[发明专利]基于宽光谱及BPNN的水体COD与浊度同时检测方法

说明书

本发明公开了一种基于宽光谱及BPNN的水体COD与浊度同时检测方法。通过采集不同浓度配比的COD以及浊度混合溶液的吸收光谱，建立了一系列数据集，并对数据集进行科学的划分。该方法构建了基于宽光谱的BPNN模型，使用训练集中240‑1040nm波长范围的吸光度作为输入指标，COD和浊度的实际值为输出指标，并采用改进的随机梯度下降算法对BPNN模型进行训练；再使用验证集数据对BPNN模型的性能进行评估；最后通过使用测试集的数据对训练好的BPNN模型进行性能测试。结果表明，该方法不仅可以消除浊度对COD准确测量的干扰，而且还可以同时实现对浊度本身的准确测量，在水质在线监测领域具有广阔的应用前景。

技术领域

本发明涉及水环境质量在线监测领域，特别涉及一种基于宽光谱及BPNN的水体COD与浊度同时检测方法。

背景技术

在环境保护越来越受重视的今天，判断水体污染程度的前提就是要准确、快速地测定水质参数，同时还要尽可能地节省成本实现在线测量。水体污染程度的两个重要评价指标就是化学需氧量(COD)和浊度。

对于COD的测定，传统的方法主要包括重铬酸钾滴定法和快速消解分光光度法。虽然这两种方法的测量范围广、准确度较高和重现性好，但对试剂的消耗大、二次污染大、测量周期长，不适合在线和实时检测。近年来，紫外-可见光谱法被广泛应用在了实时环境监测上。该方法操作简单，分析速度快，分辨率高，稳定性好，不受pH和温度的影响。虽然UV-Vis吸收光谱法测量COD的优点非常多，但同样也存在一些问题尚待解决：比如在天然水体中会存在大量悬浮固体颗粒，这些粒子引起的光散射会破坏Lambert-Beer定律的适用性，严重影响模型精度。在实际测量COD时，会发现浊度与COD的光谱会有重叠干扰部分，非常不利于对COD的准确测定。目前针对这一问题，多采用多元散射校正的方法来消除浊度的影响，但这一方法只是补偿了浊度引起的散射光谱，将浊度视作干扰物质，无法实现同时测量水体COD与浊度。

对于浊度，通常使用不同的照明角度来测量光通过样品的散射和透射率，并将这些读数转换为基于标准浊度单位(NTU)的测量值。也就是通过测量溶液中的颗粒对光的散射和吸收来量化水的浊度。但是这种方法并不适合作为在线测量，并且容易受到溶液中其他物质的影响，结果不够准确。

总之，目前对于解决COD与浊度吸收光谱交叉干扰的方法还不够成熟。难以做到同时对水体的COD以及浊度进行同时测量。随着人工神经网络(ANN)的发展，多项研究证明了人工神经网络在预测水质参数方面的可行性，但是，利用人工神经网络的光谱法同时测量COD和浊度的研究还很缺乏。例如中国专利CN 113433086 A公开了一种模糊神经网络结合分光光度法预测水质COD的方法，使用多参数水质测定仪和便携式温度pH测定仪测量湖泊水质的COD、总磷、总氮、氨氮、高锰酸盐指数、温度、pH这七种参数，利用其中与COD相关性高的五种水质参数作为神经网络输入，以此来预测湖泊水质COD。然而由于该方法至少需要测量与水体COD相关的五种水质指标，并且测试耗时较长，所以难以实现快速在线测量。更重要的是，该方法不能同时对水体质量另一个重要指标——浊度进行准确的快速测量。

发明内容

为实现水体COD以及浊度同时、准确、快速地测量，本发明提供了一种基于宽光谱及BPNN(Back Propagation Neural Network,后向传播神经网络)的水体COD与浊度同时检测方法。该方法不仅可以去除浊度对准确测量水体COD的影响，同时还能实现浊度自身的准确测量，相较于传统的紫外-可见-近红外光谱法，本发明提出的方法解决了浊度与COD的光谱有重叠干扰的问题，显著地提高了同时测定水体COD与浊度的测量精度。

本发明的目的通过以下技术方案实现。

一种基于宽光谱及BPNN的水体COD与浊度同时检测方法，包括以下步骤：

步骤1：配置不同浓度配比的COD与浊度混合溶液，使用光谱采集系统获取混合溶液的240-1040nm吸光度；