基于紫外光谱的水质有机物污染异常检测方法研究

发布时间：2017-07-04 03:24

  本文关键词：基于紫外光谱的水质有机物污染异常检测方法研究

  更多相关文章： 紫外光谱 水质异常检测 有机污染物 主分量分析 自回归预测模型

【摘要】：水质异常检测是城市供水水质预警系统的重要功能需求之一,能够及时有效的发现污染物泄漏或人为投毒事故,给出预警信息和决策支持信息,对提高快速应急能力、保障城市供水系统安全具有重大意义。本文主要研究了基于紫外光谱的水质有机物污染异常检测方法,通过实验研究和模拟异常事件检测分析研究,验证了所研究的水质异常检测算法的检测性能,在此基础上,对该算法的检测有机物种类进行了讨论。 论文主要工作和创新点为： (1)水质中大多数有机物在紫外光谱下都有各自的吸收峰,根据这个基本原理,开展基于紫外光谱的水质有机物异常事件检测可行性研究。首先研究了基于主分量分析(PCA)降维技术和聚类分析的水质有机物污染异常检测算法。在此基础上,进行了管网水质有机物异常模拟实验,选取苯酚、三氯乙酸等十种有机物溶液进行了紫外光谱探测和主分量分析(PCA)检测与聚类分析,实验结果表明,应用紫外光谱和聚类算法,可将不同浓度的有机污染物与自来水背景样本进行有效区分,且根据紫外光谱的主元特征信息可实现污染物种类的辨识,表明了基于紫外光谱进行有机物污染异常事件检出的可行性。 (2)研究了基于紫外光谱的水质有机物污染异常检测方法。首先研究了基于PCA降维技术和自回归(AR)预测模型的水质有机物污染异常检测算法,引入基于可靠性曲线(ROC曲线)的性能评价方法来验证该算法的异常检出率和误报率；在此基础上,分析了基于紫外光谱进行水质有机物污染异常检测的检出率,并以100μg/1苯酚溶液的模拟异常事件为例进行了验证。 (3)研究和分析了基于紫外光谱的水质有机物污染异常检测的局限性,重点研究了紫外光谱法进行有机物检测的检测下限,以ROC曲线数值为评价指标分析了可检出种类和检出率,结合有机物分子结构分析了所对应的紫外光谱特征吸收峰和特征波长的内在关系,分析了PCA和AR算法对紫外光谱异常检测的特点,从而为后续的紫外光谱法检测系统研发提供技术积累。 总的来说,本文研究提出了直接基于紫外光谱的水质有机物异常检测方法,分析了方法的可行性,研究了异常检测算法并分析了紫外光谱法进行水质有机物污染异常检测的局限性和注意事项,基于课题组的水质监测平台进行了十余种有机污染事件的模拟实验,积累了紫外光谱检测数据,为城市供水水质异常检测提供了技术支持。
【关键词】：紫外光谱 水质异常检测 有机污染物 主分量分析 自回归预测模型
【学位授予单位】：浙江大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：X832;O657.32
【目录】：

• 致谢5-6
• 摘要6-8
• Abstract8-10
• 插图与附表清单10-12
• 目录12-15
• 第一章 绪论15-23
• 摘要15
• 1.1 研究背景及意义15-17
• 1.2 国内外研究现状17-21
• 1.2.1 基于常规在线参数的水质检测技术17-19
• 1.2.2 紫外光谱的水质有机物检测技术19-21
• 1.2.3 基于紫外光谱的水质异常检测技术21
• 1.3 本文主要研究内容21-22
• 1.4 本章小结22-23
• 第二章 基于紫外光谱的水质有机物污染异常检测原理综述23-37
• 摘要23
• 2.1 水质异常的基本概念23-24
• 2.2 实现水质异常检测的基本方法24-27
• 2.2.1 水质检测的一般过程24-25
• 2.2.2 时间序列预测算法检测水质异常25-26
• 2.2.3 聚类/分类算法检测水质异常26-27
• 2.3 利用紫外光谱法进行水质分析的基本原理27-30
• 2.3.1 紫外光谱的产生27-28
• 2.3.2 朗伯-比尔定律28-30
• 2.4 紫外光谱常用数据预处理方法30-31
• 2.4.1 均值中心化30
• 2.4.2 标准化30-31
• 2.4.3 标准正态变量变换SNV31
• 2.5 基于紫外光谱法的水质异常检测方法31-32
• 2.6 水质异常检测算法的评价方法32-36
• 2.6.1 评价指标32-34
• 2.6.2 ROC曲线34-36
• 2.7 本章小结36-37
• 第三章 基于紫外光谱的水质有机物污染异常检测可行性研究37-47
• 摘要37
• 3.1 从自来水背景中辨识有机物异常的实验方案37-40
• 3.2 PCA和聚类分析技术40-43
• 3.2.1 PCA算法40-41
• 3.2.2 聚类分析方法41-43
• 3.3 从自来水背景中辨识有机物异常的实验结果分析43-46
• 3.4 本章小结46-47
• 第四章 基于紫外光谱的水质有机物污染异常检测方法研究47-68
• 摘要47
• 4.1 基于PCA降维和AR预测模型算法的紫外全光谱异常检测技术47-51
• 4.1.1 时间序列模型概述47-49
• 4.1.2 基于PCA降维和AR预测模型的算法49-51
• 4.2 基于紫外光谱的水质有机物污染异常检测实验方案设计51-58
• 4.2.1 实验数据51
• 4.2.2 实验方案设计51-52
• 4.2.3 实验平台介绍52-55
• 4.2.4 实验影响因素讨论55-57
• 4.2.5 实验方案57-58
• 4.3 基于PCA降维和AR预测模型算法的异常检测结果与分析58-60
• 4.4 基于紫外光谱的单波长异常检测方法60-63
• 4.4.1 UV254检测方法60-62
• 4.4.2 特定波长检测方法62-63
• 4.4.3 单波长检测方法的相关讨论63
• 4.5 基于紫外全光谱COD值的异常检测方法63-65
• 4.6 基于历史光谱数据置信区间的紫外全光谱异常检测方法65-67
• 4.7 各检测方法结果对比67
• 4.8 本章小结67-68
• 第五章 基于紫外光谱法的水质有机物污染异常检测局限性分析68-82
• 摘要68
• 5.1 低浓度情况下的异常检测方法性能分析68-73
• 5.1.1 苯酚检出下限和检测方法介绍68
• 5.1.2 苯酚检出下限实验方案68-69
• 5.1.3 实验结果分析69-73
• 5.2 异常检测方法对若干不同有机污染物的适用性分析73-81
• 5.2.1 苯乙烯模拟污染事件73-75
• 5.2.2 苯模拟污染事件75-77
• 5.2.3 三氯乙酸模拟污染事件77-79
• 5.2.4 三氯乙醛模拟污染事件79-80
• 5.2.5 不同有机物模拟污染事件小结80-81
• 5.3 本章小结81-82
• 第六章 总结与展望82-84
• 6.1 论文工作总结82-83
• 6.2 工作展望83-84
• 参考文献84-87
• 作者在攻读硕士学位期间的研究成果87-88
• 作者简介88

【参考文献】

中国期刊全文数据库 前10条

1 李志强,邵维兰,周艳红;管网水有机污染物成份及二氧化氯应用的优越性[J];环境科学与管理;2005年04期

2 孔繁翔;马荣华;高俊峰;吴晓东;;太湖蓝藻水华的预防、预测和预警的理论与实践[J];湖泊科学;2009年03期

3 杜树新,武晓莉,吴铁军;紫外光谱水质分析仪中的支持向量机方法[J];分析化学;2004年09期

4 武晓莉;李艳君;吴铁军;;用于紫外光谱水质分析的Boosting-偏最小二乘法[J];分析化学;2006年08期

5 武晓莉;李艳君;吴铁军;;多源光谱信息融合在水质分析中的应用[J];分析化学;2007年12期

6 李青,何磅礴,张殿君,郭继龙,赵明;防止直饮供水水质污染的技术措施[J];中国给水排水;2005年07期

7 吴元清;杜树新;严峗;;水体有机污染物浓度检测中的紫外光谱分析方法[J];光谱学与光谱分析;2011年01期

8 魏康林;温志渝;武新;张中卫;曾甜玲;;基于紫外-可见光谱分析的水质监测技术研究进展[J];光谱学与光谱分析;2011年04期

9 许国辉,余春林;时间序列分析方法的研究[J];广州大学学报(自然科学版);2003年06期

10 彭秀艳;王茂;刘长德;;AR模型参数自适应估计方法研究及应用[J];哈尔滨工业大学学报;2009年09期

中国博士学位论文全文数据库 前1条

1 郭亮;跨界河流水污染应急决策支持系统研究[D];哈尔滨工业大学;2011年

，

本文编号：516194