快速、精准地实现水体中多种污染物的耦合干扰解析及含量检测对野外水质实时监测具有重要意义。针对紫外光谱法同步检测化学需氧量（COD）和浊度时存在特征耦合及谱峰重叠干扰，进而严重影响检测精度的问题，提出了一种连续投影算法结合支持向量回归的水质污染物含量解耦预测方法。采用连续投影算法对水质样本的紫外吸收光谱特征波长进行筛选，消除无关冗余数据以提高模型迭代速率和精度。基于多分类支持向量机思想对支持向量回归算法进行多回归拟合改进，实现COD和浊度的紫外光谱耦合解析和含量的同步预测。通过实际水样检测验证，结果表明：耦合解析前的预测均方根误差改进率达到76%，最大相对误差均降低至4%以内，优于同类方法的检测精度，该研究对紫外光谱法水质多耦合参数检测应用具有参考价值。

提出一种多场景优化的光谱分类建模解算方法:首先,通过颗粒物Mie散射仿真分析,构建幂函数修正方程,以直接拟合法对样本光谱进行精确浊度校正;然后,利用吸光度归一化法获取不同场景的线性特征光谱,形成场景特征库;使用偏最小二乘法(PLS)为每个场景建立解算模型,形成化学需氧量(COD)解算模型库。对未知水样本进行COD检测时,先通过杰卡德(Jaccard)相似性理论将其归一化光谱与场景库线性特征谱进行匹配,识别其归属场景, 再获取解算库中的最优解算参数来计算COD浓度。实验结果表明,所提方法可获得较高的场景匹配精度,有效降低多场景条件下的COD解算误差,具备良好的实用价值。

COD代表了水体受还原性物质污染的程度。 相对于采用传统方法检测COD, 存在检测时间长且操作复杂等缺点, 紫外光谱法以其检测速度快, 无需使用化学试剂等特点成为了主流的检测方法。 基于朗伯-比尔定律, 以邻苯二甲酸氢钾粉末配置的COD标准溶液为研究对象, 针对低温环境下利用紫外光谱法检测COD精度的问题, 分别对COD的最佳检测波长和温度对COD检测值的影响进行研究。 同时选择长春市某地区地表水为研究对象, 验证COD最佳检测波长在实际水样中的适用性及温度补偿模型的准确度。 在研究检测波长对COD检测值的影响时, 选用256, 266, 276, 286和296 nm共5个波长对样本进行回归分析, 它们的吸光度分别为A256, A266, A276, A286, A296, 将吸光度Ａ与COD标准溶液浓度值进行线性回归, 通过拟合结果得出: 276, 286和296 nm处模型具有代表性, 且在286 nm处拟合效果最好, 296 nm次之, 最后为276 nm, 其中286 nm处相关系数r为0.994 6, 决定系数R2为0.989 4, 波长为296 nm处和方差SSE=0.011 4, 预测均方根误差RMSE=0.037 7, 但其决定系数R2较低, 可见在286 nm处COD检测值与吸光度具有最高的相关性, 又探究了标准温度（20 ℃）下8 mg·L-1的COD实际水样和标准水样的光谱吸收情况, 得出286 nm同样适用于实际水样的检测, 可见286 nm处为最佳检测波长。 在研究温度对COD检测值的影响时, 采集不同温度下COD实际水样与标准水样的紫外吸收光谱, 经过分析得出: COD实际水样中紫外光谱吸收度会随温度升高而增大。 为了减弱在COD测量中温度的影响, 根据最小二乘原则, 建立温度补偿模型。 利用实际水样验证温度补偿模型的准确度, 同时进行误差分析, 分析结果表明: COD的实际值与补偿后值的最大相对误差为6.38%, 最小相对误差为0.63%, 且多数相对误差集中在4%, 由此可见, COD温度补偿模型补偿精度高, 效果良好。 结果表明: COD检测选取的最佳波长及温度补偿模型可有效的提高COD低温检测精度。

水是生命之源, 作为人类生活的必需品, 水质的优劣直接关系到人们的健康生活。 目前, 关于水质COD在线检测方法的研究主要集中在光谱数据预处理和光谱特征提取, 而针对光谱数据建模方法的研究较少。 卷积神经网络（CNN）作为目前深度学习领域应用最广泛的网络模型, 具有强大的特征提取和特征映射能力, 本文将CNN与紫外-可见光谱分析法相结合, 建立了基于CNN的水质COD紫外-可见光谱预测模型。 模型使用Savitzky-Golay平滑滤波方法去除光谱噪声, 光谱输入卷积层提取光谱数据特征、 池化层降维、 全连接层映射全局特征, 通过ReLU和Adam优化方法, 从而得到模型的预测值。 通过实验发现, CNN模型具有较强的水质COD预测能力, 具有较高的预测精度和回归拟合优度, 通过与BP, PCA-BP, PLSR和RF等模型比较后发现, CNN模型的预测样本的RMSEP和MAE最小, R2最大, 模型拟合效果最优。 在与训练样本的模型效果评价对比后发现, 模型具有较强的泛化能力。 针对吸收光谱的波峰偏移对预测结果所造成的预测结果不准确的问题, 作者还提出了一种基于CNN的分类回归模型卷积神经网络增强模型（CNNs）, 去噪后的光谱数据通过CNN分类模型按照吸收波峰的不同特征分为三类, 分别输入对应CNN回归模型进行预测。 实验结果表明, 分段式CNNs模型比整体式CNN模型的拟合效果更好, 预测精度更高, R2达到0.999 1, 测试样本的MAE和RMSEP分别为2.314 3和3.874 5, 比CNN分别下降了25.9%和21.33%, 效果显著。 通过对预测模型的性能测试, 计算得出检出限为0.28 mg·L-1, 测量范围为2.8~500 mg·L-1。 本文创新的将卷积神经网络与光谱分析方法相结合, 为光谱分析方法在水质COD吸收光谱建模的应用开拓了新思路。

采用光谱技术检测水质参数是当前的一个研究热点, 提出了一种基于荧光发射光谱的水质化学需氧量(COD)的检测方法。 实验样本分为两组, 第一组为20份COD标准溶液, 第二组为63份实际水样。 实验样本的化学需氧量检测采用快速消解分光光度法, 利用三维荧光分光光度计采集水样在EX=275 nm激发波长下的荧光发射光谱(荧光发射光谱范围为EM=325~450 nm), 并对两类水样的荧光发射光谱数据进行了处理和建模。 分别采用主成分回归(PCR)和偏最小二乘回归(PLSR)对两类水样的荧光发射光谱数据进行了预测模型的建立, 并对模型效果进行了对比。 为验证该方法的可行性和模型的预测能力, 将所建PLSR模型预测结果与标准方法的检测结果进行了对比。 结果表明, 对于COD标准液来说, PLSR和PCR的主成分数分别取5和8时所得的模型的交叉检验效果最优, 校正模型的决定系数分别为R2PLS=0.999 9和R2PCR=0.989 7, 校正模型对检验集数据的预测误差不超过10%, 且PLSR所建模型优于PCR模型。 对于实际水样而言, PLSR和PCR的主成分数分别为6和7时, 校正模型的交叉验证效果最优。 PLSR法和PCR法的校正集的交叉检验均方差RMSECVPLS和RMSECVPCR分别为0.932 2和0.976 4 mg·L-1。 对于实际水样的检验集来说, PLSR法和PCR法的预测决定系数R2PLS和R2PCR分别为0.940 2和0.919 0, 说明PLSR法的预测效果更优, 基于荧光发射光谱数据的PLSR模型具有较高的预测能力和较强的适应性, 可以快速、 准确的检测出水质COD。 通过和传统检测方法的效果对比可知, 该方法可用于检测有机污染物浓度较低的水体, 有机物浓度较高时采用该方法时检测误差会变大。 该研究为水质检测光学传感器的研发提供了一种新的设计思路。

水体化学需氧量（COD）是一个重要的水体质量指标, 一般用来衡量有机物的污染程度。 对COD的检测长期依赖采样后的实验室化学分析方法, 目前应用最普遍的是重铬酸钾氧化法与酸性高锰酸钾氧化法。 化学分析的方法操作复杂, 耗时费力, 且引入新的化学药剂, 造成二次污染, 因此, 急需一种能够实现水体COD快速测量的检测技术。 在前期研究基础上, 对水体COD的激光诱导击穿光谱检测方法进行深入探索, 重点是优化模型预测速度, 目的是研究激光诱导击穿光谱技术用于对水体COD的快速测量方法。 采集了不同COD浓度的99个水体样本, 分为训练集和测试集两组, 通过重铬酸钾氧化法测定各水样的COD值, 作为真实值, 利用实验室自建的激光诱导击穿光谱采集系统采集各水样波长在200～1 000 nm的光谱信息, 利用偏最小二乘算法建立训练集水样COD的定量化测量模型, 然后对测试集光谱数据进行预测, 将预测结果与实验室化学方法测定的真实值进行对比, 评估预测效果。 通过对原始光谱建立的预测模型进行分析, 发现在建模过程中, 大量的激光诱导击穿光谱数据与COD浓度相关性很差, 而这些无用数据参与计算, 浪费了计算资源, 延长了检测时间, 造成系统负载过大, 不利于便携式检测设备的开发。 重点研究贡献度最大的前几个主成分, 通过对COD测量原理和PLS模型载荷分析, 找到LIBS光谱中与水样COD浓度相关性最高的主要特征峰, 经过分析发现, 主要为来源于水中有机物中的C, H, O, N以及水中一些还原性离子元素的特征峰, 这些特征峰对COD的模型预测能力贡献最大, 而COD的定义正是衡量水体中这些元素的多少, 这与该研究分析结论相吻合。 为了实现检测速度的提升, 提取这些特征峰, 对光谱数据进行降维, 剔除大量无关或相关性较低的数据, 经过多次筛选和降维, 最终将原来参与计算的每条光谱的13 622个数据降到28个, 大大降低系统的运算量, 却依然能够保留不错的预测能力。 筛选出的28个特征波长最能反映水体COD浓度, 为水体COD便携式的多波段检测设备的研发, 实现对COD的快速测量奠定了基础。

化学需氧量(COD)是水源地水质有机物污染的一项重要指标,是水质监测的必检参数之一。基于紫外分光光度法(UV法)的COD在线监测是全面实施污染源在线实时监测的重要手段。针对传统试剂法COD在线检测存在的问题,设计了基于双光源检测方法的COD在线检测传感器。从理论方面分析了浊度、光源温度和水样温度变化对测量值的影响并提出了温度补偿和浊度补偿的方法。实验结果表明,传感器的重复性误差为3.12%,实际水样对比实验最大相对误差为6.18%,浊度补偿和温度补偿可靠性较高。所制COD传感器能够对水样COD浓度进行准确测量,满足水质在线监测设备的技术要求。