紫外—可见光谱法水质COD检测技术研究

发布时间：2018-01-06 03:40

本文关键词：紫外—可见光谱法水质COD检测技术研究　出处：《重庆大学》2015年硕士论文　论文类型：学位论文

【摘要】：近年来,频发的水污染事件严重影响了居民生活和社会经济健康发展,水质检(监)测已刻不容缓。化学需氧量(COD)既是衡量水质状况的最重要参数之一,也是水质监测中的必测项。传统的化学法水质COD检测需要使用大量试剂因而存在二次污染,且检测周期长等不足,难于满足水质监测的在线、实时性要求。为此,可实现在线、原位测量水质COD的紫外-可见光谱法受到世人的瞩目,发展前景良好。基于此,本论文研究工作以四川省科技支撑计划项目“多功能水质实时自动监测技术开发与产品研制”(2012SZ0111)和四川碧朗科技有限公司横向合作科研项目“光谱多参数水质在线自动检测仪研制”(合同编号:1042012920140453)联合资助项目为依托,以紫外—可见光谱法水质COD检测技术研究为背景,系统、深入开展紫外-可见光谱法水质COD检测的方法技术研究。论文的主要研究工作是:①基于小波分析的水质检测原始紫外-可见光谱数据去噪算法研究。针对光谱数据常受到高频噪声的干扰问题,利用小波去噪算法的时域和频域局域性、检测信号奇异性和突变结构的优点,同时,结合其在处理非平稳过程信号、含宽带噪声信号更具有优势的特性,对含噪光谱数据进行小波分解,选取改进的阈值函数对低频系数滤除,尔后再经过小波逆变换恢复信号。研究结果表明,基于小波分析的去噪算法能够有效抑制光谱数据噪声。②基于主成分分析(PCA)算法的水质检测光谱数据降维预处理研究。水质光谱数据存在严重非线性重叠,样本数量多、维数高,且高维数据包含大量冗余、隐藏重要关系的相关性。本文利用PCA算法简单、理论完善等特性,将光谱信号数据进行建模前处理,提取其有效的特征信息,降低输入变量的维数,以提高机器学习的效率。③基于最小二乘支持向量机(LS-SVM)算法的水质COD检测预测模型研究。紫外-可见光谱水质COD在线检测仪,它能否准确测定水质COD值的关键是如何建立水质光谱数据与水质COD值之间的数学模型。通过对现有软测量方法的比较,结合系统光谱信息特征,利用LS-SVM所需样本少、初始参设置少、外推性能好等特性,建立水质COD检测的预测模型。实验结果表明,其可用于原理型样机光谱信息的处理。为了提高LS-SVM预测模型的精度,利用了粒子群(PSO)算法来优化LS-SVM模型参数,得到了PSO-LS-SVM预测模型。以平均相对误差(MRE)和均方根误差(RMSE)为评价标准,将PCA-PSO-LS-SVM预测模型与LS-SVM预测模型、PSO-LS-SVM预测模型对水质COD的预测结果进行比较,结果显示其较于后两种模型精度高、收敛速度快,适用于水质COD检测的预测。④开展了Lab VIEW与C语言混合编程技术研究。使用标准C语言实现以上算法的源代码编写,并生成LABVIEW可调用的动态链接库文件(DLL),其摒弃了单一使用Lab VIEW软件数据处理功能较弱和Matlab运行效率低及可移植性差的不足。
[Abstract]:In recent years , the problem of water quality COD determination based on wavelet analysis has been studied in this paper . The results show that the method of detecting COD in water quality by UV - visible spectrometry is the most important parameter in water quality monitoring . The prediction model of the PSO - LS - SVM is obtained . Based on the average relative error and the root mean square error ( RMSE ) , the prediction model of the PCA - PSO - LS - SVM and the LS - SVM prediction model and PSO - LS - SVM prediction model are compared .

【学位授予单位】：重庆大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：X832;O657.3

【相似文献】