水质监测中的化学需氧量COD光谱检测研究背景意义及现状.docVIP

水质监测中的化学需氧量COD光谱检测研究背景意义及现状 1 研究背景与意义 1 2 国内外研究现状 2 2.1 单光谱检测 2 2.2 连续光谱检测 3 1 研究背景与意义 水是人们生活和生产中不可缺少的物质，好坏直接影响人们的生活和生产。随着社会生产的发展，自然界中的水质环境日趋恶化。水质监测可及时、准确、全面地反映水环境质量和污染源现状，是制定切实可行的污染防治规划和水环境保护的前提和基础，成为节能减排工作当中一个重要手段及必不可少的环节。化学需氧量（chemical oxygen demand，COD）是随着水环境污染特别是工业水污染问题的日益严峻，污染控制成为了世界各国关注的焦点，世界各国均制定了严格的行业水污染监测质量标准，在我国制定的《地表水环境质量标准》、《污水综合排放标准》、以及各类水污染物排放标准中都对COD的标准限值作了明确的规定在“重点工业污染源监测技术要求”暂行规定中，把化学需氧量(COD)列为大多数工矿企业的必测项目之一同时，在我国实施的污染物排放总量控制工程中，化学需氧量也是实行排放总量控制的8种废水污染物指标之一。传统的化学COD水质监测方法分析周期长，二次污染严重，已不能满足现代水质监测实时性无污染要求因此，研制一种快速、方便、准确、结果可靠、无污染的实时COD测量系统，已迫在眉睫。由于水质系统为一个复杂的非线性系统，其中如何建立一个准确的水质参数模型为其关键环节传统中的重铬酸钾法(GB11914-89)和高锰酸盐法(GB11892-89)是我国环境监测标准中规定的测试方法，前者适合于分析工业废水和生活污水，后者适于分析地下水和较干净的地表水。作为国家标准方法两者测定结果相对可靠，重现性较好一直被各部门各单位广泛采用。但是其缺点也十分明显即分析周期长，受回流设备的限制不能进行大批量分析，尤为严重的是使用贵金属银盐及汞盐不可避免造成环境的二次污染。相应的基于以上化学方法的COD在线监测仪器无法保证在线实时测量，测得的数据不能准确反映排污状况，失去有效性和严肃性，无法满足监控的目的。 紫外光谱吸光度法以其操作维护简单、故障率低、无须添加化学试剂、无二次污染、测试时间短等诸多优点，得到了各国的大力支持和发展。紫外吸光度法主要有两种： 图1 Tethys公司UV400在线水质分析仪 与传统测试方法相比，单光谱紫外检测具有仪表结构简单、维护工作量小、无需化学试剂等优点，但是这种方法仅仅适用于成分较单一的污水COD 测定，对于组分较复杂的污水，测试结果误差较大。 2.2 连续光谱检测 连续光谱检测方法为通过扫描水样紫外连续光谱区得到水样吸光度信息，运用相关算法提取水质参数光谱数据特征信息，并分析光谱数据和各水质参数浓度的关系，建立相关预测模型，再根据模型演算未知水样的COD等指标。连续光谱方法可解决单光谱测量方法的相关性差、适用范围低、不适合复杂水样测量、精度低等问题，是近年来国际上研究的热点。 据对国内外研究的调研，在运用紫外连续光谱测定COD的过程中，目前主要采用的主要多元分析方法有：①主成分回归法；②偏最小二乘法；③神经网络法； ①主成分回归法 主成分回归法旨在利用降维的思想，把多个影响因素转化为少数几个主要综合影响因素，去除数据中的噪声等不相关信息。主成分回归是在主成分分析的基础上，利用多元线性回归方法对新变量（少数几个主要综合影响因素）进行回归。由奥地利是能公司生产的基于紫外连续光谱的水质监测代表产品Spectro::lyser（如图1.2）利用主成分分析方法，实现从污水到超纯水的COD参数的测量。其中COD的测量范围为0-1000mg/L，重复性为±5 mg/l，测量总精度为±10mg/L。 图2 产品Spectro::lyser可以同时实现回归建模(多元线性回归)、数据结构简化(主成分分析)以及两组变量之间的相关性分析(典型相关分析)是多元统计数据分析中的一个飞跃。 ③神经网络法 神经网络模型是由一些简单的类似神经元的单元以及单元之间的权值连接组成。神经网络通过使用各类样本来训练网络，产生网络的内部表示，并用来识别其他未知输入样本。浙江大学针对研制出的基于连续光谱检测的在线水质分析仪样机UV-001(如图1.4)，运用反相传播（BP）神经网络算法建立紫外吸光度和参数浓度的数学模型，实现对常用水质指标COD的连续自动测量，测量范围为0-400mg/L，重复性为±2%，测量精度在±5%以内。 图4 在线水质分析仪样机UV-001在上述种方法中，主成分法的优点为能够在最大限度地保留原始数据信息的基础上对高维变量进行综合和简化，并且能够客观地确定各个指标的权重，避免了主观随意性。其缺点是仅对吸光度矩阵进行分析，没有关联其浓度矩阵，在定量分析中造成结果误差偏大和偏最小二乘法主要应用于线性系统，对