申请日2013.05.07
公开(公告)日2013.08.28
IPC分类号G01N21/33
摘要
本发明公开了一种基于光谱技术的水产养殖废水有机物浓度测量方法，具体步骤如下：步骤1.采集水产养殖废水样本：步骤2.将所有水样数据集随机划分为两组，其中一组占2/3，作为校正集;另一组占1/3，作为预测集;步骤3.使用SPA算法进行光谱最优特征波段提取,设置特征波段的数量为5～15,提取出样本的最优特征波段;使用校正集，结合LS-SVM算法,建立最优特征波段处的光谱数据和样本COD值的光谱测量校正模型，并采用留一交叉验证法、相关系数、均方根误差评价校正模型的准确性;步骤4.将预测集样本最优特征波段处的光谱数据作为校正模型的输入，实现对预测集样本COD值的预测。本发明方法快速、无污染、低成本。
权利要求书
1. 一种基于光谱技术的水产养殖废水有机物浓度测量方法，其特征在于包括如下步骤：
步骤1.采集水产养殖废水样本：
1-1将样本分为两组，第一组依据国标GB11914-89，测量样本的COD值并使用Microsoft Excel 2007保存为xls格式;
1-2第二组使用Agilent Cary 60 紫外可见光分光光度计，结合Cary WinUV Scan Application软件，其中，软件参数设置如下：采集光谱波段为190～800nm，光谱分辨率为1nm，扫描速度为600nm/min，使用去离子水作基线校正，用于测量水样吸收光谱的石英皿的光程10mm;将该组采集样本的吸收光谱数据保存为cvs格式;将该组采集样本的光谱数据和第一组对应的COD值数据导入matlab R2010b,采用Savitzky-Golay卷积平滑预处理法对原始光谱数据进行去噪，使用的移动窗口宽度为w，多项式次数为d;移动窗口宽度w和多项式次数d根据实际情况而定;
1-3使用水样220～400nm波段之间的光谱信息和测量样本的COD值组成水样的数据集;
1-4重复步骤1-1、1-2、1-3，获得多个水样数据集;
步骤2.将所有水样数据集随机划分为两组，其中一组占2/3，作为校正集;另一组占1/3，作为预测集;
步骤3.使用SPA算法进行光谱最优特征波段提取,设置特征波段的数量为5～15,提取出样本的最优特征波段;使用校正集，结合LS-SVM算法,建立最优特征波段处的光谱数据和样本COD值的光谱测量校正模型，并采用留一交叉验证法、相关系数、均方根误差评价校正模型的准确性;
步骤4.将预测集样本最优特征波段处的光谱数据作为校正模型的输入，实现对预测集样本COD值的预测。
说明书
一种基于光谱技术的水产养殖废水有机物浓度测量方法
技术领域
本发明涉及一种基于光谱技术的水产养殖废水有机物浓度测量方法，尤其涉及一种测定水产养殖废水中有机物浓度COD值的方法。
背景技术
近年来，水产养殖成为世界上发展最快的食品生产行业之一，为保障食物供给、促进经济增长做出了巨大贡献。然而与此同时，由于工业废水、城市废弃物以及养殖环境本身等造成的水产养殖水质污染问题也日益严重，COD 是一项衡量水体有机物污染程度的重要指标，水产养殖环境中COD不仅会对养殖鱼类的健康产生影响，而且含有高浓度COD的养殖废水排放会对环境造成巨大破坏，根据《第一次全国污染源普查公报》，农业污染源COD排放量已经占全国COD排放总量的44%，成为我国流域性水体污染、土壤污染的重要来源，而我国农业污染源排放主要来自于畜禽养殖业和水产养殖业，因此测量水产养殖废水中COD值，对于实现水产品的健康养殖、控制COD排放总量和保护水环境等具有重要意义。
目前实验室测定COD的方法包括重铬酸钾回流法、高锰酸钾指数法、密封消解法等，测定的结果准确，重复性高，但存在着分析时间长、需要消耗试剂、存在二次污染等缺点，近年来COD快速测量方法得到广泛的重视和研究，出现了相关系数法、电化学法、分光光度法、流动注射分析法等COD快速测量方法 ，但是仍然存在需要消耗试剂、测量时间长、初置成本高等缺点。
发明内容
本发明的目的在于针对现有技术的不足，提供一种基于光谱技术的水产养殖废水有机物浓度测量方法，本发明方法快速、无污染、低成本，具体步骤如下：
步骤1.采集水产养殖废水样本：
1-1将样本分为两组，第一组依据国标GB11914-89(水质化学需氧量的测定 重铬酸盐法)，测量样本的COD值并使用Microsoft Excel 2007保存为xls格式;
1-2第二组使用Agilent Cary 60 紫外可见光分光光度计，结合Cary WinUV Scan Application软件，其中，软件参数设置如下：采集光谱波段为190～800nm，光谱分辨率为1nm，扫描速度为600nm/min，使用去离子水作基线校正，用于测量水样吸收光谱的石英皿的光程10mm;将该组采集样本的吸收光谱数据保存为cvs格式;将该组采集样本的光谱数据和第一组对应的COD值数据导入matlab R2010b,采用Savitzky-Golay卷积平滑预处理法对原始光谱数据进行去噪，使用的移动窗口宽度为w，多项式次数为d;移动窗口宽度w和多项式次数d根据实际情况而定。
1-3使用水样220～400nm波段之间的光谱信息和测量样本的COD值组成水样的数据集;
1-4重复步骤1-1、1-2、1-3，获得多个水样数据集。
步骤2.将所有水样数据集随机划分为两组，其中一组占2/3，作为校正集;另一组占1/3，作为预测集;
步骤3.使用SPA算法进行光谱最优特征波段提取,设置特征波段的数量为5～15,提取出样本的最优特征波段;使用校正集，结合LS-SVM算法,建立最优特征波段处的光谱数据和样本COD值的光谱测量校正模型，并采用留一交叉验证法、相关系数、均方根误差评价校正模型的准确性;
步骤4.将预测集样本最优特征波段处的光谱数据作为校正模型的输入，实现对预测集样本COD值的预测。
本发明有益效果如下：
本发明实现了对水产养殖废水COD值的测量，与传统的COD值测量方法相比，具有不使用化学试剂、不会产生二次污染、测量快速、精度高、操作简单，成本低等优点，本方法可以用于水产养殖废水COD值的实时、在线、原位测量。
