基于紫外-可见光谱的水质TOC定量分析方法

• 作者: 李庆波 魏源 崔厚欣 冯浩 郎嘉晔
• 来源期刊: 光谱学与光谱分析
• 学科: 化学
• 关键词: 紫外-可见光谱 TOC 偏最小二乘回归 水质在线检测
• 年，卷（期）: 2022,（2）
• 页码范围: 376-380
• 页数: 5页
• 分类号: O657.3
• 语种: 中文
• DOI: 10.3964/j.issn.1000-0593(2022)02-0376-05

摘要

地表水资源安全关系到国民健康、生态环境稳定和经济可持续发展,具有重要战略意义.总有机碳(T OC)是一种衡量水体中有机物含量的综合指标,其在水环境监管和治理中具有重要价值.传统检测方法通过高温催化氧化测定水样中T OC含量具有耗时较长、操作复杂的局限性,紫外-可见光谱技术具有检测速度快、操作简单的优势,因而在水质在线检测中具有较好的应用前景.国内外对地表水中T OC浓度的在线检测目前大多采用与COD浓度间的相关关系进行间接推算得到,这类方法对水体成分的稳定性要求较高.相比于常规的间接推算方法,采用光谱定量分析方法建立T OC与紫外-可见光谱间的分析模型具有更好的鲁棒性和分析精度,便于实现水质无人值守在线监测.实验配置了T OC样本溶液,设计了为期两天的实验,在4个时间段采集得到样品光谱数据集(分别记为D1,D2,…,D6).首先,通过分组实验将D1作为训练集建立TOC偏最小二乘(PLS)回归模型,预测同一时间段测试集D2的TOC浓度,得到平均绝对相对误差(MAPE)不超过0.78％,表明建立的TOC定量分析模型具有较高的精度.然后,为验证PLS建立的TOC模型对仪器状态变化的鲁棒性,选择不同时间段采集的光谱数据分别作为训练集和测试集,进行不同仪器状态交叉实验,4组实验中测试集样品TOC浓度预测值的MAPE分别为3.82％,3.75％,3.43％ 和0.98％.实验表明,采用PLS算法建立的TOC紫外-可见光谱定量分析模型具有较好的分析精度和鲁棒性,分组实验和不同仪器状态交叉实验中预测浓度的M A PE均不超过3.82％,优于常规的间接推算法.此外,建立的光谱定量分析模型不依赖COD与T OC间的推算关系,因此在水环境变化时较常规推算方法具有更好的适应能力.最后,PLS算法建模过程简单,运算速度快,为浸入式在线检测设备的开发和维护提供了便利.