偏最小二乘法计算场景条件的光谱COD解算模型。本专利技术中适用于多场景条件的水体COD检测方法与现有技术相比，具有如下有益效果：本专利技术能够在场景特征库中匹配待测水体的所属场景条件，并能够在COD解算模型库中获取与待测水体的所属场景条件相对应的光谱COD解算模型用以计算COD浓度，使得能够在任意的水体测量场景条件下获取最优的光谱COD解算模型，从而能够保证COD浓度的检测效果、并提升光谱法检测COD浓度的场景兼容性。同时，本专利技术在匹配待测水体的所属场景条件之前，还对待测水体的吸收光谱进行了浊度校正和归一化处理，使得能够解决水体中混合颗粒物引入的浊度干扰，突出不同场景中溶解物种类或比例不同引入的光谱特征差异，并保证多场景条件的匹配准确性和COD浓度的计算精度，从而能够进一步提升光谱法检测COD浓度的场景兼容性。附图说明为了使专利技术的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术作进一步的详细描述，其中：图1为实施例中水体COD检测方法的逻辑框图；图2为实施例中0.1-100um粒径颗粒物散射仿真光谱的幂函数拟合示意图；图3为实施例中硅藻土样本光谱的直接拟合浊度校正示意图；图4为实施例中两种场景条件不同COD浓度的原始光谱示意图；图5为实施例中两种场景条件不同COD浓度的归一化光谱示意图；图6为实施例中多场景条件COD检测方法的流程图；图7为实施例中光谱测量系统的组成示意图；图8为实施例中样本光谱场景的匹配度示意图；图9为实施例中样本光谱Cmax的统计值示意图；本文档来自技高网...

【技术保护点】
1.一种适用于多场景条件的水体COD检测方法，其特征在于，包括以下步骤：/nS1：获取待测水体的吸收光谱；/nS2：对待测水体的吸收光谱进行浊度校正和归一化处理，得到对应的归一化光谱；/nS3：根据待测水体的归一化光谱在建立的场景特征库中匹配对应的所属场景条件；/nS4：根据待测水体的所属场景条件在建立的COD解算模型库中获取对应的光谱COD解算模型作为最优解算模型，并根据最优解算模型计算待测水体的COD浓度。/n

【技术特征摘要】
1.一种适用于多场景条件的水体COD检测方法，其特征在于，包括以下步骤：
S1：获取待测水体的吸收光谱；
S2：对待测水体的吸收光谱进行浊度校正和归一化处理，得到对应的归一化光谱；
S3：根据待测水体的归一化光谱在建立的场景特征库中匹配对应的所属场景条件；
S4：根据待测水体的所属场景条件在建立的COD解算模型库中获取对应的光谱COD解算模型作为最优解算模型，并根据最优解算模型计算待测水体的COD浓度。


2.如权利要求1所述的适用于多场景条件的水体COD检测方法，其特征在于：步骤S2中，通过直接拟合法结合幂函数修正拟合方程实现吸收光谱的浊度校正。


3.如权利要求2所述的适用于多场景条件的水体COD检测方法，其特征在于：通过如下公式表示幂函数修正拟合方程：
Turb(λ)＝A(λB+C)；式中：Turb表示散射消光度；λ表示波长；λB表示小颗粒物消光谱近似满足幂函数；A表示颗粒浓度系数；B表示小颗粒物粒径分布系数；C表示大颗粒物补偿系数。


4.如权利要求1所述的适用于多场景条件的水体COD检测方法，其特征在于：步骤S2中，通过如下公式实现吸收光谱的归一化处理：

式中：S表示光谱；表示归一化吸光度；S(λ)表示不同波长的吸光度；Smax表示光谱中吸光度的最大值；Smin表示光谱中吸光度的最小值。


5.如权利要求1所述的适用于多场景条件的水体COD检测方法，其特征在于：步骤S3中，通过如下步骤建立场景特征库：
S301：获取各个场景条件下的光谱训练集，并对光谱训练集中的各个训练光谱进行浊度校正和归一化处理，得到各个场景条件对应的归一化光谱；
S302：将属于同一场景条件的各个归一化光谱的平均值作为对应场景条件的线性特征光谱；
S303：根据各个场景条件及其对应的线性特征光谱建立场景特征库。


6.如权利要求5所述的适用于多场景条件的水体COD检测方法，其特征在于：步骤S3中，...

【专利技术属性】
技术研发人员：吴德操，罗彬彬，汤斌，刘恩华，谭万尧，郭裕丰，蒲俊豪，
申请(专利权)人：重庆理工大学，
类型：发明
国别省市：重庆;50