本文關(guān)鍵詞：紫外—可見光譜法水質(zhì)COD檢測技術(shù)研究　出處：《重慶大學》2015年碩士論文　論文類型：學位論文

  更多相關(guān)文章： 紫外—可見光譜法 水質(zhì)COD檢測 小波去噪 預測模型

【摘要】：近年來,頻發(fā)的水污染事件嚴重影響了居民生活和社會經(jīng)濟健康發(fā)展,水質(zhì)檢(監(jiān))測已刻不容緩�；瘜W需氧量(COD)既是衡量水質(zhì)狀況的最重要參數(shù)之一,也是水質(zhì)監(jiān)測中的必測項。傳統(tǒng)的化學法水質(zhì)COD檢測需要使用大量試劑因而存在二次污染,且檢測周期長等不足,難于滿足水質(zhì)監(jiān)測的在線、實時性要求。為此,可實現(xiàn)在線、原位測量水質(zhì)COD的紫外-可見光譜法受到世人的矚目,發(fā)展前景良好�；诖�,本論文研究工作以四川省科技支撐計劃項目“多功能水質(zhì)實時自動監(jiān)測技術(shù)開發(fā)與產(chǎn)品研制”(2012SZ0111)和四川碧朗科技有限公司橫向合作科研項目“光譜多參數(shù)水質(zhì)在線自動檢測儀研制”(合同編號:1042012920140453)聯(lián)合資助項目為依托,以紫外—可見光譜法水質(zhì)COD檢測技術(shù)研究為背景,系統(tǒng)、深入開展紫外-可見光譜法水質(zhì)COD檢測的方法技術(shù)研究。論文的主要研究工作是:①基于小波分析的水質(zhì)檢測原始紫外-可見光譜數(shù)據(jù)去噪算法研究。針對光譜數(shù)據(jù)常受到高頻噪聲的干擾問題,利用小波去噪算法的時域和頻域局域性、檢測信號奇異性和突變結(jié)構(gòu)的優(yōu)點,同時,結(jié)合其在處理非平穩(wěn)過程信號、含寬帶噪聲信號更具有優(yōu)勢的特性,對含噪光譜數(shù)據(jù)進行小波分解,選取改進的閾值函數(shù)對低頻系數(shù)濾除,爾后再經(jīng)過小波逆變換恢復信號。研究結(jié)果表明,基于小波分析的去噪算法能夠有效抑制光譜數(shù)據(jù)噪聲。②基于主成分分析(PCA)算法的水質(zhì)檢測光譜數(shù)據(jù)降維預處理研究。水質(zhì)光譜數(shù)據(jù)存在嚴重非線性重疊,樣本數(shù)量多、維數(shù)高,且高維數(shù)據(jù)包含大量冗余、隱藏重要關(guān)系的相關(guān)性。本文利用PCA算法簡單、理論完善等特性,將光譜信號數(shù)據(jù)進行建模前處理,提取其有效的特征信息,降低輸入變量的維數(shù),以提高機器學習的效率。③基于最小二乘支持向量機(LS-SVM)算法的水質(zhì)COD檢測預測模型研究。紫外-可見光譜水質(zhì)COD在線檢測儀,它能否準確測定水質(zhì)COD值的關(guān)鍵是如何建立水質(zhì)光譜數(shù)據(jù)與水質(zhì)COD值之間的數(shù)學模型。通過對現(xiàn)有軟測量方法的比較,結(jié)合系統(tǒng)光譜信息特征,利用LS-SVM所需樣本少、初始參設置少、外推性能好等特性,建立水質(zhì)COD檢測的預測模型。實驗結(jié)果表明,其可用于原理型樣機光譜信息的處理。為了提高LS-SVM預測模型的精度,利用了粒子群(PSO)算法來優(yōu)化LS-SVM模型參數(shù),得到了PSO-LS-SVM預測模型。以平均相對誤差(MRE)和均方根誤差(RMSE)為評價標準,將PCA-PSO-LS-SVM預測模型與LS-SVM預測模型、PSO-LS-SVM預測模型對水質(zhì)COD的預測結(jié)果進行比較,結(jié)果顯示其較于后兩種模型精度高、收斂速度快,適用于水質(zhì)COD檢測的預測。④開展了Lab VIEW與C語言混合編程技術(shù)研究。使用標準C語言實現(xiàn)以上算法的源代碼編寫,并生成LABVIEW可調(diào)用的動態(tài)鏈接庫文件(DLL),其摒棄了單一使用Lab VIEW軟件數(shù)據(jù)處理功能較弱和Matlab運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 .

【學位授予單位】：重慶大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：X832;O657.3

【相似文獻】

相關(guān)期刊論文 前10條

1 趙云峰;周爽;;加強農(nóng)殘獸殘檢測技術(shù)研究 保障食品安全[J];食品安全質(zhì)量檢測學報;2013年01期

2 胡海;李涵;張紅菱;;可蓄積到食物中的持久性有機污染物及其檢測技術(shù)研究進展[J];食品安全質(zhì)量檢測學報;2014年02期

3 李佐臣;鈦設備腐蝕氫脆分析與檢測技術(shù)研究項目通過鑒定[J];鈦工業(yè)進展;1994年04期

4 紀亮;;農(nóng)藥殘留檢測技術(shù)研究課題通過驗收[J];中國計量;2006年02期

5 阮涌;嵇辛勤;文明;陳彥希;;食品中鉛污染檢測技術(shù)研究進展[J];貴州畜牧獸醫(yī);2012年05期

6 董海龍;霍勝楠;張艷;宋濤;;食品安全生物學影響因素及其檢測技術(shù)研究[J];科技信息;2013年34期

7 沈家鋒;;我國食品安全現(xiàn)狀及保障體系建設——訪中國農(nóng)業(yè)科學院農(nóng)業(yè)質(zhì)量標準與檢測技術(shù)研究所王靜教授[J];化學試劑;2014年02期

8 孫q，

本文編號：1386154