紫外可见分光光谱在水质分析 COD连续监测中的应用

紫外可见分光光谱不仅可以测量气体，也可以测量液体。如下介绍紫外可见分光光谱在水质分析COD中的应用。

紫外可见分光光谱COD测量方法

紫外可见分光光谱COD测量方法基于传统的单光谱吸收光度法，通过扫描220~ 420nm之间的全波段光谱，得到被测水样在紫外可见光谱区的吸光度曲线。由于全部波长的吸光度数据中只有部分波长区域的值与COD值相关性比较强，具有相对重要的建模信息，因此选择8个特定紫外波段的吸光度作为COD的相关数据，由于被测水样中存在的微粒会对吸光度产生一定影响，因此选择400nm可见光波长的吸光度作为参比值，选择这9个吸光度值之和作为第10个建模数据。

将测得的这10个数据作为神经网络训练模型的输人数据，而将直接化学分析法测得的相应水样的COD值作为神经网络训练模型的输出数据，根据输入输出数据训练相应水样的混合神经网络模型，根据训练得到的模型直接预测未知水样的COD值。

计算的理论依据是Beer Lambert定律，它是所有吸收光度法的理论基础。根据Beer-Lambert定律，当一束平行单 色光通过均匀、非散射的稀溶液时，溶液对光的吸收程度与溶液的浓度及液层厚度的乘积成正比，即A=KCL。

Beer-Lambert吸收定律也能够用于那些彼此不相互作用的多组分溶液，它们的吸光度具有加合性，即溶液对某波长光的吸收等于溶液中各个组分对该波长光的吸收之和，其关系可用下式表示

Ag=A1+A2+.+An=K:CL+K2CL+..+K.CnL

对于不同行业不同种类的水样，分别进行全波长扫描，分析其紫外波段吸光度图谱，设定特征波长值，利用特征波长吸光度与吸光度之和作为输入数据，预先测得的COD值作为输出数据，训练该种类水样的神经网络模型。由于同种水样成分与组成比较固定，因此与其COD值相关性较好，可以根据该类型水样的神经网络模型预测同种水样的COD值。

每一种不同类型的水样，都需要选择其特定波长，建立吸光度与COD的数学模型，对于吸收曲线类似的同类水样，可以利用原先建立好的模型进行演化。

紫外-可见分光光谱COD测量技术不仅具有单光谱吸收光度法快速方便、无需化学试剂、能进行瞬时和连续分析、测量重复性良好等优点，而且可以针对各种不同类型的水样单独进行神经网络建模。采用多光谱吸光度值作为建模数据，由神经网络训练模型得出的COD值与用标准测量方法测得的COD值之间存在良好的相关性，提高了测量的准确性;通过建立多个行业的水质模型适用于各个行业的废水分析，特别是适用于连续在线分析，增强了方法的适用性。

杭州清汽尘环保科技有限公司是专业配套集成的厂家，公司有系列产品CEMS烟气在线监测系统、VOC在线监测系统、氨逃逸在线监测系统、便携式有机物分析仪器仪表以及配套配品配件，有需求联系我们。