CN105445211B - 一种基于紫外吸收光谱法的水质趋势预测方法 - Google Patents
一种基于紫外吸收光谱法的水质趋势预测方法 Download PDFInfo
- Publication number
- CN105445211B CN105445211B CN201510782535.3A CN201510782535A CN105445211B CN 105445211 B CN105445211 B CN 105445211B CN 201510782535 A CN201510782535 A CN 201510782535A CN 105445211 B CN105445211 B CN 105445211B
- Authority
- CN
- China
- Prior art keywords
- band
- absorption
- water body
- group
- detected
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 134
- 238000004847 absorption spectroscopy Methods 0.000 title claims abstract description 12
- 238000013277 forecasting method Methods 0.000 title abstract 2
- 238000010521 absorption reaction Methods 0.000 claims abstract description 106
- 239000003344 environmental pollutant Substances 0.000 claims abstract description 77
- 231100000719 pollutant Toxicity 0.000 claims abstract description 77
- 238000000034 method Methods 0.000 claims abstract description 40
- 238000011282 treatment Methods 0.000 claims abstract description 23
- 239000010865 sewage Substances 0.000 claims abstract description 18
- 238000000862 absorption spectrum Methods 0.000 claims description 60
- 239000000126 substance Substances 0.000 claims description 23
- 230000008859 change Effects 0.000 claims description 22
- 238000002835 absorbance Methods 0.000 claims description 19
- 239000012452 mother liquor Substances 0.000 claims description 19
- 125000001997 phenyl group Chemical group [H]C1=C([H])C([H])=C(*)C([H])=C1[H] 0.000 claims description 19
- 239000000356 contaminant Substances 0.000 claims description 17
- 125000003178 carboxy group Chemical group [H]OC(*)=O 0.000 claims description 16
- QTBSBXVTEAMEQO-UHFFFAOYSA-N Acetic acid Chemical compound CC(O)=O QTBSBXVTEAMEQO-UHFFFAOYSA-N 0.000 claims description 15
- MUBZPKHOEPUJKR-UHFFFAOYSA-N Oxalic acid Chemical compound OC(=O)C(O)=O MUBZPKHOEPUJKR-UHFFFAOYSA-N 0.000 claims description 15
- 125000000524 functional group Chemical group 0.000 claims description 12
- 125000002485 formyl group Chemical group [H]C(*)=O 0.000 claims description 11
- 239000002351 wastewater Substances 0.000 claims description 9
- RUFPHBVGCFYCNW-UHFFFAOYSA-N 1-naphthylamine Chemical compound C1=CC=C2C(N)=CC=CC2=C1 RUFPHBVGCFYCNW-UHFFFAOYSA-N 0.000 claims description 8
- DHMQDGOQFOQNFH-UHFFFAOYSA-N Glycine Chemical compound NCC(O)=O DHMQDGOQFOQNFH-UHFFFAOYSA-N 0.000 claims description 8
- 229910002651 NO3 Inorganic materials 0.000 claims description 8
- NHNBFGGVMKEFGY-UHFFFAOYSA-N Nitrate Chemical compound [O-][N+]([O-])=O NHNBFGGVMKEFGY-UHFFFAOYSA-N 0.000 claims description 8
- IOVCWXUNBOPUCH-UHFFFAOYSA-M Nitrite anion Chemical compound [O-]N=O IOVCWXUNBOPUCH-UHFFFAOYSA-M 0.000 claims description 8
- ISWSIDIOOBJBQZ-UHFFFAOYSA-N Phenol Chemical compound OC1=CC=CC=C1 ISWSIDIOOBJBQZ-UHFFFAOYSA-N 0.000 claims description 8
- LCTONWCANYUPML-UHFFFAOYSA-N Pyruvic acid Chemical compound CC(=O)C(O)=O LCTONWCANYUPML-UHFFFAOYSA-N 0.000 claims description 8
- XXROGKLTLUQVRX-UHFFFAOYSA-N allyl alcohol Chemical compound OCC=C XXROGKLTLUQVRX-UHFFFAOYSA-N 0.000 claims description 8
- HUMNYLRZRPPJDN-UHFFFAOYSA-N benzaldehyde Chemical compound O=CC1=CC=CC=C1 HUMNYLRZRPPJDN-UHFFFAOYSA-N 0.000 claims description 8
- 101100129500 Caenorhabditis elegans max-2 gene Proteins 0.000 claims description 6
- 101100083446 Danio rerio plekhh1 gene Proteins 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000002474 experimental method Methods 0.000 claims description 5
- 235000006408 oxalic acid Nutrition 0.000 claims description 5
- 108090000623 proteins and genes Proteins 0.000 claims description 5
- 102000004169 proteins and genes Human genes 0.000 claims description 5
- 238000002211 ultraviolet spectrum Methods 0.000 claims description 5
- TUSDEZXZIZRFGC-UHFFFAOYSA-N 1-O-galloyl-3,6-(R)-HHDP-beta-D-glucose Natural products OC1C(O2)COC(=O)C3=CC(O)=C(O)C(O)=C3C3=C(O)C(O)=C(O)C=C3C(=O)OC1C(O)C2OC(=O)C1=CC(O)=C(O)C(O)=C1 TUSDEZXZIZRFGC-UHFFFAOYSA-N 0.000 claims description 4
- 239000001263 FEMA 3042 Substances 0.000 claims description 4
- 239000004471 Glycine Substances 0.000 claims description 4
- OUYCCCASQSFEME-QMMMGPOBSA-N L-tyrosine Chemical compound OC(=O)[C@@H](N)CC1=CC=C(O)C=C1 OUYCCCASQSFEME-QMMMGPOBSA-N 0.000 claims description 4
- LRBQNJMCXXYXIU-PPKXGCFTSA-N Penta-digallate-beta-D-glucose Natural products OC1=C(O)C(O)=CC(C(=O)OC=2C(=C(O)C=C(C=2)C(=O)OC[C@@H]2[C@H]([C@H](OC(=O)C=3C=C(OC(=O)C=4C=C(O)C(O)=C(O)C=4)C(O)=C(O)C=3)[C@@H](OC(=O)C=3C=C(OC(=O)C=4C=C(O)C(O)=C(O)C=4)C(O)=C(O)C=3)[C@H](OC(=O)C=3C=C(OC(=O)C=4C=C(O)C(O)=C(O)C=4)C(O)=C(O)C=3)O2)OC(=O)C=2C=C(OC(=O)C=3C=C(O)C(O)=C(O)C=3)C(O)=C(O)C=2)O)=C1 LRBQNJMCXXYXIU-PPKXGCFTSA-N 0.000 claims description 4
- 150000001299 aldehydes Chemical group 0.000 claims description 4
- WSFSSNUMVMOOMR-NJFSPNSNSA-N methanone Chemical compound O=[14CH2] WSFSSNUMVMOOMR-NJFSPNSNSA-N 0.000 claims description 4
- QNGNSVIICDLXHT-UHFFFAOYSA-N para-ethylbenzaldehyde Natural products CCC1=CC=C(C=O)C=C1 QNGNSVIICDLXHT-UHFFFAOYSA-N 0.000 claims description 4
- IWZKICVEHNUQTL-UHFFFAOYSA-M potassium hydrogen phthalate Chemical compound [K+].OC(=O)C1=CC=CC=C1C([O-])=O IWZKICVEHNUQTL-UHFFFAOYSA-M 0.000 claims description 4
- 229940107700 pyruvic acid Drugs 0.000 claims description 4
- WXMKPNITSTVMEF-UHFFFAOYSA-M sodium benzoate Chemical compound [Na+].[O-]C(=O)C1=CC=CC=C1 WXMKPNITSTVMEF-UHFFFAOYSA-M 0.000 claims description 4
- 239000004299 sodium benzoate Substances 0.000 claims description 4
- 235000010234 sodium benzoate Nutrition 0.000 claims description 4
- 229920005552 sodium lignosulfonate Polymers 0.000 claims description 4
- LRBQNJMCXXYXIU-NRMVVENXSA-N tannic acid Chemical compound OC1=C(O)C(O)=CC(C(=O)OC=2C(=C(O)C=C(C=2)C(=O)OC[C@@H]2[C@H]([C@H](OC(=O)C=3C=C(OC(=O)C=4C=C(O)C(O)=C(O)C=4)C(O)=C(O)C=3)[C@@H](OC(=O)C=3C=C(OC(=O)C=4C=C(O)C(O)=C(O)C=4)C(O)=C(O)C=3)[C@@H](OC(=O)C=3C=C(OC(=O)C=4C=C(O)C(O)=C(O)C=4)C(O)=C(O)C=3)O2)OC(=O)C=2C=C(OC(=O)C=3C=C(O)C(O)=C(O)C=3)C(O)=C(O)C=2)O)=C1 LRBQNJMCXXYXIU-NRMVVENXSA-N 0.000 claims description 4
- 235000015523 tannic acid Nutrition 0.000 claims description 4
- 229920002258 tannic acid Polymers 0.000 claims description 4
- 229940033123 tannic acid Drugs 0.000 claims description 4
- OUYCCCASQSFEME-UHFFFAOYSA-N tyrosine Natural products OC(=O)C(N)CC1=CC=C(O)C=C1 OUYCCCASQSFEME-UHFFFAOYSA-N 0.000 claims description 4
- 239000008239 natural water Substances 0.000 claims description 3
- 125000001424 substituent group Chemical group 0.000 claims description 3
- 239000002253 acid Substances 0.000 claims description 2
- 150000007513 acids Chemical class 0.000 claims description 2
- 230000031700 light absorption Effects 0.000 claims description 2
- 150000002823 nitrates Chemical class 0.000 claims description 2
- 150000001491 aromatic compounds Chemical class 0.000 claims 1
- 238000004445 quantitative analysis Methods 0.000 abstract description 7
- 238000004886 process control Methods 0.000 abstract description 4
- 238000012544 monitoring process Methods 0.000 description 11
- 239000003440 toxic substance Substances 0.000 description 6
- 238000001514 detection method Methods 0.000 description 5
- 150000007524 organic acids Chemical class 0.000 description 5
- 229920005610 lignin Polymers 0.000 description 4
- 239000010413 mother solution Substances 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 231100000167 toxic agent Toxicity 0.000 description 3
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 2
- 235000013405 beer Nutrition 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 231100000252 nontoxic Toxicity 0.000 description 2
- 230000003000 nontoxic effect Effects 0.000 description 2
- 235000005985 organic acids Nutrition 0.000 description 2
- 239000001301 oxygen Substances 0.000 description 2
- 229910052760 oxygen Inorganic materials 0.000 description 2
- 241000894007 species Species 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 238000004224 UV/Vis absorption spectrophotometry Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 150000001298 alcohols Chemical class 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 235000010290 biphenyl Nutrition 0.000 description 1
- 150000004074 biphenyls Chemical class 0.000 description 1
- 150000001720 carbohydrates Chemical class 0.000 description 1
- 235000014633 carbohydrates Nutrition 0.000 description 1
- 229920002678 cellulose Polymers 0.000 description 1
- 239000001913 cellulose Substances 0.000 description 1
- 239000003153 chemical reaction reagent Substances 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000002542 deteriorative effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000000975 dye Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000003925 fat Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 239000010842 industrial wastewater Substances 0.000 description 1
- 238000011221 initial treatment Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 244000005700 microbiome Species 0.000 description 1
- 239000012250 organic toxicant Substances 0.000 description 1
- 231100001119 organic toxicant Toxicity 0.000 description 1
- 150000002989 phenols Chemical class 0.000 description 1
- 238000000053 physical method Methods 0.000 description 1
- 231100000614 poison Toxicity 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 229920001059 synthetic polymer Polymers 0.000 description 1
- 229920001864 tannin Polymers 0.000 description 1
- 239000001648 tannin Substances 0.000 description 1
- 235000018553 tannin Nutrition 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/33—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using ultraviolet light
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种基于紫外吸收光谱法的水质趋势预测方法，步骤如下，建立标准待测水体以第一组特征、第二组特征和第三组特征组成的特征数据库；计算待测水体第一组特征，第二组特征和第三组特征，将待测水体第一组特征，第二组特征和第三组特征与所述的特征数据库比对，判断待测水体中的污染物种类；第一组特征为特征峰波段Bandcharapick和主特征峰波段Bandprimapick，第二组特征为吸收带展宽Bandwidth，第三组特征为吸收贡献强弱比例RatioPick和RatioSum。本发明提供的方法快速、简便，为污水处理的过程控制和加药处理等提供依据，同时提高后续复杂定量分析的目的性和针对性，降低成本。
Description
技术领域
本发明属于水质趋势预测方法，具体涉及一种基于紫外吸收光谱法的水质趋势预测方法。
背景技术
水资源的质量变化直接影响着国民经济的发展和人民生活水平的提高，需对水环境进行监测并对污染采取预防与治理措施。目前，人们所使用的水质监测技术按分析方法分有：化学监测技术、物理监测技术、生物监测技术等。其中，化学方法存在着测量时间长、需要消耗试剂、存在二次污染、使用成本高等缺点。物理方法主要指紫外-可见吸收光谱法，该方法具有实时、快速、在线、原位、免试剂、低成本、高可靠、无二次污染等优点，一直是国内外水环境监测领域的研究热点。
水体中的污染物主要来源于生活污水和工业废水，从化学角度分类，可以分为无机有毒物、无机无毒物、有机有毒物和有机无毒物。其中有机无毒物主要是耗氧有机物，其过多地进入水体，会造成水体中溶解氧严重不足甚至耗尽，从而恶化水质。主要包括：糖类、脂肪、蛋白质、木质素、单宁酸等。有机有毒物主要是人工合成的耗氧有机物，比较稳定，不易被微生物分解。主要包括：醛、有机酸、酚类、联苯、芳香族氨基化合物、高分子合成聚合物染料等。当这些污染物的含量超过水体的自净能力时，就会造成水体的污染。由于大部分有机物、硝酸盐、亚硝酸盐等对紫外光有吸收作用，因此可以利用其选择性吸收特性进行污染物的定性、定量分析。
然而，对于特定的水质监测场合，如果使用吸收光谱法对污染物进行定量分析，往往需要长期大量的当地校准实验建立预测模型，而对于多种污染物的同时定量分析则更为复杂。况且，目前比较成熟的是紫外-可见吸收光谱法的化学需氧量检测，作为还原性有机物的集合概念，无法了解引起污染的具体物质，必要时仍需化学法定量分析具体的物质成分。如果在每次检测中都对每一种污染物进行细致的定量分析，显然流程复杂，成本消耗巨大。对于排污口和重要流域端面的在线监测系统，为了使水质监测快速、有效而且经济，需及时定性的检测和预警某类或某种污染物含量的变化趋势，并向决策部门提出建议以进行有针对性的定量分析。另外，在污水处理厂中，处理流程分为一级处理、二级处理和三级处理，对于不同的污水在每一级处理中将依次去除不同的污染物。为使处理流程中的每一级处理达到充分有效，可以定性地监测和预警哪些污染物含量仍未达标，并将信息及时传达给过程控制中心，以决策是否进行下一级处理。
因此，我们需要寻找一种快速、简便的污染物预警方法，应用于水质在线监测的前瞻性预测工作中，对污水处理的过程控制和加药处理等提供依据，同时提高后续复杂定量分析的目的性和针对性，降低成本。
发明内容
本发明要解决的技术问题是提供一种快速、简便的污染物预警方法，应用于水质在线监测的前瞻性预测工作中，对污水处理的过程控制和加药处理等提供依据，同时提高后续复杂定量分析的目的性和针对性，降低成本。
为了解决上述技术问题，本发明提供的技术方案为，基于紫外吸收光谱法的水质趋势预测方法，步骤如下：
1)建立标准待测水体以第一组特征、第二组特征和第三组特征组成的特征数据库；
2)测量待测水体第一组特征，将待测水体第一组特征与所述的特征数据库中比对，判断待测水体中的污染物种类；
3)当步骤2)无法判断待测水体中的污染物种类，测量待测水体第二组特征，将待测水体第二组特征与所述的特征数据库比对，判断待测水体中的污染物种类；
4)当步骤3)无法判断待测水体中的污染物种类，测量待测水体第三组特征，将待测水体第三组特征与所述的特征数据库比对，判断待测水体中的污染物种类；
5)当步骤4)无法判断待测水体中的污染物种类，根据待测水体的紫外吸收特性得出待测水体中污染物的所属大类、浓度整体改变或浊度变化；
所述的第一组特征为特征峰波段Bandcharapick和主特征峰波段Bandprimapick；所述的第二组特征为吸收带展宽Bandwidth；所述的第三组特征为吸收贡献强弱比例RatioPick和RatioSum；所述的紫外吸收特性为7个UVn参数和差值吸收光谱δA(λ)。
所述标准待测水体特征数据库的建立包括以下步骤：调研待测水体中含有的污染物种类；将待测水体污染指数达标时的水体作为母液，然后加入调研得到标准污染物，即为标准待测水体，对标准待测水体分别做紫外吸收光谱实验，得到差值吸收光谱δA(λ)；根据标准待测水体的差值吸收光谱δA(λ)分别计算三组特征，建立标准待测水体特征数据库。
待测水体优选为自然水体、生活污水、化工厂废水或污水处理厂各流程处理池污水。不同的水环境下，如自然水体、生活污水排污口、各种化工厂废水排放口或污水处理厂各流程处理池等，污染物的主要成分各不相同。在已知应用场合和其中主要污染物种类时，针对污染物引起的吸收光谱变化，在紫外波段分段定义参数以表征不同官能团的吸收特性，并进一步提取三组特征用于区分不同污染物，经过特征匹配来预测与正常情况相比含量存在差异的物质所属种类。
所述的特征峰波段Bandcharapick、主特征峰波段Bandprimapick、吸收带展宽Bandwidth、吸收贡献强弱比例RatioPick和RatioSum的计算方法：
根据朗伯比尔定律的叠加性可知，当某污染物含量发生变化时，待测水体的吸光度与母液的吸光度之差即为变化的污染物所引起的吸光度。为了研究水体中不同污染物在紫外波段的吸收特性，本发明优选了17种标准污染物，分别为乙酸、草酸、甘氨酸、丙酮酸、酪氨酸、苯甲酸钠、邻苯二甲酸氢钾、单宁酸、苯酚、苯甲醛、1-萘胺、蛋白质、木质素磺酸钠、丙烯醇、甲醛、硝酸盐和亚硝酸盐，分别配制4000～6000mg/L的标准待测水体。测量标准待测水体、待测水体和母液的吸光度，标准待测水体的吸光度与母液的吸光度相减，或待测水体的吸光度与母液的吸光度相减，得到差值吸收光谱，
δA(λ)＝A(λ)-A0(λ) (1)
式中，δA(λ)为差值吸收光谱，A(λ)为标准待测水体或待测水体的吸收光谱，A0(λ)为母液的吸收光谱；
由实验得到不同标准污染物的差值吸收光谱δA(λ)，并结合有机化学理论，建立紫外光谱不同波段与发生能级跃迁的官能团之间的对应关系。本发明从紫外光谱中抽取7个波段，计算各波段的差值吸收光谱曲线δA(λ)与横坐标轴之间所围成的面积，作为各波段的参数:
式中，UVn代表第n波段的参数，λn1和λn2代表第n波段的起始波长和结束波长，n代表不同的波段；7个波段的划分方法如表1所示：
表1
所述的UVk代表双键的K吸收带，所述的UVCOOH代表羧基的吸收带，所述的UVCHO代表苯环上醛基取代基的吸收带，所述的UVben1、UVben2、UVben3和UVben4代表不同取代基的苯环的吸收带；
其次，对这7个UVn参数做进一步挖掘与分析。当标准污染物水体中的某种单一污染物含量发生变化时，差值吸收光谱δA(λ)可能出现如下几种情况：在某个波段出现单峰；在某两个波段出现双峰，且主峰(较强吸收峰)在前；在某两个波段出现双峰，且主峰在后；或出现多个峰。因此，吸收峰的个数，特征吸收峰的位置，主峰的位置，主峰和次峰强弱比例等均可以作为污染物的紫外吸收特征。
为确定特征峰所在的波段，从上述7个UVn参数中求最大值，将最大值所在波段作为最强吸收波段Bandmax，再使用寻峰算法对δA(λ)差值吸收光谱计算吸收峰所在的波长位置，由于多数污染物的紫外吸收光谱存在两个以上特征峰时，计算最强的两个峰所在波段的UVn参数之比：
式中，UV1为最强的两个吸收峰中较强峰所在波段的UVn参数，UV2为最强的两个吸收峰中较弱峰所在波段的UVn参数，RatioPick用来表示较弱峰相对于较强峰对紫外光吸收的贡献之比，当吸收峰个数为1时，RatioPick＝0；
所述的Ratioth1＝0.05；当RatioPick>Ratioth1时，认为两个峰均有贡献，将二者所在波段均作为峰值波段，较强峰为Bandpick1，较弱峰为Bandpick2；当RatioPick≤Ratioth1时，认为只有较强吸收峰有贡献，其所在波段作为峰值波段，记为Bandpick1，而较弱吸收峰可能是由噪声引起或是自身贡献太弱，可以忽略不计，较强峰为Bandpick1。然后将最强吸收波段Bandmax与峰值波段Bandpick1和Bandpick2取并集，作为特征峰波段Bandcharapick，
Bandcharapick＝BandmaxUBandpick1UBandpick2 (4)
并根据RatioPick的值标记主特征峰波段为Bandprimapick，当RatioPick接近于1，即最强的两个峰吸收贡献大小相当，则将Bandcharapick中的波段均标记为主特征峰波段；否则，即两峰贡献有大小之分，将较强吸收峰所在波段Bandpick1与最强吸收波段Bandmax的并集标记为主特征峰波段，
Bandprimapick＝BandmaxUBandpick1 (5)
在进行水质预警过程中，计算某时刻待测水体的差值吸收光谱δA(λ)和7个UVn参数后，得到第一组特征，并将其与标准待测水体特征数据库中的第一组特征比对，以确定其污染物种类。
再次，当水中某两种污染物的第一组特征相同而无法区分时，使用7个UVn参数继续研究吸收带的展宽特性，并以此作为第二组特征区分不同污染物。
根据7个UVn参数计算吸收带的展宽特性，将7个参数分为两组，UVK、UVCOOH和UVCHO为一组，代表苯环以外的其他官能团的紫外吸收贡献；UVben1，UVben2，UVben3和UVben4为一组，代表苯环的紫外吸收贡献，分别求两组参数之和：
sum1＝UVK+UVCOOH+UVCHO (6)
sum2＝UVben1+UVben2+UVben3+UVben4 (7)
并计算sum1与sum2之比RatioSum，用来表征其他官能团与苯环的紫外吸收贡献之比：
当RatioSum>Ratioth2时，Ratioth2＝6，表示该标准污染物中几乎没有苯环的贡献，对7个UVn参数求最大值UVmax，并在其余6个UVn参数中寻找大于等于50％UVmax的参数，将这些参数连同UVmax所在的波段作为吸收带的展宽Bandwidth。
当RatioSum≤Ratioth2时，则认为该污染物中有苯环的紫外吸收贡献，在两组中分别求最大值UVmax1和UVmax2，并分别寻找各自组中其余UVn参数中大于等于其最大值50％的参数，将这些参数连同UVmax1和UVmax2所在的波段作为吸收带的展宽Bandwidth。吸收带的展宽Bandwidth作为差值吸收光谱δA(λ)的第二组特征，表示对紫外吸收做出主要贡献的波段所涉及的范围，并侧面反映出吸收带的陡峭和平坦程度。
在水质趋势预警系统中，对待测水体差值吸收光谱δA(λ)计算这两组特征，并与标准待测水体特征数据库中的第二组特征比对，判断引起吸收光谱变化的待测污染物所属类别。
当待测水体中，某种污染物的第一组特征和第二组特征均相同而无法区分，则将RatioPick和RatioSum这两个表征贡献相对大小的参数作为第三组特征用于区分不同物质。
在实际水环境的检测和预警过程中，很可能出现一种以上污染物含量同时发生变化，当二者变化量具有可比性时，测得的差值吸收光谱δA(λ)的7个UVn参数及其推演的三组特征将无法确定是具体哪种物质引起的变化，此时可以根据污染物所含有官能团的紫外吸收特性，将引起吸收光谱差异的主要物质成分按官能团归到大的分类当中。根据7个UVn参数同时变化，且差值吸收光谱δA(λ)与参考光谱A0(λ)形状相似，认为是污染物浓度整体变化；根据7个UVn参数同时变化，且7个UVn参数变化量非常接近，认为是浊度变化；根据UVK、UVCOOH与其他UVn参数相比为主要变化的参数，认为酸类和硝酸盐类为主要变化的污染物；根据UVben1、UVben2、UVben3和UVben4与其他UVn参数相比为主要变化的参数，认为芳香族化合物为主要变化的污染物。当7个参数同时变化，并且变化量非常接近时，表明水体中污染物浓度整体发生改变或水体浑浊度发生改变，此时没必要预测哪种或哪类物质含量的变化，只需向决策部门或污水处理厂的过程控制中心传达浓度整体变化或浊度发生变化即可。另外，在不同的母液中同一种污染物的差值吸收光谱δA(λ)可能存在差异，因此，在使用该方法时需根据具体使用场合的需要，对已知存在的污染物依次加入母液进行吸收光谱采集实验，根据实验结果和有机化学理论，定义并计算分段积分参数UVn，再建立三组特征用于匹配。
相对于现有技术中的方案，本发明的优点是：
(1)本发明属于一种对污染物含量的快速定性分析方法，判断相对于正常情况浓度存在差异的污染物的种类，提高后续复杂定量分析的针对性。可以使用在水质在线监测系统中，作为水质趋势变化的预判；也可以使用在污水处理厂的各级处理中，作为过程控制的决策依据。
(2)水体中污染物种类较多，直接测出的吸收光谱往往存在大量物质吸收峰的相互交叠。本发明使用的是差值吸收光谱，从待测吸收光谱曲线相对于正常情况时的吸收光谱曲线的差异入手，只研究含量发生较大变化的污染物的吸收特性，降低了复杂程度。
(3)定义7个积分参数UVn，由于是吸收光谱在一段波长范围内的行为，避免了只研究某一个或某几个波长带来的偶然性，使研究结果更具有可靠性和说服力。另外，参数UVn的定义是结合实验结果和有机化学光谱分析理论，与不同官能团相对应，其波段的划分具有实际的物理意义和理论依据。
(4)使用三组特征来表征不同污染物的吸收特性，用特征峰波段Bandcharapick及主特征峰波段Bandprimapick作为第一组特征，表征吸收峰的位置和相对强弱；用吸收带展宽Bandwidth作为第二组特征，表征光吸收所涉及的波段范围和吸收峰的陡峭平坦程度；在前两组特征均无法区分污染物时使用两个比例参数RatioSum和RatioPick作为第三组特征，表征不同峰或波段对紫外吸收贡献强弱的相对比例。可以方便直观的用于待测水体与已知标准待测水体特征的匹配，判断污染物种类。
附图说明
图1为本发明基于紫外吸收光谱法的水质趋势预测方法的流程图；
图2为本发明中标准污染物乙酸、草酸、甘氨酸和丙酮酸的差值吸收光谱图；
图3为本发明中标准污染物酪氨酸、苯甲酸钠、邻苯二甲酸氢钾和单宁酸的差值吸收光谱图；
图4为本发明中标准污染物苯酚、苯甲醛、1-萘胺、蛋白质和木质素磺酸钠的差值吸收光谱图；
图5为本发明中标准污染物丙烯醇、甲醛、硝酸盐和亚硝酸盐的差值吸收光谱图；
图6为实施例中造纸厂废水符合标准时母液的吸收光谱和造纸厂废水待测水体的吸收光谱。
具体实施方式
实施例
现以浙江省某造纸厂的废水为例，具体的水质趋势预测方法的流程如图1所示。
首先建立标准待测水体的特征数据库，将造纸厂废水作为待测水体，调研待测水体中含有的污染物种类，确定主要污染源和主要污染物，将待测水体污染指数达标时的水体作为母液，选取水体中常见的17种标准污染物，分别为乙酸、草酸、甘氨酸、丙酮酸、酪氨酸、苯甲酸钠、邻苯二甲酸氢钾、单宁酸、苯酚、苯甲醛、1-萘胺、蛋白质、木质素磺酸钠、丙烯醇、甲醛、硝酸盐和亚硝酸盐，分别配制浓度为5000mg/L的标准待测水体。根据朗伯比尔定律的叠加性可知，当某物污染物含量发生变化时，待测水体的吸光度与正常情况下标准待测水体的吸光度之差即为变化的污染物所引起的吸光度。
测量17种标准待测水体和母液的吸光度，标准待测水体的吸光度与母液的吸光度相减，得到差值吸收光谱，
δA(λ)＝A(λ)-A0(λ) (1)
式中，δA(λ)为差值吸收光谱，A(λ)为标准待测水体的吸收光谱，A0(λ)为母液的吸收光谱；
如图2～5所示，得到17种标准污染物的差值吸收光谱δA(λ)，并结合有机化学理论，建立紫外光谱不同波段与发生能级跃迁的官能团之间的对应关系。本发明从紫外光谱中抽取7个波段，计算各波段的差值吸收光谱曲线δA(λ)与横坐标轴之间所围成的面积，作为各波段的参数:
式中，UVn代表第n波段的参数，λn1和λn2代表第n波段的起始波长和结束波长，n代表不同的波段；7个波段的划分方法如表2所示：
表2
所述的UVk代表双键的K吸收带，所述的UVCOOH代表羧基的吸收带，所述的UVCHO代表苯环上醛基取代基的吸收带，所述的UVben1、UVben2、UVben3和UVben4代表不同取代基的苯环的吸收带；
其次，对这7个UVn参数做进一步挖掘与分析。当标准待测水体中的某种单一污染物含量发生变化时，差值吸收光谱δA(λ)可能出现如下几种情况：在某个波段出现单峰；在某两个波段出现双峰，且主峰(较强吸收峰)在前；在某两个波段出现双峰，且主峰在后；或出现多个峰。因此，吸收峰的个数，特征吸收峰的位置，主峰的位置，主峰和次峰强弱比例等均可以作为污染物的紫外吸收特征。
为确定特征峰所在的波段，从上述7个UVn参数中求最大值，将最大值所在波段作为最强吸收波段Bandmax，再使用寻峰算法对δA(λ)差值吸收光谱计算吸收峰所在的波长位置，由于多数污染物的紫外吸收光谱存在两个以上特征峰时，计算最强的两个峰所在波段的UVn参数之比：
式中，UV1为最强的两个吸收峰中较强峰所在波段的UVn参数，UV2为最强的两个吸收峰中较弱峰所在波段的UVn参数，RatioPick用来表示较弱峰相对于较强峰对紫外光吸收的贡献之比，当吸收峰个数为1时，RatioPick＝0；
所述的Ratioth1＝0.05；当RatioPick>Ratioth1时，认为两个峰均有贡献，将二者所在波段均作为峰值波段，较强峰为Bandpick1，较弱峰为Bandpick2；当RatioPick≤Ratioth1时，认为只有较强吸收峰有贡献，其所在波段作为峰值波段，记为Bandpick1，而较弱吸收峰可能是由噪声引起或是自身贡献太弱，可以忽略不计，较强峰为Bandpick1。然后将最强吸收波段Bandmax与峰值波段Bandpick1和Bandpick2取并集，作为特征峰波段Bandcharapick，
Bandcharapick＝Bandmax Y Bandpick1 Y Bandpick2 (4)
并根据RatioPick的值标记主特征峰波段为Bandprimapick，当RatioPick接近于1，即最强的两个峰吸收贡献大小相当，则将Bandcharapick中的波段均标记为主特征峰波段；否则，即两峰贡献有大小之分，将较强吸收峰所在波段Bandpick1与最强吸收波段Bandmax的并集标记为主特征峰波段，
Bandprimapick＝Bandmax Y Bandpick1 (5)
由此便得到了第一组特征：特征峰波段Bandcharapick和主特征峰波段Bandprimapick。
表3为17种标准污染物的第一组特征和第三组特征，其中主特征峰波段用下划线表示。
表3
根据7个UVn参数计算吸收带的展宽特性，将7个参数分为两组，UVK、
UVCOOH和UVCHO为一组，代表苯环以外的其他官能团的紫外吸收贡献；UVben1，UVben2，UVben3和UVben4为一组，代表苯环的紫外吸收贡献，分别求两组参数之和：
sum1＝UVK+UVCOOH+UVCHO (6)
sum2＝UVben1+UVben2+UVben3+UVben4 (7)
并计算sum1与sum2之比RatioSum，用来表征其他官能团与苯环的紫外吸收贡献之比：
当RatioSum>Ratioth2时，Ratioth2＝6，表示该污染物中几乎没有苯环的贡献，对7个UVn参数求最大值UVmax，并在其余6个UVn参数中寻找大于等于50％UVmax的参数，将这些参数连同UVmax所在的波段作为吸收带的展宽Bandwidth。
当RatioSum≤Ratioth2时，则认为该污染物中有苯环的紫外吸收贡献，在两组中分别求最大值UVmax1和UVmax2，并分别寻找各自组中其余UVn参数中大于等于其最大值50％的参数，将这些参数连同UVmax1和UVmax2所在的波段作为吸收带的展宽Bandwidth。吸收带的展宽Bandwidth作为差值吸收光谱δA(λ)的第二组特征，表示对紫外吸收做出主要贡献的波段所涉及的范围，并侧面反映出吸收带的陡峭和平坦程度。
本发明所使用的17种物质经过计算得到第二组特征和第三组特征如下表4所示。
表4
根据上述17种标准污染物的第一组特征、第二组特征和第三组特征建立标准污染物的特征数据库。
取造纸厂废水3组样品，将3组样品作为待测水体，将造纸厂废水污染指数达标时的水体作为母液，根据标准待测水体的特征数据库中测量差值吸收光谱δA(λ)、7个UVn参数以及第一组特征、第二组特征和第三组特征的方法，得到待测水体的差值吸收光谱，如图6所示，三组特征数据，如表5所示。由于造纸厂污水中主要成分是木质素、有机酸、硝酸盐、亚硝酸盐、纤维素、醇类，并且其中引起紫外吸收的主要污染物是木质素、硝酸盐、亚硝酸盐、有机酸，因此将三组特征与标准污染物数据库中木质素、硝酸盐、亚硝酸盐的特征相比对，判断超标污染物类别。比较发现，三组特征与乙酸、草酸等有机酸较为接近，因此断定该造纸厂中有机酸的含量超标。该预测可以缩小进一步检测和处理范围，避免对全部物质全面繁琐的检测。
表5
Claims (9)
1.一种基于紫外吸收光谱法的水质趋势预测方法，其特征在于，步骤如下：
1)建立标准待测水体以第一组特征、第二组特征和第三组特征组成的特征数据库；
2)测量待测水体第一组特征，将待测水体第一组特征与所述的特征数据库中比对，判断待测水体中的污染物种类；
3)当步骤2)无法判断待测水体中的污染物种类，测量待测水体第二组特征，将待测水体第二组特征与所述的特征数据库比对，判断待测水体中的污染物种类；
4)当步骤3)无法判断待测水体中的污染物种类，测量待测水体第三组特征，将待测水体第三组特征与所述的特征数据库比对，判断待测水体中的污染物种类；
5)当步骤4)无法判断待测水体中的污染物种类，根据待测水体的紫外吸收特性得出待测水体中污染物的所属大类、浓度整体改变或浊度变化；
所述的第一组特征为特征峰波段Bandcharapick和主特征峰波段Bandprimapick；所述的第二组特征为吸收带展宽Bandwidth；所述的第三组特征为吸收贡献强弱比例RatioPick和RatioSum；所述的紫外吸收特性为7个UVn参数和差值吸收光谱δA(λ)；
所述特征峰波段Bandcharapick、主特征峰波段Bandprimapick和吸收贡献强弱比例RatioPick的计算方法：
(1)测量标准待测水体、待测水体和母液的吸光度，标准待测水体的吸光度与母液的吸光度相减，或待测水体的吸光度与母液的吸光度相减，得到差值吸收光谱，
δA(λ)＝A(λ)-A0(λ) (1)
式中，δA(λ)为差值吸收光谱，A(λ)为标准待测水体或待测水体的吸收光谱，A0(λ)为母液的吸收光谱；
(2)从步骤(1)中所述的δA(λ)差值吸收光谱抽取7个波段，计算7个波段的差值吸收光谱曲线δA(λ)与横坐标轴之间所围成的面积，作为7个波段的参数，
<mrow>
<msub>
<mi>UV</mi>
<mi>n</mi>
</msub>
<mo>=</mo>
<msubsup>
<mo>&Integral;</mo>
<msub>
<mi>&lambda;</mi>
<mrow>
<mi>n</mi>
<mn>1</mn>
</mrow>
</msub>
<msub>
<mi>&lambda;</mi>
<mrow>
<mi>n</mi>
<mn>2</mn>
</mrow>
</msub>
</msubsup>
<mi>&delta;</mi>
<mi>A</mi>
<mrow>
<mo>(</mo>
<mi>&lambda;</mi>
<mo>)</mo>
</mrow>
<mi>d</mi>
<mi>&lambda;</mi>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</mrow>
式中，UVn代表第n波段的参数，λn1和λn2代表第n波段的起始波长和结束波长，n代表不同的波段；
(3)对步骤(2)中7个UVn参数求最大值，将最大值所在波段作为最强吸收波段Bandmax；
(4)对步骤(1)中δA(λ)差值吸收光谱计算吸收峰所在的波长位置，当污染物的紫外吸收光谱存在两个以上特征峰时，计算最强的两个峰所在波段的UVn参数之比：
<mrow>
<mi>R</mi>
<mi>a</mi>
<mi>t</mi>
<mi>i</mi>
<mi>o</mi>
<mi>P</mi>
<mi>i</mi>
<mi>c</mi>
<mi>k</mi>
<mo>=</mo>
<mfrac>
<mrow>
<msub>
<mi>UV</mi>
<mn>2</mn>
</msub>
</mrow>
<mrow>
<msub>
<mi>UV</mi>
<mn>1</mn>
</msub>
</mrow>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
</mrow>
式中，UV1为最强的两个吸收峰中较强峰所在波段的UVn参数，UV2为最强的两个吸收峰中较弱峰所在波段的UVn参数，RatioPick用来表示较弱峰相对于较强峰对紫外光吸收的贡献之比，当吸收峰个数为1时，RatioPick＝0；
所述的Ratioth1＝0.05；当RatioPick>Ratioth1时，较强峰为Bandpick1，较弱峰为Bandpick2；当RatioPick≤Ratioth1时，较强峰为Bandpick1；
(5)将步骤(3)和(4)中最强吸收波段Bandmax与峰值波段Bandpick1和Bandpick2取并集，作为特征峰波段Bandcharapick，
Bandcharapick＝BandmaxUBandpick1UBandpick2 (4)
(6)根据(4)中RatioPick的值标记主特征峰波段为Bandprimapick，当RatioPick接近于1，即最强的两个峰吸收贡献大小相当，则将Bandcharapick中的波段均标记为主特征峰波段；否则，即两峰贡献有大小之分，将较强吸收峰所在波段Bandpick1与最强吸收波段Bandmax的并集标记为主特征峰波段，
Bandprimapick＝BandmaxUBandpick1 (5)。
2.根据权利要求1所述的基于紫外吸收光谱法的水质趋势预测方法，其特征在于，所述标准待测水体特征数据库的建立包括以下步骤：
1)调研待测水体中含有的污染物种类；
2)将待测水体污染指数达标时的水体作为母液，然后加入调研得到标准污染物，即为标准待测水体，对标准待测水体分别做紫外吸收光谱实验，得到差值吸收光谱δA(λ)；
3)根据标准待测水体的差值吸收光谱δA(λ)分别计算三组特征，建立标准待测水体特征数据库。
3.根据权利要求1所述的基于紫外吸收光谱法的水质趋势预测方法，其特征在于，所述的7个波段的划分为：UVK、UVCOOH、UVCHO、UVben1、UVben2、UVben3和UVben4，所述的UVk代表双键的K吸收带，所述的UVCOOH代表羧基的吸收带，所述的UVCHO代表苯环上醛基取代基的吸收带，所述的UVben1、UVben2、UVben3和UVben4代表不同取代基的苯环的吸收带。
4.根据权利要求3所述的基于紫外吸收光谱法的水质趋势预测方法，其特征在于，所述吸收带展宽Bandwidth和吸收贡献强弱比例RatioSum的计算方法：
1)根据7个UVn参数计算吸收带的展宽特性，将7个参数分为两组，UVK、UVCOOH和UVCHO为一组，代表苯环以外的其他官能团的紫外吸收贡献；UVben1，UVben2，UVben3和UVben4为一组，代表苯环的紫外吸收贡献，分别求两组参数之和：
sum1＝UVK+UVCOOH+UVCHO (6)
sum2＝UVben1+UVben2+UVben3+UVben4 (7)
并计算sum1与sum2之比RatioSum，用来表征其他官能团与苯环的紫外吸收贡献之比：
<mrow>
<mi>R</mi>
<mi>a</mi>
<mi>t</mi>
<mi>i</mi>
<mi>o</mi>
<mi>S</mi>
<mi>u</mi>
<mi>m</mi>
<mo>=</mo>
<mfrac>
<mrow>
<msub>
<mi>sum</mi>
<mn>1</mn>
</msub>
</mrow>
<mrow>
<msub>
<mi>sum</mi>
<mn>2</mn>
</msub>
</mrow>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>8</mn>
<mo>)</mo>
</mrow>
</mrow>
当RatioSum>Ratioth2时，对7个UVn参数求最大值UVmax，并在其余6个UVn参数中寻找大于等于50％UVmax的参数，将这些参数连同UVmax所在的波段作为吸收带的展宽Bandwidth；
当RatioSum≤Ratioth2时，在两组中分别求最大值UVmax1和UVmax2，并分别寻找各自组中其余UVn参数中大于等于其最大值50％的参数，将这些参数连同UVmax1和UVmax2所在的波段作为吸收带的展宽Bandwidth；所述的Ratioth2＝6。
5.根据权利要求3所述的基于紫外吸收光谱法的水质趋势预测方法，其特征在于，所述的7个波段UVK、UVCOOH、UVCHO、UVben1、UVben2、UVben3和UVben4的波长范围分别为215-225nm、225-235nm、245-255nm、265-275nm、275-285nm、290-300nm和310-320nm。
6.根据权利要求2所述的基于紫外吸收光谱法的水质趋势预测方法，其特征在于，所述的标准污染物为乙酸、草酸、甘氨酸、丙酮酸、酪氨酸、苯甲酸钠、邻苯二甲酸氢钾、单宁酸、苯酚、苯甲醛、1-萘胺、蛋白质、木质素磺酸钠、丙烯醇、甲醛、硝酸盐和亚硝酸盐共17种。
7.根据权利要求2所述的基于紫外吸收光谱法的水质趋势预测方法，其特征在于，所述的待测水体为自然水体、生活污水、化工厂废水或污水处理厂各流程处理池污水。
8.根据权利要求2所述的基于紫外吸收光谱法的水质趋势预测方法，其特征在于，所述的标准待测水体中标准污染物的浓度为4000～6000mg/L。
9.根据权利要求3所述的基于紫外吸收光谱法的水质趋势预测方法，其特征在于，所述的待测水体中污染物的所属大类、浓度整体改变或浊度变化的判断步骤：
1)根据7个UVn参数同时变化，且差值吸收光谱δA(λ)与A0(λ)形状相似，认为是污染物浓度整体变化；
2)根据7个UVn参数同时变化，且7个UVn参数变化量非常接近，认为是浊度变化；
3)根据UVK、UVCOOH与其他UVn参数相比为主要变化的参数，认为酸类和硝酸盐类为主要变化的污染物；
4)根据UVben1、UVben2、UVben3和UVben4与其他UVn参数相比为主要变化的参数，认为芳香族化合物为主要变化的污染物。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510782535.3A CN105445211B (zh) | 2015-11-13 | 2015-11-13 | 一种基于紫外吸收光谱法的水质趋势预测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510782535.3A CN105445211B (zh) | 2015-11-13 | 2015-11-13 | 一种基于紫外吸收光谱法的水质趋势预测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105445211A CN105445211A (zh) | 2016-03-30 |
| CN105445211B true CN105445211B (zh) | 2018-01-23 |
Family
ID=55555666
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510782535.3A Active CN105445211B (zh) | 2015-11-13 | 2015-11-13 | 一种基于紫外吸收光谱法的水质趋势预测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105445211B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111650141B (zh) * | 2020-07-06 | 2021-06-22 | 湖南大学 | 一种基于多波长吸光度的水质监测方法、仪器和系统 |
| CN113283072B (zh) * | 2021-05-20 | 2023-04-25 | 重庆理工大学 | 一种适用于多场景条件的水体cod检测方法 |
| CN114705649A (zh) * | 2022-05-31 | 2022-07-05 | 武汉正元环境科技股份有限公司 | 基于紫外光谱的水质检测方法及装置 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101349641A (zh) * | 2008-08-28 | 2009-01-21 | 南京大学 | 一种动态监测有机污染物的紫外光电方法和装置 |
| TW201124712A (en) * | 2010-01-15 | 2011-07-16 | Univ Nat Central | A method for measuring the property of the suspended solids and other substances in the fluid |
| CN103674869A (zh) * | 2013-12-30 | 2014-03-26 | 苏州科技学院 | 一种吸收光谱法表征景观水体表观污染的方法 |
-
2015
- 2015-11-13 CN CN201510782535.3A patent/CN105445211B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101349641A (zh) * | 2008-08-28 | 2009-01-21 | 南京大学 | 一种动态监测有机污染物的紫外光电方法和装置 |
| TW201124712A (en) * | 2010-01-15 | 2011-07-16 | Univ Nat Central | A method for measuring the property of the suspended solids and other substances in the fluid |
| CN103674869A (zh) * | 2013-12-30 | 2014-03-26 | 苏州科技学院 | 一种吸收光谱法表征景观水体表观污染的方法 |
Non-Patent Citations (2)
| Title |
|---|
| Ultraviolet multiwavelength absorptimometry(UVMA) for the examination of natural waters and wastewaters;O.Thomas等;《Analytical Chemistry》;19901231;第338卷;第234-237页 * |
| 基于紫外光谱法的水质化学需氧量在线检测技术;赵友全等;《仪器仪表学报》;20100930;第31卷(第9期);第1927-1931页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105445211A (zh) | 2016-03-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Rodríguez-Vidal et al. | Characterization of urban and industrial wastewaters using excitation-emission matrix (EEM) fluorescence: Searching for specific fingerprints | |
| Guéguen et al. | Characterization of aquatic dissolved organic matter by asymmetrical flow field-flow fractionation coupled to UV–Visible diode array and excitation emission matrix fluorescence | |
| CN1046031C (zh) | 多种水处理特性指示剂的同时监测方法 | |
| Jiang et al. | Dynamics of dissolved organic matter (DOM) in a typical inland lake of the Three Gorges Reservoir area: fluorescent properties and their implications for dissolved mercury species | |
| CN113916847B (zh) | 一种基于光谱技术和线性支持向量算法的水质检测方法 | |
| Zhao et al. | Characterization of CDOM from urban waters in Northern-Northeastern China using excitation-emission matrix fluorescence and parallel factor analysis | |
| Kwak et al. | Estimation of biochemical oxygen demand based on dissolved organic carbon, UV absorption, and fluorescence measurements | |
| CN105445211B (zh) | 一种基于紫外吸收光谱法的水质趋势预测方法 | |
| CN111157476B (zh) | 一种水质多参数紫外可见吸收光谱定量化反演方法 | |
| CN115810403B (zh) | 一种基于环境特征信息评估水质污染的方法 | |
| Niloy et al. | Characteristics, sources, and seasonal variability of dissolved organic matter (DOM) in the Ganges River, Bangladesh | |
| Huang et al. | Characterisation of dissolved organic matter in stormwater using high-performance size exclusion chromatography | |
| Phu | Research on the correlation between chlorophyll-a and organic matter BOD, COD, phosphorus, and total nitrogen in Stagnant Lake Basins | |
| Liu et al. | Tracing sources of oilfield wastewater based on excitation-emission matrix fluorescence spectroscopy coupled with chemical pattern recognition techniques | |
| Wang et al. | Monitoring DOM in drinking water supply systems using DOC, COD Mn, UV and fluorescence measurements | |
| JP2008145297A (ja) | 海水中の硝酸イオン及び亜硝酸イオンの濃度測定方法、測定システム、測定プログラム及びその記録媒体 | |
| Geng et al. | A comprehensive review on the excitation-emission matrix fluorescence spectroscopic characterization of petroleum-containing substances: principles, methods, and applications | |
| CN114563381A (zh) | 一种水体污染溯源方法 | |
| CN113740281A (zh) | 一种高浓度溶液中污染物实时原态无损监测方法 | |
| Arguelho et al. | Characterization of dissolved organic matter in an urbanized estuary located in Northeastern Brazil | |
| CN112630202A (zh) | 一种城市排水系统的雨天溢流污水来源的识别方法 | |
| CN109632738B (zh) | 一种评价湖库富营养化程度的方法 | |
| Golcs et al. | Development of a microplate-format direct optode sensor for ultra-high-throughput environmental and wastewater monitoring of Pb2+ | |
| Yu et al. | Detection of water contamination events using fluorescence spectroscopy and alternating trilinear decomposition algorithm | |
| Liu et al. | A review on optical measurement method of chemical oxygen demand in water bodies |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20210107 Address after: 4-5 / F, building 2, No.2, xiyuansi Road, Xihu District, Hangzhou City, Zhejiang Province, 310013 Patentee after: ZHEJIANG VEELANG ENVIRONMENT TECHNOLOGY Co.,Ltd. Address before: 310027 No. 38, Zhejiang Road, Hangzhou, Zhejiang, Xihu District Patentee before: ZHEJIANG University |
|
| TR01 | Transfer of patent right |