基于紫外-可見光譜法水質(zhì)COD檢測方法與建模研究.pdf

1、近年來，隨著我國經(jīng)濟(jì)飛速發(fā)展和城市化腳步加快，隨之而來的水污染問題日趨嚴(yán)重，此問題已經(jīng)成為我國乃至全世界水資源面臨的最嚴(yán)重問題之一?；瘜W(xué)需氧量(COD)作為評價(jià)水體污染程度的重要指標(biāo)，可以表征水體有機(jī)物的濃度。紫外-可見光譜法檢測COD無二次污染、周期短、可實(shí)現(xiàn)在線檢測，是一種綠色檢測技術(shù)。本文針對紫外-可見光譜法水質(zhì)COD檢測方法和建模開展了如下研究工作:
　　1.光譜系統(tǒng)與光譜采集
　　為了檢測水質(zhì)COD值，本文開發(fā)了一

2、種紫外-可見光譜水質(zhì)COD檢測系統(tǒng)，并進(jìn)行實(shí)驗(yàn)室鄰苯二甲酸氫鉀標(biāo)準(zhǔn)溶液制備與檢測，采集紫外-可見吸光度光譜數(shù)據(jù)。
　　2.光譜數(shù)據(jù)預(yù)處理技術(shù)研究
　　針對原始光譜受到大量噪聲影響的問題，本文需要一種去噪過程中盡可能少丟失真實(shí)信息的方法進(jìn)行原始光譜去噪，小波分析可以滿足要求。本文采用小波函數(shù)db8，對原始光譜進(jìn)行5層小波分解，然后利用軟閾值方式進(jìn)行量化處理，重構(gòu)后的水質(zhì)COD光譜曲線十分光滑，去噪效果顯著。小波去噪后依然存在光

3、譜信息冗余和多重共線性問題，采用主成分分析法對光譜數(shù)據(jù)進(jìn)行降維處理，有效去除冗余信息，保留有用特征信息，提高了機(jī)器學(xué)習(xí)效率。
　　3.水質(zhì)COD檢測預(yù)測模型研究
　　由于紫外-可見光光譜數(shù)據(jù)與水質(zhì)COD值的關(guān)系具有復(fù)雜的非線性，無法采用傳統(tǒng)的機(jī)理建模方法。建立基于BP神經(jīng)網(wǎng)絡(luò)的水質(zhì)COD預(yù)測模型，可以有效的預(yù)測水質(zhì)COD值。為了提高預(yù)測精度，采用改進(jìn)的鯨魚優(yōu)化算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)參數(shù)，建立基于鯨魚優(yōu)化算法BP神經(jīng)網(wǎng)絡(luò)的水質(zhì)C