CN104833649B - 计算机辅助傅里叶变换红外光谱法检测污染物的方法 - Google Patents

Abstract

公开了一种计算机辅助傅里叶变换红外光谱法检测污染物的方法，该方法包括下列步骤：（1）样品预处理；（2）基线扫描；（3）光谱获取；（4）特征变量提取；和（5）谱图处理。该方法有针对性地对生活垃圾渗滤液中产生难闻气味的成分进行快速、准确分析，相应地对常规傅里叶变换红外光谱法进行有针对性的改进，使得能够对上述成分进行简单、快速、高效、准确分析，从而便于对生物垃圾填埋场的管理进行实时监管。

Description

计算机辅助傅里叶变换红外光谱法检测污染物的方法

技术领域

本发明属于环境检测技术领域，特别涉及一种计算机辅助傅里叶变换红外光谱法检测污染物的方法，更特别地，涉及一种计算机辅助傅里叶变换红外光谱法检测生活垃圾填埋场污染物的方法，最特别地，涉及一种计算机辅助傅里叶变换红外光谱法检测生活垃圾填埋场渗滤液污染物的方法。

背景技术

垃圾填埋渗滤液是指垃圾在堆放和填埋过程中由于发酵和雨水的淋浴、冲刷以及地表水和地下水的浸泡而滤出来的污水，其形成的特殊性导致了水质的复杂性，也成为地下水、地表水和土壤污染以及周边环境污染的重要来源。

垃圾渗滤液是一种高氨氮、高有机物浓度、成分复杂多变、污染能力强、水量波动大的极难处理的废水。目前，国内外已开展了一系列垃圾渗滤液检测和净化的研究，但由于其成分复杂，至今也没有非常成功和成本有效的检测和处理方法。其中，有机污染物如氨氮类物质是垃圾填埋渗滤液中主要的污染成分之一，其对水体和土壤的污染具有长期的累积效应和交互作用，据报道，我国渗滤液污染的耕地面积近2×10⁷m²，约占总耕地面积的1/5。

目前，渗滤液中有机污染物对水体的污染也日趋严重，关于有机污染物的报道已引起公众的关注。Hallbourg在1992年对美国佛罗里达州中北部的垃圾填埋场的地下水和地表水的研究结果表明，水体中存在着大量芳香族有机组分及固体废物中未被分解的优先控制有机污染物。目前，国内外许多学者对渗滤液中有机物成分进行了分析，结果都表明，渗滤液中有机污染物是复杂繁多的，其中以烷烃、芳烃类较多，此外也可能存在着一些氨氮类、酸类、酯类、醇类、酚类、酮类、醛类、酰胺类等有机污染物，许多成分是过去在自然界从未出现过的人工合成有机化合物，相当数量的化合物为致癌物和有毒有机污染物。因此，研究分析垃圾渗滤液的复杂成分是非常有必要的。

CN104034877A公开了一种垃圾渗滤液毒性评价方法，其特征在于：包括以下步骤：(1)、取垃圾渗滤液，制备测试样液；(2)、通过重组基因芽孢对所述测试样液进行体外生物毒性定量评价，获得生物毒性评价量化检测结果；(3)、以早期发育的鱼类为受试生物材料，暴露于所述测试样液中，检查所述鱼类的生长发育繁殖和基因转录变化情况，对步骤(2)中检测结果的假阳性部分进行修正，获得垃圾渗滤液生物毒性真实的定量检测结果；(4)、将斜生栅藻长期暴露于所述测试样液中，再以所述斜生栅藻为饲料，喂养初级消费者多刺裸腹溞，受污染的多刺裸腹溞继续喂养次级消费者斑马鱼，形成斜生栅藻－多刺裸腹溞－斑马鱼三层级生态系统，观察斑马鱼子代的存活率、平均繁殖量、不同子代对垃圾渗滤液有毒有机物的生物富集系数和遗传基因变化，评价垃圾渗滤液毒性物质的生物富集、世代传递效应，获得相关检测结果。

CN102478150A公开了一种填埋场渗滤液导排管道检测方法，在垃圾填埋场的导排管道中采集图像并对采集的图像进行处理，以得到管道内壁图像。实现上述方法的装置，主要包括有：一环形激光器与一摄像头固定在一可移动工作台上，摄像头采集的数据通过缆线连接至图像采集卡；图像采集卡连接于PC机PCI插槽处，通过PC机处理采集的图像数据；可移动工作台安装有车轮，该车轮由内置的电动机驱动；可移动工作台设有内置的工作电源；PLC与PC机连接，以控制可移动工作台运行；可移动工作台采用拖缆线将拍摄的图像通过缆线传出给上位机。

CN103626263A公开了一种渗滤液的处理控制方法、装置、系统及一种污水处理设备，该控制系统包括：加压装置，过滤膜组，进水管和出水管，其中，加压装置用于对待处理渗滤液进行加压处理，加压装置的出口通过进水管与过滤膜组的进口相连，过滤膜组的出口与出水管相连；进水压力传感器，设置于所述进水管上，用于检测过滤膜组的当前进水压力；控制装置，分别与加压装置和进水压力传感器信号连接，用于当当前进水压力不小于设定的第一进水压力阈值时，控制加压装置减小对待处理渗滤液的加压量。

CN202936289U公开了一种垃圾渗滤液处理装置的综合监控系统，垃圾渗滤液处理装置包括依次连接的调节池、一级反硝化池、一级硝化池、二级反硝化池、二级硝化池、超滤器、中间水池、纳滤器、反渗透膜处理装置和出水池；综合监控系统包括中央处理器、超声波液位计、溶氧仪、氨氮在线分析仪、化学需氧量在线分析仪、重金属在线分析仪、压力计、水泵、反冲洗泵、回流泵、电磁阀、风机、PH调节投酸装置和PH调节投碱装置，通过将上述监控系统中的不同参数信号检测装置和不同控制装置分别安装于垃圾渗滤液处理装置中的对应设备中或设备上或设备外，实现对垃圾渗滤液处理装置的液位、溶氧量、氨氮、压力、COD浓度、重金属浓度等参数的综合监控。

CN102721787A公开了一种有机垃圾压缩脱水性能检测装置，其特征在于，该装置包括机架、立式液压加压装置、运动装置、压缩桶、渗滤液导流和收集装置和可调节位移传感器，所述的立式液压加压装置、运动装置、压缩桶、渗滤液导流和收集装置和可调节位移传感器设置在机架内，所述的运动装置设置在立式液压加压装置与压缩桶之间，所述的渗滤液导流和收集装置设置在压缩桶下，所述的可调节位移传感器在立式液压加压装置上。

CN1621823A公开了一种垃圾填埋场防渗层渗漏电学检测方法及检测装置,在场土工膜上铺设至少一个发射电极，填埋场以外的土壤中埋设一个接收电极；两电极分别连接至直流电源；土工膜下铺设至少一个检测电极，在填埋区以外铺设一个参比电极，检测电极与参比电极联接至渗漏检测仪；渗漏检测仪主要由主机、主控制箱、数据采集箱组成。

CN101446566A公开了一种防渗土工膜的渗漏破损探测方法，该方法包括：土工膜上面覆盖有1米以内厚度的砂石覆盖层，先在绝缘的土工膜的上、下面分别放置正、负电极；然后将正、负电极分别与激励电源的正、负极相连接，在土工膜的上、下面形成电势，如果土工膜有破损孔洞，必然会形成通电回路，在孔洞附近的土工膜的覆盖层产生电势差；再采用设有参比电极的电势差移动式探测仪，根据一定的间距抽样检测土工膜的覆盖层的电势差；最后通过数据处理即可探测出渗漏破损位置。

US4678582A公开了处理垃圾填埋场的方法，该方法包括将填埋场施加防水内衬，然后加入含有微生物的处理介质，在处理介质上培养植物，通过考察植物的生长状况来考察渗滤液的污染影响程度。

“近红外光谱分析技术的研究与应用”，杨琼等，重庆三峡学院学报，第29卷第3期(总第145期)，2013年，公开了由于化学计量学准确提取数据，计算机迅速进行数据分析，拓展了近红外光谱分析技术的应用，现在由光谱仪硬件和化学计量学软件组成的近红外光谱分析手段在农副产品、食品安全、石油化工、医药和环境等方面的分析应用日益扩展。

在包括上述文献在内的现有技术中，对渗滤液的分析多采用气相色谱或其它联合检测方法来进行，对渗滤液的分析多进行全成分分析，导致整个操作过程复杂、耗时长，检测结果具有严重滞后性，并且单个物质检测结果精确度差。本发明人针对生活垃圾填埋场的臭味或恶臭给周边居民生活带来影响这样的问题，有针对性能地对其中产生所述难闻气味的成分进行快速、准确分析，通过相应地对常规傅里叶变换红外光谱法进行有针对性的改进，使得能够对上述成分进行简单、快速、高效分析，便于对生物垃圾填埋场的管理进行实时监管。

发明内容

为解决现有技术中存在的上述问题，本发明人经过深入研究和大量试验，提供了解决方案。

本发明人经过大量研究发现，在生活垃圾填埋场的渗滤液中，引起难闻气味的物质主要是氨氮类物质和/或挥发酚，例如引起恶臭的3-甲基氮茚、乙胺，以及引起恶心感觉的萘。如前文所述，在现有技术中，尚未对垃圾填埋场产生臭味或恶臭的具体物质进行分析。为此，本发明有针对性地提供了如下技术方案。

本发明解决其技术问题所采用的技术方案是：

(1)样品预处理；

(2)基线扫描；

(3)光谱获取；

(4)特征变量提取；和

(5)谱图处理。

优选地，所述样品预处理包括取含有渗滤液的生活垃圾，将该生活垃圾进行压滤，获得渗滤液，将渗滤液密封存放。垃圾渗滤液是由垃圾分解后产生的内源水与外来水分(包括大气降水、地表水、地下水入侵)所形成的液体，其中含有大量有机物、无机离子以及离子-有机化合物，外观浑浊，呈褐黄色，且有恶臭。在本发明中，可以进行多个位置的生活垃圾取样，然后混合均匀，进行压滤，获得渗滤液，以增强检测结果的代表性。

优选地，所述基线扫描包括对干净的气室进行背景扫描，从而建立基线，干净的气室即气室中只有氮气或氩气的情况。

优选地，所述光谱获取包括两部分：(1)建立标准曲线：将一系列浓度的污染物质标准水溶液，分别加入样品瓶中，按照图1方式连接好管路，开启红外光谱仪的采样泵进行气体闭路循环光谱检测，浓度检测值稳定后记录该值，和(2)样品在线分析：按照上述步骤也对配制的渗滤液水溶液进行扫描获得待分析物质的光谱，浓度检测值稳定后记录该值。

光谱图的横坐标一般为波数，纵坐标主要有两种：一种是吸光度，另一种是透射率。某谱线处的吸光度对应于该处透射率的自然对数的负数。因此，光谱图的纵坐标不论采用何种形式，本质上是相同的。

在一个优选实施方式中，步骤(3)中对待测样品片平行测定三次得三个一维光谱图，取三个一维光谱图的平均谱图作为待测样品的一维光谱图，所有一维光谱图均扣基线光谱。对待测样品片平行测量三次，取三次获得的光谱图的平均谱图作为待测样品中污染物质的光谱图，避免了谱图采集过程中的操作误差，采集的谱图可靠，如实的反映了待测样品内的成分。

优选地，在特征变量提取过程中，可以提取某一谱线作为某种待检测物质的特征变量，也可以以某一段光谱的面积作为某种待检测物质的特征变量，或者可以提取多条谱线值的组合作为不同待检测物质的特征变量，例如选择多条谱线或某些区域的谱线作为氨氮化合物的特征变量，在本发明中可以选择1999.2cm^-1～2155.4cm^-1之间的谱线作为氨氮化合物的特征变量。如本领域所常见的，可以选择各组分的最大吸光度对应的波数作为特征变量。

在本发明中，最优选地，选取波数为2021.4和2017.5的两条谱线的自然对数差作为3-甲基氮茚的特征变量：

v1＝val2017.5-val2021.4 (1)

选取波数为2011.7和2091.5的两条谱线值的自然对数差作为乙胺的特征变量：

v2＝val2011.7-val2091.5 (2)

选取波数为2106.4和2127.2的两条谱线值的自然对数差作为萘的特征变量：

v3＝val2106.4-val2127.2 (3)

式中v1、v2和v2分别表示3-甲基氮茚、乙胺和萘的特征变量。取谱线差作为特征变量是因为这种方法形成的特征变量有利于消除光谱基线平移带来的影响。

优选地，所述谱图处理包括本领域最常见的普通处理方式，即，按照标准曲线，通过特征变量的值的比对，计算待检测物质的浓度。

在本发明的一个优选实施方式中，所述谱图处理可以包括建立模型并通过计算机进行分析的过程，该过程包括：

(a)建立分析模型

首先构建分析模型：分析模型是以特征变量为输入，目标物质浓度为输出的模型。在本发明中，模型输入优选为式(1)-(3)给出的三个特征变量，输出分别为3-甲基氮茚、乙胺和萘的浓度。所构建的模型可以是BP神经网络，也可以是RBF神经网络。由于三个输入向量之间两两相关，因此神经网络的隐层的初始节点数可以设为6。由于光谱对污染物气体浓度的灵敏度一般随着浓度的增大而减小，所提取的特征变量是由若干谱线的值的组合而成了，因此具有同样的特性，对于BP神经网络，则隐层的节点的响应函数选择S型函数较为合适。

其次是分析模型训练：分析模型的训练即确定所构建的分析模型的权值和阈值参数。由于Matlab中有神经网络工具箱，因此可以直接通过该工具箱来实现分析模型的训练。对于BP神经网络的训练，可以在Matlab中由如下源程序完成：

net＝newff(V，C，6，{′tansig′，′purelin′})；％创建分析模型，模型名称为net。

net.trainParam.epochs＝500；％设置训练代数为500，也可以设置更大的值。

net.trainParam.goal＝0.000001；％设置网络训练目标，它可以根据用户设定，默认训练样本的均方误差，也就是经验误差。在训练的过程中，训练目标达到要求或者训练代数达到设定值，网络训练结束。

net＝train(net，V，C)；％训练分析模型。

最后是分析模型计算式的构建：对于本发明，有3个输入：v₁，v₂和v₃，6个隐层节点，输出层有三个节点，即3-甲基氮茚、乙胺和萘的浓度。训练结束后，对于建立并训练好的分析模型结构体net，按如下步骤构建分析模型计算表达式：

计算隐层节点输入：

In_m＝net.IW{1}×InputS+net.b{1}

式中Input_S为输入向量，且Input_S＝[v_m，v_e，v_p]^T；net.IW{1}为分析模型中输入层与隐层之间的连接权值矩阵，它是一个6×3的矩阵；net.b{1}为6×1的隐层节点阈值向量；In_m为6个隐层节点的列向输入向量。

计算隐层节点输出：

Out_m(i)＝f_m(In_m(i)))

式中f_m(·)为隐层响应函数，本发明中它是tansig函数，对于tansig(In)，其具体表达式为：

2/(1+exp(-2×In))-1；Out_m为隐层输出向量。

计算输出层输出

In_O＝net.LW{2}×Out_m+net.b{2}

式中net.LW{2}为3×6的隐层与输出层之间的连接权值矩阵；net.b{2}为3×1的输出层阈值向量；In_O即分析模型的输出向量，也就是3-甲基氮茚、乙胺和萘的浓度。

本步骤中的分析模型计算式在进行待测污染物在线分析时由计算机同步进行计算，分析模型的构建与训练是用学习样本在离线状态下由计算机进行的。

在本发明的另一方面，还提供了可以进行上述检测的分析系统，该系统包括：红外光谱仪，红外光谱仪排气口，样品瓶，过滤器，管路及连接件，样品加热温控装置，红外光谱仪进样口，和计算机，其中样品瓶经由管路及连接件与过滤器相连，过滤器经由管路及连接件与红外光谱仪进样口连接，红外光谱仪排气口经由管路及连接件与样品瓶连接，样品瓶外设有样品加热控温装置；在检测时，氮气或氩气从装有包含渗滤液样品水溶液的样品瓶中鼓泡通过，经由过滤器除去水分或其它干扰气体，通过管路及连接件进入红外光谱仪进行检测，然后从红外光谱仪流出，进入样品瓶，不断循环，直至检测值稳定。所述氮气或氩气可以来自傅里叶变换红外光谱仪自带的氮气或氩气发生器，或者来自外装的氮气或氩气发生器。

所述加热控温装置能够将温度控制在50-100℃，例如80℃。

所述光谱仪是傅里叶变换红外光谱仪。优选地，所述傅里叶变换红外光谱仪加装有降噪模块，其采用在红外探测器预放之后加装高阶模拟滤波器，所述高阶模拟滤波器采用多片MAX274芯片级(优选3片以上)联而构成，从而阻止噪声信号进入数据采集模块，达到降噪目的。

优选地，本发明人出乎意料地发现，所述样品瓶的水溶液中加入5-8体积％乙醇和0.05-0.1重量％聚氧乙烯山梨聚糖酯(基于水溶液的总重量计)，可以使待测污染物快速挥发出达到恒定值(即，使得更容易被载气氮气快速带出)，其达到稳定值的时间是不加入5-8体积％乙醇和0.05-0.1重量％聚氧乙烯山梨聚糖酯的1/5-1/10，这是本领域技术人员所预料不到的。推测其原因，乙醇的加入使得待测污染物更容易从水中挥发出，避免形成难以挥发的缔合物，另外，聚氧乙烯山梨聚糖酯的加入防止了可能形成乳状液而导致待测污染物难以被载气携带出。

进一步优选地，所述过滤器中的过滤介质包含或者由ZSM-5分子筛组成。所述过滤介质能够将渗滤液中除3-甲基氮茚、乙胺和萘外的大部分污染物过滤出，从而有效防止了干扰。这样的效果是先前所未预料到的。

在本发明的又一方面，还提供了操作所述分析系统的方法，该方法包括使氮气或氩气从装有渗滤液样品水溶液的样品瓶中鼓泡通过，经由过滤器除去水分或其它干扰气体，通过管路及连接件进入红外光谱仪进行检测，然后从红外光谱仪流出，进入样品瓶，不断循环，直至检测值稳定。在该方法中，通过所述加热控温装置使样品瓶中样品溶液的温度维持在50-95℃，优选80℃。

本发明样品预处理简单、操作方便、检测快速、结果准确可靠，能够有针对性地对待测渗滤液的污染物成分做出快速、准确评价。

附图说明

图1是根据本发明的分析系统的示意图；

其中，1：红外光谱仪，2：红外光谱仪排气口，3：样品瓶，4：过滤器，5：管路及连接件，6：样品加热温控装置，7：红外光谱仪进样口，和8：计算机。

具体实施方式

下面通过具体实施例和对比例，并结合附图，对本发明作进一步的具体说明。但本发明不限于所述实施例。

实施例1

采用如下分析系统进行生物垃圾中渗滤液污染物的分析，其中重点针对的污染物包括3-甲基氮茚、乙胺和萘，该系统包括：红外光谱仪，红外光谱仪排气口，样品瓶，过滤器，管路及连接件，样品加热温控装置，红外光谱仪进样口，和计算机，其中样品瓶经由管路及连接件与过滤器相连，过滤器经由管路及连接件与红外光谱仪进样口连接，红外光谱仪排气口经由管路及连接件与样品瓶连接，样品瓶外设有样品加热控温装置；在检测时，氮气从装有渗滤液样品水溶液的样品瓶中鼓泡通过，经由过滤器除去水分或其它干扰气体，通过管路及连接件进入红外光谱仪进行检测，然后从红外光谱仪流出，进入样品瓶，不断循环，直至检测值稳定。采用BP神经网络进行结果分析。生物垃圾来自北京六里屯垃圾填埋场。

检测结果：渗滤液中3-甲基氮茚含量为2.45重量％、乙胺含量为3.88重量％和萘含量为2.57重量％。整个检测过程总耗时1.1h。通过对标准样品进行检测来考察检测精度。

对比例1

采用常规的气相色谱/质谱联用法，对与实施例1相同的样品进行平行检测分析，其中分析测试条件如下：

气相色谱-质谱联用仪：HP5890 II GC/5972 MSD；

色谱柱：DB-5石英毛细管色谱柱(30m×0.25mm×0.25μm)；

载气：氦气，流速2.0mL/min，线速度38.3cm/s，柱头压68.24kPa；

进样口温度：280℃；

连接杆温度：280℃；

色谱升温程序：80℃至290℃，升温速率4℃/min(保留30min)；

质谱离子源：电子轰击源(EI)；

电子倍增器电压：1600eV；

发射电子能量：50eV；

扫描质量范围(m/z)：50～400。

整个检测过程总耗时4.5h。通过对标准样品进行检测来考察检测精度。

对比可知，对比例1的检测精度比实施例1的检测精度平均低12％，另外耗时也明显长于实施例1。这些效果是本领域技术人员所预料不到的。

本书面描述使用实例来公开本发明，包括最佳模式，且还使本领域技术人员能够制造和使用本发明。本发明的可授予专利的范围由权利要求书限定，且可以包括本领域技术人员想到的其它实例。如果这种其它实例具有不异于权利要求书的字面语言的结构元素，或者如果这种其它实例包括与权利要求书的字面语言无实质性差异的等效结构元素，则这种其它实例旨在处于权利要求书的范围之内。在不会造成不一致的程度下，通过参考将本文中参考的所有引用之处并入本文中。

Claims (4)

1.一种用于实施计算机辅助傅里叶变换红外光谱法检测污染物的方法的分析系统，该系统包括：红外光谱仪，红外光谱仪排气口，样品瓶，过滤器，管路及连接件，样品加热温控装置，红外光谱仪进样口，和计算机；其中，样品瓶经由管路及连接件与过滤器相连，过滤器经由管路及连接件与红外光谱仪进样口连接，红外光谱仪排气口经由管路及连接件与样品瓶连接，样品瓶外设有样品加热控温装置，所述样品瓶的水溶液中加入5-8体积％乙醇和基于水溶液的总重量计0.05-0.1重量％聚氧乙烯山梨聚糖酯；

所述方法包括下列步骤：

(1)样品预处理；(2)基线扫描；(3)光谱获取；(4)特征变量提取；和(5)谱图处理；

所述光谱获取包括两部分：(1)建立标准曲线，和(2)样品在线分析；

在特征变量提取过程中，

选取波数为2021.4和2017.5的两条谱线的自然对数差作为3-甲基氮茚的特征变量：

v1＝val2017.5-val2021.4 (1)

选取波数为2011.7和2091.5的两条谱线值的自然对数差作为乙胺的特征变量：

v2＝val2011.7-val2091.5 (2)

选取波数为2106.4和2127.2的两条谱线值的自然对数差作为萘的特征变量：

v3＝val2106.4-val2127.2 (3)

式中v1、v2和v2分别表示3-甲基氮茚、乙胺和萘的特征变量；

所述谱图处理包括建立模型并通过计算机进行分析的过程，该过程包括：

首先构建分析模型：分析模型是以特征变量为输入，目标物质浓度为输出的模型，模型输入为式(1)-(3)给出的三个特征变量，输出分别为3-甲基氮茚、乙胺和萘的浓度；所构建的模型是BP神经网络，神经网络的隐层的初始节点数设为6，隐层的节点的响应函数选择S型函数；

其次是分析模型训练：分析模型的训练即确定所构建的分析模型的权值和阈值参数，其中在Matlab中由如下源程序完成：

net＝newff(V，C，6，{′tansig′，′purelin′})；％创建分析模型，模型名称为net；

net.trainParam.epochs＝500；％设置训练代数为500；

net.trainParam.goal＝0.000001；％设置网络训练目标，它根据用户设定，默认训练样本的均方误差，也就是经验误差；在训练的过程中，训练目标达到要求或者训练代数达到设定值，网络训练结束；

net＝train(net，V，C)；％训练分析模型；

最后是分析模型计算式的构建：有3个输入：v₁，v₂和v₃，6个隐层节点，输出层有三个节点，即3-甲基氮茚、乙胺和萘的浓度；训练结束后，对于建立并训练好的分析模型结构体net，按如下步骤构建分析模型计算表达式：

计算隐层节点输入：

In_m＝net.IW{1}×Input_S+net.b{1}

式中Input_S为输入向量，且Input_S＝[v_m，v_e，v_p]^T；net.IW{1}为分析模型中输入层与隐层之间的连接权值矩阵，它是一个6×3的矩阵；net.b{1}为6×1的隐层节点阈值向量；In_m为6个隐层节点的列向输入向量；

计算隐层节点输出：

Out_m(i)＝f_m(In_m(i)))

式中f_m(·)为隐层响应函数，其为tansig函数，对于tansig(In)，其具体表达式为：

2/(1+exp(-2×In))-1；Out_m为隐层输出向量；

计算输出层输出

In_O＝net.LW{2}×Out_m+net.b{2}

式中net.LW{2}为3×6的隐层与输出层之间的连接权值矩阵；net.b{2}为3×1的输出层阈值向量；In_O即分析模型的输出向量，即为3-甲基氮茚、乙胺和萘的浓度。

2.根据权利要求1的分析系统，其中所述污染物包含生活垃圾渗滤液中的氨氮类物质和/或挥发酚。

3.根据权利要求1或2的分析系统，其中在样品预处理中，进行生活垃圾填埋场多个位置的生活垃圾取样，然后混合均匀，再进行压滤获得生活垃圾渗滤液。

4.一种操作根据权利要求1的分析系统的方法，该方法包括使氮气或氩气从装有渗滤液样品水溶液的样品瓶中鼓泡通过，经由过滤器除去水分或其它干扰气体，通过管路及连接件进入红外光谱仪进行检测，然后从红外光谱仪流出，进入样品瓶，不断循环，直至检测值稳定。