[发明专利]一种光谱法水质COD参数预测方法有效

专利信息
申请号: 201811596636.1 申请日: 2018-12-26
公开(公告)号: CN109459402B 公开(公告)日: 2021-02-23
发明(设计)人: 吴绍锋;蔡鑫;张敏;李东波 申请(专利权)人: 南京波思途智能科技股份有限公司
主分类号: G01N21/33 分类号: G01N21/33;G01N21/31
代理公司: 南京司南专利代理事务所(普通合伙) 32431 代理人: 叶蕙
地址: 211135 江苏省南京市江宁区*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 光谱 水质 cod 参数 预测 方法
【说明书】:

发明公开了一种光谱法水质COD参数预测方法,该方法包括:对于实际水样的光谱数据与相应的COD(化学需氧量,Chemical Oxygen Demand)参数,通过光谱数据分割,环境特征段函数拟合,环境特征拓展延伸,以及COD特征选取等方法,建立COD特征与相应的COD参数值的最优函数模型,最后采用最优函数模型对待测水样的COD参数进行预测。本发明速度快,准确率高。

技术领域

本发明涉及水质监测领域,尤其涉及一种光谱法水质COD参数预测方法。

背景技术

饮水安全问题直接关系到广大人民群众的健康,积极探索采用先进可行的监测技术与方法,实时掌握重要饮用水水源地水质变化情况,加强突发水污染事件水质预警和应急处理能力是十分必要和迫切的。

中国国家水资源监控能力建设2012-2014年项目(以下简称一期项目)已于2015年完成全部建设内容。一期项目完成后,在填补中国水资源监控手段缺乏、改善水资源管理基础设施薄弱状况、提高水资源源管理信息化永平等方面发挥了重要作用。通过一期项目建设基本实现了列入《全国重要饮用水水源地名录》(水资源函[2011]109号)的重要地表水水源地水质在线监测全覆盖。

近年来,中国水质相关指标仍然使用化学法,虽然测量较为准确,但是耗时长,所需化学试剂多,操作复杂,稳定性差,二次污染严重,因此光谱法应运而生,其监测周期短,速度快,是在线监测的必备手段。

发明内容

发明目的:本发明针对现有技术存在的问题,提供一种光谱法水质COD参数预测方法,可以对水质的COD参数进行预测,速度快,结果也更准确。

技术方案:本发明所述的光谱法水质COD参数预测方法包括:

(1)获取多条实际水样的光谱数据和对应的COD参数值;

(2)使用波长为P的分割点将每条水样的光谱数据分为COD特征段和环境特征段两部分;

(3)对每条水样的环境特征段采用不同的系数进行拟合,并将拟合程度最高的最佳拟合曲线向COD特征段拓展;

(4)根据拓展的最佳拟合曲线获取每条水样的COD特征值;

(5)对每条水样的COD特征值与COD参数值进行线性相关性拟合,得到分割点为P时的线性相关性模型FP和模型拟合优度

(6)在分割区间内更改P的波长值,重复(2)~(5)的步骤,并选择模型拟合优度最高的分割点作为最优分割点P*,其对应的模型作为最优相关性模型

(7)对于待测水样,采用最优分割点P*按照步骤(2)~(4)计算待测水样光谱数据的COD特征值,并将COD特征值带入最优相关性模型预测得到待测水样的COD参数值。

进一步的,步骤(1)中实际水样的光谱数据具体为实际水样的紫外可见吸收光谱数据,实际水样的COD参数值是通过国标法锰法对水样测定的值。

进一步的,步骤(2)中P的取值位于分割区间[300nm,350nm]内。

进一步的,步骤(3)中的拟合方法具体为:

采用不同的系数对每条水样的环境特征段进行对数函数最小二乘拟合,其中,所采用的对数函数具体为

Abs=k1ln(w+k2)+k3

式中,Abs为吸光度,w为波长,k1,k2,k3均为函数的系数。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于南京波思途智能科技股份有限公司,未经南京波思途智能科技股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201811596636.1/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top