作者单位
摘要
1 燕山大学电气工程学院, 河北 秦皇岛 066004
2 Department of Electrical and Computer Engineering, McGill University, QC H3A 2A7, Canada
利用紫外光谱法分析水体COD时, 当样品达到一定浓度之后(仍处于朗伯-比尔定律通常被适用的浓度范围内), 其溶液紫外吸光度与溶液COD数值会明显偏离线性关系, 此现象在许多学者发表的紫外光谱论文中都曾有所提及。 对此, 选用海洋光学公司的S2000微型光纤光谱仪作为光谱测量仪器, 选用PX-2脉冲氙灯作为激发光源, 在温度为20 ℃(±0.5 ℃)及湿度为35%(±5%)的暗室中进行光谱实验, 测量了COD值为40~680 mg·L-1的34组邻苯二甲酸氢钾溶液样品的紫外吸收光谱, 并基于样品紫外吸收特性进行了分析建模。 采用相关系数法选取优势波段, 通过对比样品紫外吸收光谱的第二特征峰和水质COD分析中常用波长处的COD-吸光度关系曲线动态特性, 选定优势波长为275 nm。 采用逐点延伸的方式, 在较低浓度段利用鲁棒线性回归、 较高浓度段利用非线性最小二乘回归, 反复拟合线性或指数方程, 滑动预测下一个数据点, 根据均方根误差和相对误差判断预设低浓度临界点和较高浓度临界点, 确定了低浓度段和较高浓度段COD-吸光度关系模型的分段点分别为300和560 mg·L-1, 得到低浓度段模型和较高浓度段模型。 通过在优势波长处进行低浓度段、 较高浓度段和全浓度范围的鲁棒线性回归和非线性最小二乘法回归等不同模型的拟合精度比较, 表明40~300和300~560 mg·L-1范围内COD-吸光度关系的线性-指数分段数学模型, 不仅拟合精度最高, 而且预测效果好, 低浓度段的预测均方根误差为4.944 9, 较高浓度段的预测均方根误差为6.768 9, 整体预测均方根误差为5.664 7。 研究结果对紫外光谱应用于较高COD的水质测量和分析具有一定的参考价值。
紫外吸收光谱 COD测量 模型临界点 线性-指数分段模型 Ultraviolet absorption spectrum COD measurement Model critical point Linear-exponential piecewise model 
光谱学与光谱分析
2020, 40(6): 1741

关于本站 Cookie 的使用提示

中国光学期刊网使用基于 cookie 的技术来更好地为您提供各项服务,点击此处了解我们的隐私策略。 如您需继续使用本网站,请您授权我们使用本地 cookie 来保存部分信息。
全站搜索
您最值得信赖的光电行业旗舰网络服务平台!