水體有機污染物濃度檢測中紫外光譜法的應用

摘 要：將紫外光譜法應用在水體環境有機污染物的濃度檢測過程中，能夠有效地完成對水體環境有機污染物濃度的檢測任務，同時完成對水體環境內有機污染物含量的具體濃度以及預計處理方法的模型建立工作，對水體有機污染物治理工作的順利進行有著非常重要的意義。文章將具體分析紫外光譜法在水體有機污染物濃度檢測中的應用流程以及具體的應用內容。

關鍵詞：水體有機污染物；濃度檢測；紫外光譜法；應用流程

水體中的有機污染物會對水體的正常使用性質造成非常大的危害，加強對水體環境中有機污染物濃度地檢測，并具體地分析出水體環境中相關有機污染物的具體種類、含量等等特性，進而采取科學合理的治理方法完成對水體環境的徹底治理，保證水體能夠繼續有效的正常使用，是水體污染治理過程中應該切實完成的重要工作內容。

紫外光譜法是一種通過物質分子在紫外光吸收光譜的具體能力和表現，最終達到測試物質分子內部的具體成分的檢測方法。將紫外光譜法應用在水體環境有機污染物的濃度測驗過程中，能夠有效地通過對水體環境中化學需氧量濃度的測量工作，建立相應的水體環境有機污染物濃度模型，最終達到有效預測水體環境有機污染物濃度的目的。

1 水體有機污染物紫外光譜法檢測的具體流程

具體來講，物質在吸收紫外光后，物質組成結構中的價電子會從低能級差生向高能級躍遷的行為，進而形成產生吸收峰的現象。在水體環境中使用紫外光譜法完成對水體有機污染物的檢測內容，其主要流程是包括紫外光譜數據的預處理、紫外光譜與水體環境有機污染物濃度之間數學模型的建立兩項工作內容，而在實際的檢測流程中這兩項內容又可以分為數量不等的小型流程，同時具體的數據處理方法和模型建立方法也有多種多樣的選擇。以模型建立的方法為例，其包括主成分回歸計算PCR方法、偏最小二乘PLS方法以及支持向量機計算SVM方法等諸多類型。以某城市污水廠的進出水為例，文章將具體探討水體有機污染物檢測過程中紫外光譜法的應用內容。

1.1 水體有機污染物濃度檢測的準備工作

本次濃度檢測實驗中使用的檢驗樣品是來自某污水處理廠的污染水樣，水樣具體等級為一級、二級進水、出水后的靜置澄清液。本次濃度實驗還準備了包括氚燈、USB2000UV光譜儀等相關儀器，設置了大量的光譜數據點，同時采用化學含氧度作為本次水體有機污染物濃度檢測的具體檢測指標，使用重絡酸鉀作為氧化劑完成對水體濃度測量過程中氧化劑的主要類型，最后采用國標法完成相應的測量工作。值得注意的是，本次水體有機污染物濃度檢測試驗的內容中，選擇的實驗樣品的水體光譜波段都為180-870nm，同時將紫外光纖波長在250-450nm范圍內的光譜波段作為主要的檢測波段，避免由于紫外光譜整體波段測量內容中較為復雜的多余信息的干擾現象，更加有效地提升本次水體有機污染物濃度檢測實驗過程中的實驗結果精準度。

1.2 紫外光譜數據的預處理工作

紫外光譜數據的預處理工作，事實上就是針對本次水體有機污染物濃度檢測試驗過程中，最終收獲到的相應波長的數據信息進行預先處理的工作，在紫外光譜的檢測成果中通常都會其他多項外來因素地干擾，例如本次實驗中樣品被檢測過程中的具體狀態、樣品的背景、紫外光纖的散射現象、其他雜散光源的影響等等內容，雖然實現已經進行了實驗波長的選擇，但是在最后的數據處理中依然需要針對上述影響因素作出預先處理工作，這一點也是在紫外光譜法應用過程中必須注重的工作內容。一般來講常見的紫外光譜數據的預處理方法主要包括平滑處理、導數處理以及SNV處理等等方法。

以平滑處理方法為例，平滑處理方法事實上指的是首先選擇一條原始光譜中的幾個點，并將其構建成為一個窗口，然后使用事先選擇的點的數據針對平滑窗口內的整體測試點的數據進行平均以及擬合的計算方法，最后將窗口不斷地進行位移，重復窗口內整體測試點的數據計算方法，最后有效地完成原始光譜整體范圍內的測量點的數據預處理工作。

平滑處理方法能夠有效地減少原始光譜測試數據中的噪聲影響；又以導數處理方法為例，導數處理方法首先也需要選擇一條原始光譜中的幾個點，并將其構建成為一個窗口，但不同的是導數處理方法需要將窗口內的測量點數據進行導數求解計算，得到窗口內數據的導數光譜，進而在導數光譜的分析過程中逐步消除光譜的背景干擾以及基線漂移，有效地達到提高光譜數據分辨率的目的。

1.3 紫外光譜與水體有機污染物濃度指標之間的數學模型建立工作

正如上文所述，紫外光譜與水體有機污染物濃度指標之間的數據模型建立方法也包括了主成分回歸PCR方法、偏最小二次乘法PLS方法以及支持向量機計算SVM方法等等，上述方法都能夠有效的完成紫外光譜與水體有機污染物濃度指標之間的數學模型建立工作。

以主成分回歸PCR方法為例，主成分回歸PCR方法主要是通過將相應的光譜矩陣進行變化，保證光譜矩陣內部的原變量出現線性融合的現象，最終選取光譜矩陣的主要成分完成相應的多元線性回歸計算。主成分回歸PCR方法能夠有效的完成對光譜矩陣數據信息中重疊的信息內容，同時能夠有效地解決光譜矩陣的線性問題。

2 實驗結果以及結論分析

本次水體有機污染物濃度檢測實驗過程中，分別采取了平滑數據預處理方法、導數預處理方法以及SNV預處理方法三種方法分別完成對實驗數據的預處理工作，又在數學模型的建立過程中采用了主成分回歸PCR方法、偏最小二次乘法PLS方法以及支持向量機計算SVM方法三種方法完成紫外光譜與水體有機污染物濃度指標之間的數據模型建立工作，因此本次實驗最終得出以下結論：

采用平滑處理、導數處理以及SNV處理方法完成紫外光譜原始實驗數據的預處理工作，同時采用PLS、PCR以及SVM方法完成紫外光譜測試數據與水體有機污染物濃度指標的數學模型建立工作，在這一過程中，不采用相關預處理方法、同時使用SVM方法得到的水體有機污染物濃度指標的數學模型是效果最好的，能夠有效的反映出某自來水廠水體環境的具體有機污染物的污染濃度，而同時也表明SVM方法相較于PLS、PCR方法能夠更加有效地適應小樣本的數據模型建立工作中，光譜預處理方法能夠有效的提高數據的精準度，但并不一定能夠有效地提高數據模型建立過程中的具體精度。

3 結束語

綜上所述，文章對水體有機污染物濃度測驗中紫外光譜法的應用進行了具體地分析和闡述，文章主要采用了平滑處理方法、導數處理方法、SNV等預處理方法來處理原始光譜，同時使用PLS、PCR、SVM等方法完成對水體有機污染物濃度的模型建立和應用工作，使用上述預處理方法能夠有效地提升水體有機污染物濃度檢測過程中的測試數據精度，而使用上述模型建立方法則能夠更加直觀地完成對水體有機污染物濃度的發展情況的模擬和演示，事實證明，紫外光譜法的應用對水體有機污染物的濃度發揮了非常有效地檢測作用。

參考文獻

[1]吳元清，杜樹新，嚴 .水體有機污染物濃度檢測中的紫外光譜分析方法[J].光譜學與光譜分析，2011，31（1）：233-237.

[2]錢建華，李福帥，貝秋平，等.紫外可見光譜法在監測水體有機污染物方面的應用[J].中華紙業，2013，34（10）：84-86.

[3]杜樹新，蔣丹紅，李林軍.基于支持張量機回歸的三維熒光譜法水體有機污染物濃度檢測[J].高技術通訊，2014，24（1）：80-85.

[4]竹俊如.水體中有機污染物的快速檢測方法和儀器的研究[D].華東師范大學，2008.