基于分光光度法和神经网络的湖泊水质检测方法研究_于银山.pdf

书书书第 46 卷 第 1 期2023 年 2 月电 子 器 件Chinese Journal of Electron DevicesVol.46No.1Feb 2023项目来源:国家自然科学基金项目(61801188);江苏省高等学校基础科学(自然科学)研究面上项目(20KJD416002);淮阴工学院自然科学研究项目(22HGZ005);江苏省湖泊环境遥感技术工程研究中心开放基金(JSLES2022001);江苏省高校“青蓝工程”项目;淮安市“淮上英才”项目收稿日期:20220630修改日期:20220930Lake Water Quality Inspecting Method Based onSpectrophotometry and Neural Network*YU Yinshan*，ZHANG Hui，WEI Jinsong，DING Ping，JI endong，BIAN Haiyi，SHAO Mingzhen，JIANG Lingjie(Jiangsu Engineering esearch Center of Lake Environment emote Scencing Technologies，Faculty of ElectronicInformation Engineering，Huaiyin Institute of Technology，Huai an Jiangsu 223003，China)Abstract:A method for detecting pollutant content in the mixed solution is proposed Aiming at the known pollutant components in lakewater，a model is established by using fluorescence spectroscopy and the BF neural network to predict the respective concentrations ofthree pesticides in multi-component solutions The results show that the prediction error is within the acceptable range In order to detectunknown components in the lake water，spectrophotometer is used to measure various parameters in the lake water Six parameters areused as the input of the BF neural network model to predict COD concentration of lake The experimental results show that the predic-tion model has the characteristics of small deviation and high practicabilityKey words:pollutant in lake;spectrum;spectrophotometer;neural networkEEACC:6135;7320Tdoi:103969/jissn10059490202301045基于分光光度法和神经网络的湖泊水质检测方法研究*于银山*，张慧，卫晋松，丁萍，季仁东，卞海溢，邵明振，蒋令杰(江苏省湖泊环境遥感技术工程研究中心，淮阴工学院，江苏 淮安 223003)摘要:针对湖泊混合溶液中污染物含量的检测分析问题，提出了一种湖泊水质检测方法。针对湖泊水质中已知成分的污染物，使用荧光光谱法，利用 BF 神经网络建立模型预测多组分溶液中三种农药各自的浓度，最终结果发现预测结果较好。为了进一步更好地掌握湖泊水质，针对湖泊水质中的未知成分，使用分光光度法测量湖泊水质中各种参数，将六种水质参数作为 BF 神经网络模型的输入，COD 浓度作为模型的输出训练网络，并预测测试集 COD 含量，发现大部分数值预测结果较好。关键词:湖泊污染物;光谱;分光光度;神经网络中图分类号:O6573文献标识码:A文章编号:10059490(2023)01027507近年来，由于全球工业化覆盖率越来越高，水环境作为人类生存的根本，正受到严重污染，对水环境污染进行检测、分析和处理迫在眉睫1。在水环境中，湖泊水污染的治理较为重要，由于湖泊水中的污染物含量多而繁杂，为了能够有效治理湖泊水质污染，对影响湖泊水质的污染物进行检测分析是非常重要的。湖泊水质检测一直都是一项非常复杂的工作，环境的不确定性以及湖泊中污染物的多样性，大大增加了水质检测的复杂度2。国内外对于水质检测方法开展了多方面的研究。Peleato 等3 将荧光数据与神经网络相结合，通过对荧光光谱降维处理，对饮用水消毒副产物的产生进行了预测;Dovidauskas 等4 利用离子色谱的电导率对自来水中的草甘膦、AMPA 和其他目标离子进行检测，该方法不需要衍生化，具有良好的灵敏度和选择性;Satyanarayana 等5 设计了固相萃取自动进样口硅化气相色谱/串联质谱(IPS-GC-MS/MS)系统，对河水中药物残留的不确定度进行分析，结果表明该系统具有快速、选择性强、准确度高、鲁棒性好、精密度高等优点，适用于环境样品中药物残留的测定。周昆鹏等6 利用荧光光谱法对水质 COD 参数进行检测，分析了水温、浑浊度和 pH 的变化对发射光谱的影响，提出了一种针对水质 COD 预测模型的补偿校正方法;王娟等7 以某流域地表水为研究对象，将三维荧光技术与平行因法和自组织特征映射神经网络(Self-Organizing Feature Mapping，SOM)相结合，得出溶解性有机物的三维荧光特征与地表水水质指标之间的关系，为干旱区水质监测和河流电子器件第 46 卷水质污染治理提供了科学依据。本文针对湖泊混合溶液中污染物含量的检测分析问题，提出了两种湖泊水质检测方法。分别利用荧光光谱法与分光光度法，对混合溶液中已知污染物和未知污染物进行检测，根据检测结果建立 BF神经网络模型，对湖泊中污染物的含量进行预测。1实验方法和仪器11已知污染物测量针对湖水中含有的已知污染物，荧光光谱法快速有效，可以在短时间内使用仪器测得所需数据，是一种快速测量方法。对含有农药的湖泊水质进行测量，可以将其含有的农药浓度转化为荧光光谱数据，将难以测量的数据转化为可测数据，是一种可以利用的方法。所以为了可以预测到水质中各种农药的含量，本文选用了三种典型农药(多菌灵、多效唑、啶虫脒)，利用荧光光谱法测定湖泊水质中各农药含量不同时湖水的荧光光谱的变化，并将这种变化转化为各种可分析数据，分析三种农药浓度变化时荧光光谱的变化。多组分溶液的浓度和荧光强度是非线性模型，且由于荧光峰重叠现象严重，无法用传统模型分析，引入人工神经网络建立模型，预测农药浓度的变化。111实验仪器本实验选用的仪器是 LS55 荧光分光光度计，它由五个部分组成:光源、激发光单色器、样品池、发光单色器和检测器。选用 260 nm 作为激发光波长，波长扫描范围为 200 nm600 nm，狭缝宽度为 5 nm，原理图如图 1 所示。图 1荧光分光光度计原理图112实验测量方法多菌灵 003 g 溶于 100 mL 纯净水中，有效成分50%，浓度为015 mg/mL。多效唑009 g 溶于100 mL纯净水中，有效成分 15%，浓度为 0135 mg/mL。啶虫脒 001 g 溶于 100 mL 纯净水中，有效成分 50%，浓度为 005 mg/mL。准备 20 mL 湖水和相应配好的三种农药溶液，依次往里添加 005 mL 不同的药品，将溶液搅拌均匀后取定量放入比色皿中，放入 LS55 荧光分光光度计进行荧光光谱检测，设置激发光谱为 260 nm，设置荧光光谱范围为 200 nm800 nm，每隔 05 nm 记录一个荧光光谱数据值。实验一共测量得到 134 组不同农药浓度下的 1 201 个荧光光谱数据，是一个1 201134 的向量。12未知污染物测量一般湖水中不仅含有农药等已知成分，更含有许多未知成分等，可以用水质指标来衡量湖泊水体污染程度。提出使用七种水质指标来判断水体污染程度，具体的七种指标为化学需氧量(Chemical OxygenDemand，COD)、总氮(Total Nitrogen，TN)、总磷(TotalPhosphorus，TP)、氨氮、高锰酸盐指数、温度和 pH。COD 是一种可以典型表征水体污染程度的水质指标，故拟利用其余几种指标筛选后进行水质 COD 浓度的预测。121实验仪器本实验所用到的主要仪器是 5B3B(V10)多参数水质测定仪，可测量 COD、氨氮、总磷、总氮等多种参数，使用时配套智能多参数消解仪，如图 2 所示。图 2多参数水质测定仪和智能多参数消解仪122实验测量方法为了有效预测湖泊水质 COD 参数，需要对湖泊水质进行精确测量。利用多参数水质测定仪测量湖水中的五种指标(COD、总磷、总氮、氨氮、高锰酸盐指数)，再使用便携式温度 pH 测定仪测量水样的温度和 pH 值。672第 1 期于银山，张慧等:基于分光光度法和神经网络的湖泊水质检测方法研究确定采样点，每天同一时间点在采样点取水，在采集到水样后，用便携式温度 pH 测定仪测量水样的温度和 pH，再用多参数水质测定仪依次测量水样的 COD、总磷、总氮、氨氮和高锰酸盐指数含量。测量不同的参数所用的方法也不相同。测量COD 使用的是快速消解分光光度法，主要原理是将样本试剂与重铬酸钾在加热环境下进行充分氧化还原反应，产生三价铬离子，由溶液吸光度可以计算得到 COD 含量8。测量总氮使用的是变色酸分光光度法，主要原理是将样本试剂与过硫酸钾在碱性加热环境下进行充分氧化还原反应，所有含氮化合物都转化为硝酸盐氮，再加入焦亚硫酸钠使溶液处于强酸性，硝酸盐氮会与铬变酸反应产生黄色化合物，由此时溶液的吸光度可以计算得到总氮含量910。测量总磷使用的是钼酸铵分光光度法，主要原理是将样本试剂与硫酸钾在酸性加热环境下进行充分反应，产生正磷酸盐，此时溶液处于酸性环境，加入钼酸铵和酒石酸氧锑钾与其反应，产生磷钼酸，它会被抗坏血酸还原产生磷钼蓝，由此时 700 nm 波长处吸光度可以计算得到总磷含量11。测量氨氮使用的是纳氏试剂分光光度法，主要原理是将样本试剂与纳氏试剂进行充分反应，产生淡红棕色络合物，由此时 420 nm 波长处吸光度可以计算得到氨氮含量12。测量高锰酸盐指数使用的是分光光度法，主要原理是将样本试剂与高锰酸钾在酸性加热环境下进行充分氧化还原反应，此时会剩余一定量的高锰酸钾，由 525 nm 波长处吸光度可以计算得到高锰酸盐指数含量。测量湖泊水质的温度和 pH 值则是使用便携式温度 pH 测定仪，将水样放入烧杯中，将测定仪插入水中，稍微搅拌几下，让水完全浸润测定仪的探测头，稍微等待几分钟，待测定仪上显示的数字稳定且不再变化，就可以记录此时的温度和 pH 值。实验一共得到 89 组七种水质参数的数据。利用其余的六组水质指标筛选后对 COD 含量进行预测，随机选取 73 组数据作为神经网络的训练集，其余 16 组数据作为测试集创建神经网络模型。2荧光光谱测量已知污染物结果分析21实验数据分析与处理将一定浓度的三种农药都加入到湖水中得到混合溶液，测量 134 组含有不同农药浓度的溶液荧光光谱数据并对其进行分析。任选 5 组浓度由低到高的荧光光谱数据进行分析，其荧光光谱图如图 3 所示。从图中可以看出，多组分农药湖水混合溶液没有特别明显的荧光峰，荧光光谱在 332 nm 左右达到最高峰状态，可以把 332 nm 作为溶液荧光光谱的特征峰。15 表示湖水混合溶液中的农药浓度由