10.3964/j.issn.1000-0593(2017)04-1179-04
机器学习在紫外法测定硝酸盐氮浓度中的应用
紫外分光光度法(UV法)由于较传统化学方法具有效率高操作简便、无二次污染且可现场原位测试等优点,近些年来被广泛应用到水质参数的测试中. 硝酸盐氮是工业废水中的主要污染物之一. 基于UV法测量水体中硝酸盐氮浓度的标准方法是分别测量水样在220nm和275n m处的吸光度,然后用275 nm处的吸光度对220 nm处的吸光度进行校正,进而绘制出校正后的吸光度与硝酸盐氮浓度的标准曲线. 然而,当硝酸盐氮浓度升高时,标准法所采用的朗伯比尔定律的线性关系以及不同物质吸光度叠加的线性不能很好地满足,在实际的实验测试中也发现,很难建立硝酸盐氮在220 nm处的吸收模型. 为了克服单波长或双波长方法的缺陷,将硝酸盐氮吸收峰范围的各个波长的吸光特性引入到模型的建立之中. 同时,为了降低模型的复杂度,在建立模型之前先对吸光度数据进行主成分分析,将输入数据的维度数从107压缩到4,然后对压缩后的数据使用局部加权线性回归法建模,该吸收模型对于训练样本和测试样本都有较好的预测结果,且能够适应高浓度时吸光度与浓度的非线性关系,测量上限可达几百mg·L-1. 另外,此方法的原理和流程也适用于其他水质参数吸收模型的建立.
紫外分光光度法、硝酸盐氮、主成分分析、局部加权线性回归
37
X832;O433.4(环境监测)
国家863计划项目2014AA06A506;上海市项目14DZ2294600,15DZ1100400
2017-05-22(万方平台首次上网日期,不代表论文的发表时间)
共4页
1179-1182