当前位置: 首页 > 专利查询>厦门大学专利>正文

一种基于神经网络的水质TOC高效检测方法及其装置制造方法及图纸

技术编号:38343860 阅读:21 留言:0更新日期:2023-08-02 09:23
本发明专利技术涉及水质TOC检测技术领域,尤其一种基于神经网络的水质TOC高效检测方法及其装置,包括以下步骤:S1对水体进行采样和预处理;S2将所述待测样品置于222nm准分子灯的照射下,加入H2O2溶液,进行消解氧化反应,收集反应产生的气体;S3利用电导率检测器测定所述待测样品的电导率;S4测定所述待测样品消解氧化过程中产生的气体中CO2含量,并换算成水体的TOC值;S5建立所述水体消解氧化反应所需的时间、待测样品的初始电导率、根据CO2浓度检测器计算得到的TOC值之间的关系模型,模型建立之后,代替CO2浓度检测器,计算水体的TOC值。本发明专利技术通过神经网络机器学习建立TOC的在线检测模型,能够提高检测精度,提升检测效率,简化检测流程。流程。流程。

【技术实现步骤摘要】
一种基于神经网络的水质TOC高效检测方法及其装置


[0001]本专利技术涉及水质TOC检测
,尤其一种基于神经网络的水质TOC高效检测方法及其装置。

技术介绍

[0002]TOC是指Total Organic Carbon(总有机碳)的缩写,是指有机化合物所含碳元素的量。TOC测试通常通过将样品中的有机物质氧化成二氧化碳,然后测量生成的二氧化碳的含量来计算有机碳的总含量。目前市场上存在的TOC在线分析原理主要有紫外氧化法、高温催化氧化法和电化学法等。
[0003]其中,紫外氧化法对选择合适的紫外波长要求高,如果选择的波长不当,就可能导致部分有机物质无法被氧化,从而影响测量结果的准确性。催化氧化法,对催化剂的种类和剂量要求高,通常需要大量的催化剂。电化学法,存在无机离子影响大、维护成本高等问题。

技术实现思路

[0004]本专利技术的目的是为了克服现有的TOC在线检测的主要问题,提出一种由UV 222nm和H2O2法替换常规消解氧化装置,由于H2O2在UV 222nm处的强吸收,能有效提高氧化效率,节约氧化剂成本。
[0005]本申请利用222nm紫外和H2O2对待测样品进行光催化,以使待测样品在光催化的作用下将有机化合物氧化成二氧化碳,通过二氧化碳检测器测量二氧化碳浓度,再通过换算获取TOC浓度值。
[0006]消解氧化反应原理为:过氧化氢在UV 222nm照射下生成羟基自由基
·
OH,
·
OH与紫外协同将有机物降解为CO2,反应式为:
[0007]H2O1+hv
→2·
OH
[0008]有机物+hv

CO2+H2O
[0009]有机物+
·
OH

CO2+H2O
[0010]具体方案如下:
[0011]一种基于神经网络的水质TOC高效检测方法,具体包括以下步骤:
[0012]S1、将水体进行采样后,进行预处理过滤,得到待测样品;
[0013]S2、将所述待测样品置于222nm准分子灯的照射下,加入H2O2溶液,进行消解氧化反应,收集反应产生的气体;
[0014]S3、利用电导率检测器测定所述待测样品的电导率,定时记录所述待测样品的电导率,当电导率或者电导率的变化率达到阈值时,进行下一步;
[0015]S4、利用CO2浓度检测器测定所述待测样品消解氧化过程中产生的气体中CO2含量,并换算成水体的TOC值;
[0016]S5、建立所述水体消解氧化反应所需的时间、待测样品的初始电导率、根据CO2浓度检测器计算得到的TOC值之间的关系模型,模型建立之后,代替CO2浓度检测器,计算水体
的TOC值。
[0017]优选地,步骤S2中所述H2O2溶液的浓度为1

50mmol/L,所述H2O2溶液与所述待测样品按照体积比0

6:5

12混合,
[0018]优选地,所述H2O2溶液与所述待测样品按照体积比1:10混合。
[0019]优选地,步骤S3中所述定时记录,是指记录待测样品的初始电导率,再间隔0.5

2min测定所述待测样品的电导率的变化,所述测定样品的电导率或变化率低于预设阈值时,视为所述待测样品中的有机化合物被完全消解氧化,进行下一步。
[0020]进一步地,步骤S5中所述关系模型的建立方法,包括以下步骤:
[0021]P1、收集数据集,将S3中测定的所述待测样品的初始电导率和消解氧化所消耗的时间,作为输入数据,将S4测定的TOC值作为输出数据;
[0022]P2、在神经网络数据分析之前,将数据进行归一化处理,再计算;
[0023]P3、确定神经网络层数和隐藏层;
[0024]P4、采用神经网络算法,设定模型参数;
[0025]P5、根据模型进行计算,得到TOC值。
[0026]优选地,步骤P1中所述数据集≥100组,其中训练集为80

100组,测试集为0

20组。
[0027]优选地,步骤P3中所述隐藏层为1

5,
[0028]优选地,步骤P3中所述隐藏层为3。
[0029]优选地,步骤P4中所述神经网络算法是指采用BP神经网络。
[0030]优选地,步骤P4中所述模型参数包括将学习率设置为0.1

0.2,所述激活函数为sigmoid。
[0031]本专利技术还保护一种由上述任一项所述方法的高效检测装置,包括水样存储罐(1)、注射泵(2)、准分子222nm紫外灯(3)、催化氧化室(4)、CO2浓度检测器(5)、H2O2注射器(6)、电导率检测器(7)、电磁阀(8)、废液桶(9);其中,
[0032]所述水样存储罐(1)的出口与所述注射泵(2)相连,所述注射泵(2)与所述催化氧化室(4)的底部进口相连,所述准分子222nm紫外灯(3)设置在所述催化氧化室(4)的侧面,所述催化氧化室(4)的顶部出口与所述CO2浓度检测器(5)相连,所述催化氧化室(4)的顶部与H2O2注射器(6)相连,所述催化氧化室(4)的侧面与所述电导率检测器(7)相连,所述催化氧化室(4)的底部出口与所述电磁阀(8)相连,所述电磁阀(8)与废液桶(9)相连。
[0033]进一步地,根据上述所述高效检测装置中所述准分子222nm紫外灯(3)最外面设置石英玻璃套管(15),所述石英玻璃套管(15)内设有同轴套接的内管和外管,所述内管位于所述石英玻璃套管(15)的中心,所述内管由准分子灯石英内壁(11)围合形成封闭区域,所述内管顶部连接正极电缆(10);所述内管之外设有KrCl气体室(12),所述KrCl气体室(12)被所述准分子灯石英外壁(13)包围形成封闭U型气体腔,所述准分子灯石英外壁(13)的表面设置负极铜丝网(14)。
[0034]有益效果:
[0035]该方法采用UV 222nm和H2O2替代常规消解氧化装置,能够提高消解效率。相比UV 254nm,H2O2在UV 222nm处有高达5倍的摩尔吸光系数,能够更快的生成
·
OH,减少H2O2的消耗量。同时,通过神经网络机器学习建立TOC的在线检测模型,能够提高检测精度,提升检测效率,简化检测流程。
附图说明
[0036]为了更清楚地说明本专利技术的技术方案,下面将对附图作简单的介绍,显而易见地,下面描述中的附图仅仅涉及本专利技术的一些实施例,而非对本专利技术的限制。
[0037]图1是基于UV 222nm和H2O2的TOC在线检测方法流程图;
[0038]图2是神经网络模型在TOC在线检测中的应用流程;
[0039]图3是本专利技术UV 222nm TOC高效检测装置示意图;
[0040]图3标记:水样存储罐(1)、注射泵(2)、准分子222nm紫外本文档来自技高网
...

【技术保护点】

【技术特征摘要】
1.一种基于神经网络的水质TOC高效检测方法,其特征在于,具体包括以下步骤:S1、将水体进行采样后,进行预处理过滤,得到待测样品;S2、将所述待测样品置于222nm准分子灯的照射下,加入H2O2溶液,进行消解氧化反应,收集反应产生的气体;S3、利用电导率检测器测定所述待测样品的电导率,定时记录所述待测样品的电导率,当电导率或者电导率的变化率达到阈值时,进行下一步;S4、利用CO2浓度检测器测定所述待测样品消解氧化过程中产生的气体中CO2含量,并换算成水体的TOC值;S5、建立所述水体消解氧化反应所需的时间、待测样品的初始电导率、根据CO2浓度检测器计算得到的TOC值之间的关系模型,模型建立之后,代替CO2浓度检测器,计算水体的TOC值。2.根据权利要求1所述一种基于神经网络的水质TOC高效检测方法,其特征在于:步骤S2中所述H2O2溶液的浓度为1

50mmol/L,所述H2O2溶液与所述待测样品按照体积比0

6:5

12混合,优选为1:10。3.根据权利要求1所述一种基于神经网络的水质TOC高效检测方法,其特征在于:步骤S3中所述定时记录,是指记录待测样品的初始电导率,再间隔0.5

2min测定所述待测样品的电导率的变化,所述测定样品的电导率或变化率低于预设阈值时,视为所述待测样品中的有机化合物被完全消解氧化,进行下一步。4.根据权利要求1所述一种基于神经网络的水质TOC高效检测方法,其特征在于:S5中所述关系模型的建立方法包括以下步骤:P1、收集数据集,将S3中测定的所述待测样品的初始电导率和消解氧化所消耗的时间,作为输入数据,将S4测定的TOC值作为输出数据;P2、在神经网络数据分析之前,将数据进行归一化处理,再计算;P3、确定神经网络层数和隐藏层;P4、采用神经网络算法,设定模型参数;P5、根据模型进行计算,得到TOC值。5.根据权利要求4所述一种基于神经网络的水质TOC高效检测方法,其特征在于:步骤P1中所述数据集≥100组,其中训练集为80...

【专利技术属性】
技术研发人员:王蕾赵敏于鑫叶成松甘嘉铭
申请(专利权)人:厦门大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1