[发明专利]基于神经网络的COD紫外光谱在线检测优化方法

说明书

本发明公开了一种基于神经网络的COD紫外光谱在线检测优化方法，属于水体有机物检测领域，所述方法包括：测量待测水样的浊度、悬浮物、电导率和pH值；用紫外光谱法测量待测水样的COD值，作为待测水样的COD初始值；将待测水样的浊度、悬浮物、电导率、pH值和COD初始值作为已训练的BP神经网络的输入向量，得到待测水样的COD优化值。本发明可依据水体多种影响因素的指标进行高精度的神经网络建模，以提高紫外光谱法COD在线测量的精度。本发明中考虑的影响因素有水样的浊度、悬浮物(SS)、电导率和pH值。这些因素会影响紫外光谱法测量COD值的准确性。通过神经网络的建模，可以精确的评估这些因素对COD测量值的影响，进而获得更精确的COD优化值。

技术领域

本发明涉及水体有机物检测领域，特别是指一种基于神经网络的COD紫外光谱在线检测优化方法。

背景技术

水是人类生活与社会生产所需要的极为重要的资源。随着社会的发展，人类面临着日益严重的水污染问题，水质监测已经成为确保用水安全的重要课题。近些年来，随着科技水平的不断提高，工业社会逐渐进入了信息时代，水处理工程的发展也在朝着自动化、信息化、网络化的方向发展。改革开放以来，我国经济呈现出强劲的发展势头和旺盛的生命力，但在各项经济指标稳健发展的同时，环境质量却呈现逐年恶化的趋势，水污染状况尤为严重和突出，对水污染治理的要求也越来越高。

传统的水处理工程自动化、智能化程度低，存在着大量人工检测、人工反馈、调节滞后的环节，效率低下，精确度差，已经不能适应经济社会对水污染治理日益提高的要求。例如，检测环节，大部分地区的重点水质指标仍采用的人工采样再到实验室进行分析的非自动在线式检测，无法掌握实时、连续的水质数据，不能实现数据的传输、共享、反馈和预警，对水质信息的变化反应滞后，甚至可能会引起重大污染事故和纠纷。

化学需氧量(Chemical Oxygen Demand，COD)是衡量水质的一个重要参数，反映了水中还原性有机污染物的含量。传统的COD监测常使用化学分析的方法，如重铬酸钾法，这种方法虽然精准度高，但是检测周期长、操作复杂、且会造成二次污染。近年来，紫外光谱吸收法在监测水体COD值领域获得了广泛的应用，这种方法方便快捷、无需前处理与化学试剂、可以实现实时在线监测，已经成为COD监测的一个重要的发展方向。在紫外光谱吸收法中，常使用254nm处吸光度来测量水体的COD值。在水体有机污染物组分单一或成分固定时，这个吸光值可以很好的反应水体COD值；但是当水中有机物组分较复杂时，254nm的吸光度与水体COD值的依赖关系会变得相对复杂，这直接影响了测量的精确性。

发明内容

本发明提供一种基于神经网络的COD紫外光谱在线检测优化方法，本发明可依据水体多种影响因素的指标进行高精度的神经网络建模，以提高紫外光谱法COD在线测量的精度。

为解决上述技术问题，本发明提供技术方案如下：

本发明提供一种基于神经网络的COD紫外光谱在线检测优化方法，包括：

测量待测水样的浊度、悬浮物、电导率和pH值；

用紫外光谱法测量待测水样的COD值，作为待测水样的COD初始值；

将待测水样的浊度、悬浮物、电导率、pH值和COD初始值作为已训练的BP神经网络的输入向量，得到待测水样的COD优化值。

进一步的，所述BP神经网络通过如下方法训练得到：

构造若干训练水样，两两训练水样的浊度、悬浮物、电导率和pH值至少有一项不同；

测量每个训练水样的浊度、悬浮物、电导率和pH值；

用紫外光谱法测量训练水样的COD值，作为训练水样的COD初始值；

用重铬酸钾法测量训练水样的COD值，作为训练水样的COD标准值；