[发明专利]一种适用于多场景条件的水体COD检测方法

说明书

本发明涉及COD检测技术领域，具体涉及一种适用于多场景条件的水体COD检测方法，包括：获取待测水体的吸收光谱；对待测水体的吸收光谱进行浊度校正和归一化处理，得到对应的归一化光谱；根据待测水体的归一化光谱在建立的场景特征库中匹配对应的所属场景条件；根据待测水体的所属场景条件在建立的COD解算模型库中获取对应的光谱COD解算模型作为最优解算模型，并根据最优解算模型计算待测水体的COD浓度。本发明中的水体COD检测方法能够适用于多种水体测量场景条件，从而能够保证多场景条件下COD浓度的检测效果，提升光谱法检测COD浓度的场景兼容性。

技术领域

本发明涉及COD检测技术领域，具体涉及一种适用于多场景条件的水体COD检测方法。

背景技术

化学需氧量(Chemical Oxygen Demand,COD)是反映水体中以可溶有机物为主的还原性污染物含量的重要水质参数。COD浓度的检测方法众多，目前应用最普遍的是高锰酸钾氧化法与重铬酸钾氧化法，但由于其存在水样预处理繁杂、设备成本高、测量周期长、有二次污染等问题，不便于在移动式监测、突发污染预警、污染源定位等应用环境下使用。因此，现有技术中常用的还有直接光谱法(直接紫外-可见吸收光谱检测法)检测COD浓度。

直接光谱法采用光束透射式测量，利用待测水体的吸收光谱解算COD浓度，以及生化需氧量、硝酸盐氮等多种水质参数。例如，公开号为CN111929262A的中国专利就公开了《一种水质COD预测方法》，其能够基于直接光谱法建立对应的光谱COD解算模型(基础模型和校正模型)，进而基于光谱COD解算模型实现COD浓度的检测。

申请人发现，水体中有机污染物的种类十分复杂，不同污染物的光谱特征及其对COD浓度的贡献率存在较大差异，使得特定的光谱COD解算模型仅适用于成分相对稳定的水体测量场景条件。但是，即便是相同的水体测量场景条件，受人类活动、水生物繁殖、季节更替等因素的影响，污染物种类和各污染物的浓度占比也会随时间周期性变化。然而，现有水质COD预测方法是基于稳定的水体测量场景条件建立的单一光谱COD解算模型，其对场景条件变化的适应力较弱，难以保证在具有一定差异的多种水体测量场景条件下的COD浓度检测精度，导致光谱法检测COD浓度的检测效果和场景兼容性均不好。因此，如何提供一种能够适用于多种水体测量场景条件的水体COD检测方法是急需解决的技术问题。

发明内容

针对上述现有技术的不足，本发明所要解决的技术问题是：如何提供一种能够适用于多种水体测量场景条件的水体COD检测方法，从而能够保证多场景条件下COD浓度的检测效果，提升光谱法检测COD浓度的场景兼容性。

为了解决上述技术问题，本发明采用了如下的技术方案：

一种适用于多场景条件的水体COD检测方法，包括以下步骤：

S1：获取待测水体的吸收光谱；

S2：对待测水体的吸收光谱进行浊度校正和归一化处理，得到对应的归一化光谱；

S3：根据待测水体的归一化光谱在建立的场景特征库中匹配对应的所属场景条件；

S4：根据待测水体的所属场景条件在建立的COD解算模型库中获取对应的光谱COD解算模型作为最优解算模型，并根据最优解算模型计算待测水体的COD浓度。

优选的，步骤S2中，通过直接拟合法结合幂函数修正拟合方程实现吸收光谱的浊度校正。

优选的，通过如下公式表示幂函数修正拟合方程：

Turb(λ)＝A(λ^B+C)；式中：Turb表示散射消光度；λ表示波长；λ^B表示小颗粒物消光谱近似满足幂函数；A表示颗粒浓度系数；B表示小颗粒物粒径分布系数；C表示大颗粒物补偿系数。

优选的，步骤S2中，通过如下公式实现吸收光谱的归一化处理：