融合常規水質參數和紫外光譜的水質化學需氧量定量檢測技術

董 琪

（山西萬家寨水控水資源有限公司檢驗檢測分公司，山西太原 030001）

相比于常用的重鉻酸鉀法、分光光度法，使用光譜法測量水質COD，具有樣品制備簡單、支持在線分析、快速得出結果等優勢，因此在水質檢測中應用較為廣泛。實踐表明，使用紫外光譜法檢測COD 時，水質參數（如溫度、濁度等）的不同，對COD 檢測結果也會產生一定的影響。例如溫度越高，水質樣本中的分子越活躍，相應的對于紫外光的吸收能力也會得到加強。因此，在使用紫外光譜法檢測水樣COD 時，必須要考慮常規水質參數產生的影響，在此基礎上設計一種基于水質參數和光譜信息相融合的COD 定量檢測技術，才能消除干擾、提高檢測精度。

1 水質參數對紫外光譜化學需氧量檢測影響的實驗分析

1.1 pH 對紫外光譜化學需氧量檢測的影響

使用精密電子秤量取苯二甲酸氫鉀0.85 g，將其置于500 ml 的容量瓶中，向其中倒滿去離子水，得到COD 含量為2 g/l 的準備溶液。然后使用膠頭滴管取5 ml 的準備溶液，加入燒杯中，另外量取95 ml 的去離子水，加入同一燒杯中稀釋準備溶液，使其變成COD含量為100 mg/l 的標準溶液，此時測量標準溶液的pH=7。向標準溶液中加入不同量的氫氧化鈉溶液，改變其pH，得到pH 值分別為8、9、10、11、12、13 的6 組溶液。這些溶液堿度不同，但是COD 含量相同，然后分別放置于HACH HQ40d 多參數數字化分析儀中進行檢測。該儀器通過紫外光譜掃描的方式，獲取每一份水質樣品的吸光度數據，根據所得數據自動繪制“吸光度——波長”曲線，見圖1。

圖1 6 組堿度不同COD 相同溶液紫外光譜吸收曲線

結合圖1 可知，隨著溶液堿性的不斷增強，波峰的吸收度也相應的加大。當溶液pH=8 時，其吸收度為2.24%；當溶液pH=13 時，其吸收度為3.17%。除此之外，當溶液堿性增強時，還會出現吸收峰向右移動的情況。從整體上來看，pH 越大，吸收度——波長曲線向紅外光譜區域移動的現象越明顯，此現象成為“紅移”[1]。

1.2 溫度對紫外光譜化學需氧量檢測的影響

仍然按照上述方法制作COD 含量為100 mg/l 的標準溶液。使用量筒量取10 ml 的標準溶液，將其倒入到溶劑為200 ml 的試管中，共準備8 支裝有等量標準溶液的試管。將8 支試管置于哈希消解儀DRB2000 中，設置儀器的加熱溫度為80 ℃，加熱時間為30 min，然后開始恒溫加熱。處理完畢后，將試管取出，測量其溫度，分別在2℃、10 ℃、18 ℃、26 ℃、34 ℃、42 ℃、54 ℃、62 ℃時放入到哈希DR5000 儀器中，掃描水樣并測量各自的吸光度。該分析儀器可基于測量結果自動繪制紫外光譜吸收曲線，見圖2。

由圖2 可知，COD 濃度相同的8組標準溶液，其紫外光譜掃描曲線基本上不受溫度變化的影響。在2 ℃和62 ℃時，曲線的波峰、波谷位置基本一致，并未出現上文圖1 中的“紅移”現象。

1.3 濁度對紫外光譜化學需氧量檢測的影響

使用電子秤稱取5 g 硅藻土，置于坩堝中加熱去除水分，然后置于研磨皿中充分碾壓，之后倒入一個500 ml 的容量瓶內。將去離子水倒滿該容量瓶，靜置24 h，然后抽取上層400 ml 溶液，加入到一個新的500 ml 容量瓶中，繼續加入100 ml 去離子水，得到渾濁度原液。使用量筒取x ml 的原液，再量取COD 含量為y100 mg/l 的標準溶液y ml，將原液與標準液混合，并繼續加去離子水z ml，使（x+y+z）=100 ml[2]。通過調整x、y、z 的比例，分別值得3.02 NTU、3.54 NTU、5.75 NTU、7.38 NTU、8.64 NTU 5 種濁度的水樣。然后將5 份水樣分別置于哈希2100 P 分析儀中進行紫外光譜掃描檢測。該儀器可根據檢測結果自動繪制“吸光度——波長”曲線，見圖3。

圖3 5 組不同濁度相同COD 溶液紫外光譜吸收曲線

圖28 組不同溫度相同COD 溶液紫外光譜吸收曲線

根據圖3 可知，5 組濁度不同、COD 含量相同的水質樣品，隨著濁度的增加，吸收度也呈現出上升趨勢。當濁度為3.02 NTU 時，波峰處吸收度為2.23%；當濁度為8.64 NTU 時，波峰處吸收度為3.60%。

2 融合常規水質參數和紫外光譜的水質化學需氧量定量檢測技術

2.1 實驗設計

通過上文的實驗分析，可知pH、溫度、濁度這3種水質參數都會對紫外光譜的吸光度產生影響。在此基礎上，設計了融合常規水質參數和紫外光譜的水質COD 檢測實驗。從某污水廠獲取20 組水樣，并使用哈希HQ40 d 多參數數字化分析儀測定每一組水樣的pH、溫度、濁度3 項參數，統計結果見表1。

表1 20 組水樣的pH、濁度、溫度統計

2.2 水質參數與光譜信息的數據處理

根據信息融合理論，多源信息融合可以做到信息之間的互補，從而提高信息的抗干擾能力?；诠庾V的信息融合，以特定方法篩選出某一波長區間，然后使用傳感器提起該區間內所有波長的特征信息，建立定量檢測模型，并使用該模型對常規水質參數和光譜信息進行融合處理，這樣得到的檢測結果會具有更高的可信度[3]。多源信息融合數據處理流程見圖4。

圖4 基于水質參數和光譜信息的多源信息融合數據處理流程

本次實驗中選擇紫外光譜波長作為唯一變量，將該波長對應的吸光度數據作為輸入向量。在圖4 中，數據對準處理是整個多源信息融合數據處理中的關鍵步驟，根據處理對象的不同，又可分為兩部分：

其一是光譜信息數據處理。在選定的波長區間內使用PLS 算法（偏最小二乘算法），把紫外光譜劃分成若干個距離相同的光譜段，每個區段對應建立一個PLS 模型。橫向對比模型評價參數，選擇指標最優的區間作為最終的建模對象[4]。通過實驗驗證，在波長190～200 nm 光譜區間內，吸光度最大，因此在該區間內融合建模。然后將吸光度數據進行去噪和歸一化處理，即可實現信息融合中傳感器參數的數據處理。

其二是水質參數信息數據處理。將采集到的水質pH、溫度、濁度3 種數據，按照如下公式做最大歸一化處理：

將歸一化處理得到的吸光度數據，與原始的吸光度數據進行對準處理。這樣一來，在整個多傳感信息融合系統中，每個傳感器獲取到的吸光度數據都可以在設定的參考框架內，得到了特征級融合模型。

2.3 水質參數和光譜信息的融合建模結果

將水質參數、紫外光譜吸光度數據融合后作為自變量，一同輸入到上文設計的融合模型中。在該模型中，分別使用PLS 算法和LS-SVM（最小二乘支持向量機）算法對輸入數據進行訓練、建立模型。建模結果見表2。

表2 不同水質參數融合建模評價參數結果

結合表2 數據可知，基于LS-SVM算法的融合模型，對水質參數與紫外光譜融合數據的預測方差更小，說明該模型對水質COD 定量檢測結果的精度更高。分析其原因，LS-SVM 算法屬于非線性的多元校正，更適合多源信息融合[5]。橫向對比3 項水質參數對模型評價參數的影響因子，可以發現pH 的影響最大，濁度的影響次之，溫度的影響最小。這是因為水質pH的改變，會直接影響光譜吸收度曲線的偏移，因此對定量檢測結果的影響最為明顯；水質的濁度會在一定程度上干擾光譜檢測COD 的結果，影響稍弱；而水質的溫度需要發生明顯變化（通常需要達到20 ℃），才能改變光譜檢測COD 的吸光度數據，在3 項參數中影響最弱。為了直觀、量化地表示3 項常規水質參數對模型COD 檢測結果的影響，本研究引入了一個新的評價參數“相關系數R”。按照3 項水質參數對COD檢測結果影響程度的不同，分配相應的權重，確定R值。結合表2 數據，pH 參數對應R 值為0.56，濁度對應的R 值為0.28，溫度對應的R 值為0.16。使用加權平均法計算3 項水質參數加權疊加融合參數x，其計算公式為：

式中：x1、x2、x3代表3 項水質參數；a1、a2、a3代表對應的權重系數。將求得的融合參數xˉ作為新的吸光度數據，并與水質原始吸光度數據進行融合建模分析，計算兩者之間的平均相對誤差，為0.120 6。這一結果表明融合水質參數和紫外光譜的COD 定量檢測方法，能夠降低水質參數對吸光度的干擾，所得結果誤差較小、精度較高，能夠滿足復雜水質條件下水樣COD 含量的檢測要求。

3 結論

紫外光譜法作為現階段普遍使用的一種水質COD 檢測技術，在實際應用中容易受到水質參數的影響，導致檢測結果與實際值出現一定的誤差?；诙嘣葱畔⑷诤纤惴?，選擇pH、溫度、濁度3 項常規水質參數，做參數歸一化處理后，與紫外光譜所得數據進行融合。利用LS-SVM算法將融合后的數據建模。該模型使用吸光度作為輔助變量，測得的水質COD 結果具有較高的精度。下一步，還需要選擇更多的水質參數（如電導率、溶解氧含量等）與紫外光譜數據進行融合，從而進一步提升多源信息融合模型的檢測精度，滿足復雜水質條件下COD、BOD（生物化學需氧量）、TOC（總有機碳）等指標的測定需要。