一种水样中化学需氧量的检测方法技术

本发明专利技术公开了一种水样中化学需氧量的检测方法，是将水质参数和紫外光谱结合对化学需氧量进行定量检测，先分别获取吸光度数据，采用算法建模确定最佳波长变量，然后完成光谱吸光度特征提取；接着获取水质参数，对水质参数进行数据对准，然后将各项水质参数加权叠加计算吸光度辅助变量；然后将提取的光谱吸光度特征和计算的吸光度辅助变量融合建模，进行特征级的数据融合，计算得到化学需氧量预测值。该检测方法采用水质参数和紫外光谱的吸光度数据进行建模分析，充分考虑到水质参数对COD的影响，提高了建模结果的置信度，能减少化学需氧量预测值的误差。氧量预测值的误差。氧量预测值的误差。

【技术实现步骤摘要】
一种水样中化学需氧量的检测方法


[0001]本专利技术涉及化学需氧量的检测技术，具体涉及一种水样中化学需氧量的检测方法。

技术介绍

[0002]化学需氧量(COD)是以化学方法测量水质中能够被氧化的还原性物质的量。在各种水体污染物中，化学需氧量是反映生活工业废水中有机物污染程度的指标，在水样检测中是必须要测量的项目。由于大多数水质污染中有机物在紫外线范围内具有吸收的特点，所以采用紫外光谱法可对有机物进行定性、定量的有效测定。目前，关于紫外光谱法在水质化学需氧量检测应用研究较多。在国内，关于使用紫外光谱法进行水质化学需氧量检测的应用比国外要少，且相应的检测技术应用尚不成熟。
[0003]另外，实验证明，选用紫外光谱法检测化学需氧量时，水质参数会对COD检测结果造成影响，但是目前水质化学需氧量检测并没有考虑常规水质参数对COD结果产生的影响，导致检测结果误差较大。

技术实现思路

[0004]为了克服现有技术的不足，本专利技术的目的在于提供一种水样中化学需氧量的检测方法，结合水质参数和紫外光谱对化学需氧量进行定量检测，减少检测结果的误差。
[0005]本专利技术的目的采用如下技术方案实现：
[0006]一种水样中化学需氧量的检测方法，包括以下步骤：
[0007]1)分别对若干组水样进行连续紫外光谱扫描，得到该水样在多个波段的吸光度数据；
[0008]2)选用偏最小二乘算法建模选取区间宽度，在若干个区间中计算出吸光度最大的光谱区间，即得到最佳的紫外光谱波长变量，提取在该紫外光谱波长下的吸光度数据；
[0009]3)测定若干组水样的至少两种水质参数，分别对各组的水质参数进行数据对准；
[0010]4)将步骤3)所得数据对准后的水质参数分别使用加权平均法计算吸光度辅助变量，公式为：x*＝x1a1+x2a2+
……
+x
n
a
n
，其中，x1、x2、x
n
分别对应水质参数，a1、a2、a
n
为与x1、x2和x
n
的对应权重系数；
[0011]5)将步骤4)所计算的x*作为吸光度辅助变量，与步骤2)所得的最佳紫外光谱波长下的吸光度数据，采用融合建模算法，计算得到化学需氧量预测值。
[0012]进一步，步骤2)中，区间宽度为5～16nm，区间总数为10～30。
[0013]进一步，步骤2)中，在得到紫外光谱波长下的吸光度数据后，对吸光度数据进行平滑去噪和归一化处理。
[0014]进一步，还包括步骤6)，在得到化学需氧量预测值后，计算预测值与真实值的误差。
[0015]进一步，步骤3)中，所述数据对准为最大值最小值归一化处理，公式为：
其中，x为归一化前变量，x
max
和x
min
分别为x的最大值和最小值，为归一化后的变量。
[0016]进一步，所述水质参数为pH、温度、浊度、电导率和溶解氧中的一种或两种以上。
[0017]再进一步，所述水质参数为pH、温度和浊度；在步骤4)中，吸光度辅助变量x*＝x1a1+x2a2+x3a3，其中，x1、x2、x3分别对应pH、温度和浊度。
[0018]进一步，步骤5)中，所述融合建模算法为偏最小二乘算法或最小二乘支持向量机算法。
[0019]再进一步，所述融合建模算法为最小二乘支持向量机算法，依次包括以下步骤：根据模型选定因变量和自变量、数据预处理、选择惩罚系数γ和核函数宽度参数б、选择最佳参数训练模型、求出回归系数a和b，拟合预测并求出评价指标。
[0020]进一步，所述惩罚系数γ为300～500，所述核函数宽度参数б为15～40。
[0021]相比现有技术，本专利技术的有益效果在于：
[0022](1)本专利技术的水样中的化学需氧量的检测方法，是将水质参数和紫外光谱结合对化学需氧量进行定量检测，先分别获取吸光度数据，采用算法建模确定最佳波长变量，然后完成光谱吸光度特征提取；接着获取水质参数，对水质参数进行数据对准，然后将各项水质参数加权叠加计算吸光度辅助变量；然后将提取的光谱吸光度特征和计算的吸光度辅助变量融合建模，进行特征级的数据融合，计算得到化学需氧量预测值。该检测方法采用水质参数和紫外光谱的吸光度数据进行建模分析，充分考虑到水质参数对COD的影响，提高了建模结果的置信度，能减少化学需氧量预测值的误差。
[0023](2)本专利技术的水样中的化学需氧量的检测方法中，通过筛选特定波长或波长区间进行吸光度数据的特征提取，能得到更好的定量校正模型，使模型的预测能力和稳定性提高。
[0024](3)本专利技术的水样中的化学需氧量的检测方法中，在获取水质参数后，采用最大值最小值归一化法对水质参数进行数据对准，使得在信息融合过程中，每个传感器获取的吸光度数据都能在设定的同一个框架内，再进行后续的特征级融合建模分析。
[0025](4)本专利技术的水质参数优选为pH、温度和浊度，这三种水质参数对紫外光谱法检测化学需氧量结果影响较大，所述融合建模算法优选为最小二乘支持向量机算法(LS
‑
SVM)，将水质参数和光谱数据融合建模，将水质参数加权组成新的吸光度辅助变量，融合光谱吸光度信息进行建模，结果表明，融合水质参数和光谱信息的建模方法提高了模型的置信度和评价参数。
附图说明
[0026]图1为实施例1～5的检测方法流程示意图。
具体实施方式
[0027]下面，结合附图以及具体实施方式，对本专利技术做进一步描述，需要说明的是，在不相冲突的前提下，以下描述的各实施例之间或各技术特征之间可以任意组合形成新的实施例。
[0028]实施例1
[0029]一种水样中化学需氧量的检测方法，如图1所示，包括以下步骤：
[0030]1)分别对20组水样进行连续紫外光谱扫描，得到该水样在多个波段的吸光度数据；
[0031]2)选用偏最小二乘算法建模选取区间宽度为10nm，在16个区间中计算出吸光度最大的光谱区间，即得到最佳的紫外光谱波长变量为236～253nm，提取在该紫外光谱波长下的吸光度数据，并对该数据进行平滑去噪和归一化处理。
[0032]3)分别测定20组水样的pH、温度和浊度，分别对各组的水质参数采用最大值最小值归一法进行数据对准，公式为：其中，x为归一化前变量，x
max
和x
min
分别为x的最大值和最小值，为归一化后的变量。
[0033]4)将每组得到的pH、温度和浊度，分别使用加权平均法计算吸光度辅助变量，公式为：x*＝x1a1+x2a2+x3a3，其中，x1、x2、x
n
分别对应pH、温度和浊度，a1＝0.56，a2＝0.28；a3＝0.16；
[0034]5)将步骤4)所计算的x*作为吸光度辅助变量，与步骤2)所得的最佳紫外光谱波长下的吸光度数据，采用最小二乘支持向量机算法(LS...

【技术保护点】

【技术特征摘要】
1.一种水样中化学需氧量的检测方法，其特征在于，包括以下步骤：1)对水样进行连续紫外光谱扫描，得到该水样在多个波段的吸光度数据；2)选用偏最小二乘算法建模选取区间宽度，在若干个区间中计算出吸光度最大的光谱区间，即得到最佳的紫外光谱波长变量，提取在该紫外光谱波长下的吸光度数据；3)测定若干组水样的至少两种水质参数，分别对各组的水质参数进行数据对准；4)将步骤3)所得数据对准后的水质参数分别使用加权平均法计算吸光度辅助变量，公式为：x*＝x1a1+x2a2+
……
+x
n
a
n
，其中，x1、x2、x
n
分别对应水质参数，a1、a2、a
n
为与x1、x2和x
n
的对应权重系数，权重系数之和为1；5)将步骤4)将吸光度辅助变量x*，与步骤2)所得的最佳紫外光谱波长下的吸光度数据，采用融合建模算法，计算得到化学需氧量预测值。2.如权利要求1所述的水样中化学需氧量的检测方法，其特征在于，步骤2)中，区间宽度为5～16nm，区间总数为10～30。3.如权利要求1所述的水样中化学需氧量的检测方法，其特征在于，步骤2)中，在得到紫外光谱波长下的吸光度数据后，对吸光度数据进行平滑去噪和归一化处理。4.如权利要求1所述的水样中化学需氧量的检测方法，其特征在于，...

【专利技术属性】
技术研发人员：李智，李明，徐一，汪丹丹，朱盼盼，朱立冰，程倩，邹万，
申请(专利权)人：广检检测技术武汉有限公司，
类型：发明
国别省市：