CN114674793A - 基于光谱电化学的水污染源解析方法、装置及设备 - Google Patents
基于光谱电化学的水污染源解析方法、装置及设备 Download PDFInfo
- Publication number
- CN114674793A CN114674793A CN202210264033.1A CN202210264033A CN114674793A CN 114674793 A CN114674793 A CN 114674793A CN 202210264033 A CN202210264033 A CN 202210264033A CN 114674793 A CN114674793 A CN 114674793A
- Authority
- CN
- China
- Prior art keywords
- data
- disturbance
- water sample
- water
- absorption spectrum
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000003911 water pollution Methods 0.000 title claims abstract description 38
- 238000001228 spectrum Methods 0.000 title abstract description 26
- 230000005518 electrochemistry Effects 0.000 title abstract description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 203
- 238000000862 absorption spectrum Methods 0.000 claims abstract description 75
- 238000002189 fluorescence spectrum Methods 0.000 claims abstract description 61
- 238000004458 analytical method Methods 0.000 claims abstract description 44
- 238000012360 testing method Methods 0.000 claims description 59
- 230000003595 spectral effect Effects 0.000 claims description 30
- 230000002572 peristaltic effect Effects 0.000 claims description 18
- 238000010276 construction Methods 0.000 claims description 4
- 230000003094 perturbing effect Effects 0.000 claims 1
- 238000001514 detection method Methods 0.000 abstract description 14
- 238000000695 excitation spectrum Methods 0.000 abstract description 10
- 230000001965 increasing effect Effects 0.000 abstract description 7
- 239000004480 active ingredient Substances 0.000 abstract description 6
- 238000005065 mining Methods 0.000 abstract description 3
- 239000000126 substance Substances 0.000 description 21
- 230000000694 effects Effects 0.000 description 15
- 230000005284 excitation Effects 0.000 description 13
- 238000000840 electrochemical analysis Methods 0.000 description 10
- 230000004044 response Effects 0.000 description 10
- 239000010865 sewage Substances 0.000 description 10
- 239000007788 liquid Substances 0.000 description 9
- 239000000243 solution Substances 0.000 description 7
- 239000002699 waste material Substances 0.000 description 7
- 239000003344 environmental pollutant Substances 0.000 description 6
- 238000001917 fluorescence detection Methods 0.000 description 6
- 238000012544 monitoring process Methods 0.000 description 6
- 231100000719 pollutant Toxicity 0.000 description 6
- 150000001875 compounds Chemical class 0.000 description 5
- 238000013135 deep learning Methods 0.000 description 5
- 238000002848 electrochemical method Methods 0.000 description 5
- 230000002708 enhancing effect Effects 0.000 description 5
- 238000010801 machine learning Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000000875 corresponding effect Effects 0.000 description 2
- 238000010790 dilution Methods 0.000 description 2
- 239000012895 dilution Substances 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000001506 fluorescence spectroscopy Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 229910001385 heavy metal Inorganic materials 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000005086 pumping Methods 0.000 description 2
- 238000004445 quantitative analysis Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 239000002904 solvent Substances 0.000 description 2
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 1
- 238000001069 Raman spectroscopy Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- XKMRRTOUMJRJIA-UHFFFAOYSA-N ammonia nh3 Chemical compound N.N XKMRRTOUMJRJIA-UHFFFAOYSA-N 0.000 description 1
- 238000003968 anodic stripping voltammetry Methods 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000004141 dimensional analysis Methods 0.000 description 1
- 230000005281 excited state Effects 0.000 description 1
- 238000012921 fluorescence analysis Methods 0.000 description 1
- TUJKJAMUKRIRHC-UHFFFAOYSA-N hydroxyl Chemical compound [OH] TUJKJAMUKRIRHC-UHFFFAOYSA-N 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 230000001678 irradiating effect Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- IJGRMHOSHXDMSA-UHFFFAOYSA-N nitrogen Substances N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000003647 oxidation Effects 0.000 description 1
- 238000007254 oxidation reaction Methods 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 239000002957 persistent organic pollutant Substances 0.000 description 1
- 229910052698 phosphorus Inorganic materials 0.000 description 1
- 239000011574 phosphorus Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- -1 temperature Substances 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000002371 ultraviolet--visible spectrum Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
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
- G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
- G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
- G01N21/64—Fluorescence; Phosphorescence
-
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
- G01N27/26—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating electrochemical variables; by using electrolysis or electrophoresis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
- G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
- G01N21/64—Fluorescence; Phosphorescence
- G01N2021/6417—Spectrofluorimetric devices
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Theoretical Computer Science (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Molecular Biology (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Electrochemistry (AREA)
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
Abstract
本发明公开一种基于光谱电化学的水污染源解析方法、装置及设备,属于水处理技术领域,方法包括采集水样;获取水样在常规状态下的本底数据,本底数据包括第一三维荧光光谱数据和第一紫外吸收光谱信息;对水样进行电化学扰动,并获取水样在扰动状态下的扰动数据,扰动数据包括第二三维荧光光谱数据和第二紫外吸收光谱数据;对本底数据和扰动数据进行解析,确定污染源。本发明通过利用电化学扰动对水质中的活性成分进行了增强,使得水样所表现出激发光谱特征峰及其强度得到了增强,为基于光谱电化学的水污染源解析提供了更多信息挖掘隐藏的水质光谱信息,增加水质检测溯源的辨识度。
Description
技术领域
本发明属于水环境保护与监测技术领域,具体涉及一种基于光谱电化学的水污染源解析方法、装置及设备。
背景技术
污水偷排以及事故性污染排放现象的存在,对水环境质量造成了十分严重的影响,比如偷排超排的化学需氧量(COD)、氨氮、总磷等污染物会对城市污水处理厂带来巨大冲击,对河道水质造成严重影响。如何快速查找污水来源是当前水污染预警及管理研究的重点和难点问题。
目前常用到的污水溯源方法有:现场采样溯源法和数值模拟仿真法,现场采样溯源法有同位素示踪法、水纹识别法、光谱法,该方法溯源结果可靠性较高,但使用起来需消耗大量人力物力;数值模拟仿真法包括确定性方法和不确定性方法,数值模拟仿真法是利用模型或算法权衡实测值与模拟值相似度的方法,该方法可实现快速溯源,但准确性往往不能得到保证。
相关技术中,公开号为CN 112505189 A的发明专利申请公开了一种基于地下水特征污染物的自动溯源方法,该方法通过采用三维荧光光谱分析方法进行采集,并对采集的信息进行处理,得到离子种类信息、有机物种类信息、金属元素信息以及荧光信息,采用多通道激光拉曼测试系统和程控多通道电化学测试系统联用技术对被监测水域可能出现的多种类污染物全部进行在线分析监测的同时,实现对水污染的在线自动溯源。
三维荧光光谱是将荧光强度以等高线方式投影在以激发光波长和发射光波长为纵横坐标的平面上获得的谱图,图像直观,包含信息丰富,在污水指纹分析荧光光谱技术也被适用于污水的监测。虽然荧光光谱技术具有检测灵敏度高,分辨力强,选择性好等特性,对于单组分荧光物质的浓度测量,通过物质的特征荧光峰强度与浓度的关系进行定量分析。在浓度较低时,荧光强度与组分浓度成线性关系。但是当溶液浓度偏高时,由于内滤效应会降低激发光强度而影响其线性关系,另外环境因素,如溶剂、温度、介质酸碱度及黏度、重原子效应等,都会影响其线性关系,影响水质检测溯源的辨识度。
相关技术中,“基于交流扰动的电化学分析新方法研究”,徐继刚等,化工自动化及仪表期刊2012年01期刊载的这篇文章研究了电化学分析方法的交流扰动实现。但并未将其应用于对污染源的识别解析。
发明内容
本发明所要解决的技术问题在于提高水质检测溯源的辨识度。
本发明通过以下技术手段实现解决上述技术问题的:
一方面,本发明提出了一种基于光谱电化学的水污染源解析方法,所述方法包括:
采集水样;
获取所述水样在常规状态下的本底数据,所述本底数据包括第一三维荧光光谱数据和第一紫外吸收光谱信息;
对所述水样进行电化学扰动,并获取所述水样在扰动状态下的扰动数据,所述扰动数据包括第二三维荧光光谱数据和第二紫外吸收光谱数据;
对所述本底数据和所述扰动数据进行解析,确定污染源。
本发明获取水样在常规状态下的本底数据,并使用电化学方法对水质具有电化学活性或有荧光活性的物质进行电化学激发或增强,从而改变化合物的氧化还原状态,并再次获取水样在扰动状态下的扰动数据,实现无荧光物质的荧光检测,采集激发及未激发条件下的光谱响应特征,并融合三维荧光光谱数据及电化学光谱数据,形成多维光谱数组,通过利用电化学扰动对水质中的活性成分进行了增强,使得水样所表现出激发光谱特征峰及其强度得到了增强,为基于光谱电化学的水污染源解析提供了更多信息挖掘隐藏的水质光谱信息,大大增加了水质检测溯源的辨识度。
进一步地,所述获取所述水样在常规状态下的本底数据,包括:
采用三维荧光测试方法对处于常规状态下的所述水样进行测试,得到所述第一三维荧光光谱数据;
采用紫外吸收光谱测试方法对处于常规状态下的所述水样进行测试,得到所述第一紫外吸收光谱数据。
进一步地,所述对所述水样进行电化学扰动,并获取所述水样在扰动状态下的扰动数据,所述扰动数据包括第二三维荧光光谱数据和第二紫外吸收光谱数据,包括:
利用电化学分析仪对所述水样进行扰动,扰动方式包括恒定电流扰动、恒定电压扰动、线性电压扰动及交流扰动等方法;
采用三维荧光测试方法对处于扰动状态下的所述水样进行测试,得到所述第二三维荧光光谱数据;
采用紫外吸收光谱测试方法对处于扰动状态下的所述水样进行测试,得到所述第二紫外吸收光谱数据。
进一步地,所述对所述本底数据和所述扰动数据进行解析,确定污染源,包括:
将所述本底数据和所述扰动数据构成多维光谱数据;
计算所述多维光谱数据与不同污染源的光谱数据的相似程度,确定所述水样的污染源。
此外,本发明还提出了一种基于光谱电化学的水污染源解析装置,所述装置包括:
采集模块,用于采集水样;
第一获取模块,用于获取所述水样在常规状态下的本底数据,所述本底数据包括第一三维荧光光谱数据和第一紫外吸收光谱信息;
第二获取模块,用于对所述水样进行电化学扰动,并获取所述水样在扰动状态下的扰动数据,所述扰动数据包括第二三维荧光光谱数据和第二紫外吸收光谱数据;
解析模块,用于对所述本底数据和所述扰动数据进行解析,确定污染源。
进一步地,所述第一获取模块包括:
第一荧光光谱计算单元,用于采用三维荧光测试方法对处于常规状态下的所述水样进行测试,得到所述第一三维荧光光谱数据;
第一紫外吸收光谱计算单元,用于采用紫外吸收光谱测试方法对处于常规状态下的所述水样进行测试,得到所述第一紫外吸收光谱数据。
进一步地,所述第二获取模块,包括:
扰动单元,用于利用电化学分析仪对所述水样进行扰动,扰动方式包括恒定电流扰动、恒定电压扰动、线性电压扰动及交流扰动等;
第二荧光光谱计算单元,用于采用三维荧光测试方法对处于扰动状态下的所述水样进行测试,得到所述第二三维荧光光谱数据;
第二紫外吸收光谱计算单元,用于采用紫外吸收光谱测试方法对处于扰动状态下的所述水样进行测试,得到所述第二紫外吸收光谱数据。
进一步地,所述解析模块,包括:
多维光谱数据构建单元,用于将所述本底数据和所述扰动数据构成多维光谱数据;
匹配单元,用于利用机器学习方法或深度学习方法,如欧氏距离、闵可夫斯基距离、马氏距离、余弦相似度、皮尔逊相关系数等计算所述多维光谱数据与不同污染源的多维光谱数据的相似程度,即匹配程度,相似度越高,污染源匹配程度越高,确定所述水样的污染源。此外,本发明还提出了一种基于光谱电化学的水污染源解析设备,所述设备包括:水样采集装置、荧光光谱仪、紫外-可见吸收光谱分析仪、电化学分析仪和解析装置,水样采集装置的供水端分别与所述荧光光谱仪、所述紫外-可见吸收光谱分析仪和所述电化学分析仪连接,所述荧光光谱仪和所述紫外-可见吸收光谱分析仪的输出端与所述解析装置连接,其中:
所述水样采集装置用于采集水样;
所述电化学分析仪用于对所述水样进行电化学扰动,将所述水样由常规状态转换成扰动状态;
所述荧光光谱仪用于对处于常规状态下的所述水样和处于扰动状态下的所述水样进行检测,得到第一三维荧光光谱数据和第二三维荧光光谱数据;
所述紫外-可见吸收光谱分析仪用于对处于常规状态下的所述水样和处于扰动状态下的所述水样进行检测,得到第一紫外吸收光谱信息和第二紫外吸收光谱信息;
所述解析装置包括存储器、处理器,所述处理器通过读取所述存储器中存储的可执行程序代码来运行与所述可执行程序代码对应的程序,以用于实现对所述荧光光谱仪输出的数据和所述紫外-可见吸收光谱分析仪输出的数据进行解析,确定污染源。
进一步地,所述水样采集装置包括样水桶、第一三电极流通比色皿、第二三电极流通比色皿和第一蠕动泵,所述样水桶的出水口经电磁阀与所述第一蠕动泵连接,所述第一蠕动泵的出水口分别与所述第一三电极流通比色皿和所述第二三电极流通比色皿的流通池连接,所述第一三电极流通比色皿和所述第二三电极流通比色皿的三电极分别与所述电化学分析仪连接。
本发明的优点在于:
(1)三维荧光指纹谱含有大量的信息,可以用于水体污染来源识别与解析,但是三维荧光光谱技术仅能对水中荧光物质进行检测,且当溶液浓度偏高时,污染源识别及解析结果误差较大。本发明获取水样在常规状态下的本底数据,并使用电化学方法对水质中具有的电化学活性而无荧光活性的物质进行电化学激发,从而改变化合物的氧化还原状态,并再次获取水样在扰动状态下的扰动数据,实现无荧光物质的荧光检测,采集激发及未激发条件下的光谱响应特征,并融合三维荧光光谱数据及电化学数据,形成多维光谱数组,通过利用电化学扰动对水质中的活性成分进行了增强,使得水样所表现出激发光谱特征峰及其强度得到了增强,为基于光谱电化学的水污染源解析提供了更多信息挖掘隐藏的水质光谱信息,大大增加了水质检测溯源的辨识度。
(2)同时利用机器学习或深度学习等判断分析法进行污染溯源分析进一步提高污染来源识别与解析的准确性。
本发明附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
图1是本发明中基于光谱电化学的水污染源解析方法的流程图;
图2是本发明中基于光谱电化学的水污染源解析方法的原理框图;
图3是本发明中基于光谱电化学的水污染源解析装置的结构图;
图4是本发明中基于光谱电化学的水污染源解析装置的实现原理框图;
图5是本发明中基于光谱电化学的水污染源解析设备的结构图。
图5中:
100-水样采集装置,200-荧光光谱仪,300-紫外-可见吸收光谱分析仪,400-电化学分析仪,500-废液回收装置,101-纯水桶,102-样水桶,103-电磁阀,104-第一蠕动泵,105-第一三电极流通比色皿,106-第二三电极流通比色皿,501-废液桶,502-第二蠕动泵。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
参照图1至图2,本发明实施例提出了一种基于光谱电化学的水污染源解析方法,包括以下步骤:
S10、采集水样,所述水样为包含各类污染物的混合水样;
S20、获取所述水样在常规状态下的本底数据,所述本底数据包括第一三维荧光光谱数据和第一紫外吸收光谱信息;
需要说明的是,常规状态是指未对采集的水样做任何处理的原始状态。
S30、对所述水样进行电化学扰动,并获取所述水样在扰动状态下的扰动数据,所述扰动数据包括第二三维荧光光谱数据和第二紫外吸收光谱数据;
需要说明的是,对水样进行电化学扰动的作用是对水质具有电化学活性而无荧光活性的物质进行电化学激发,从而改变化合物的结构或电荷状态,实现无荧光物质的荧光检测。
S40、对所述本底数据和所述扰动数据进行解析,确定污染源。
本实施中,获取水样在常规状态下的本底数据,并使用电化学方法对水质具有电化学活性或有荧光活性的物质进行电化学激发,从而改变化合物的结构或电荷状态,并再次获取水样在扰动状态下的扰动数据,实现无荧光物质的荧光检测,采集激发及未激发条件下的光谱响应特征,并融合三维荧光光谱数据及电化学数据,形成多维光谱数组,通过利用电化学扰动对水质中的活性成分进行了增强,使得水样所表现出激发光谱特征峰及其强度得到了增强,为基于光谱电化学的水污染源解析提供了更多信息挖掘隐藏的水质光谱信息,大大增加了水质检测溯源的辨识度。
需要说明的是,与相关技术中公开号为CN 112505189 A的发明专利申请记载的技术方案相比,该方案采用程控多通道电化学测试系统联用技术主要是用来进行在线快速分析测试重金属及COD的作用,重金属测量通常利用电化学分析的阳极溶出伏安法测试,而基于电化学的COD检测方法是是基于羟基自由基(OH)的氧化作用实现的,这些检测方法与三维荧光检测方法各自是独立的。
本实施例中使用的电化学测试主要是采用电化学测试体系提供扰动环境,并在扰动状态下测试三维荧光光谱,是一种相互结合的测试,两者之间是原位测试关系,而非彼此独立的测试体系。
“基于交流扰动的电化学分析新方法研究”,这篇文章中使用激发光对能产生荧光的物质进行照射,使物质的分子被激发。但激发态的分子非常不稳定,会通过辐射跃迁或非辐射跃迁再次回到未被激发的状态。在这个过程中会伴随荧光发射出来,发射出的荧光(荧光光谱和荧光强度)与物质的特性是相关的,可以利用这种联系实现对物质的测定。荧光分析法检测速度快、操作简单、能实现痕量物质检测、可以实现在线监测,是一种良好的水中有机污染物检测的方法。虽然荧光光谱技术具有检测灵敏度高,分辨力强,选择性好等特性,对于单组分荧光物质的浓度测量,通过物质的特征荧光峰强度与浓度的关系进行定量分析。在浓度较低时,荧光强度与组分浓度成线性关系。但是当溶液浓度偏高时,由于内滤效应会降低激发光强度而影响其线性关系,另外环境因素,如溶剂、温度、介质酸碱度及黏度、重原子效应等,都会影响其线性关系。但使用电化学扰动可以增强其荧光响应强度,对于某些氮杂环类有机物,可以促使其激发出荧光特性,提高水样污染物的荧光响应特性,增加水污染识别辨识度。
在一实施例中,所述步骤S20,包括以下步骤:
S21、采用三维荧光测试方法对处于常规状态下的所述水样进行测试,得到所述第一三维荧光光谱数据;
S22、采用紫外吸收光谱测试方法对处于常规状态下的所述水样进行测试,得到所述第一紫外吸收光谱数据。
可以理解的是,本实施例具体可以采用三维荧光光谱分析仪及紫外-可见吸收光谱分析仪对处于常规状态下的水样进行测试,得到第一三维荧光光谱和第一紫外-可见吸收光谱。
在一实施例中,所述步骤S30,包括以下步骤:
S31、利用电化学分析仪对所述水样进行扰动,扰动方式包括恒定电流扰动、恒定电压扰动、线性电压扰动及交流扰动;
需要说明的是,本领域技术人员可以根据实际应用,选取其他的扰动方式对水样进行扰动,本实施例不作具体限定。
S32、采用三维荧光测试方法对处于扰动状态下的所述水样进行测试,得到所述第二三维荧光光谱数据;
S33、采用紫外吸收光谱测试方法对处于扰动状态下的所述水样进行测试,得到所述第二紫外吸收光谱数据。
可以理解的是,本实施例具体可以采用三维荧光光谱分析仪及紫外-可见吸收光谱分析仪对处于扰动状态下的水样进行测试,得到第二三维荧光光谱和第二紫外-可见吸收光谱。
在一实施例中,所述步骤S40,包括:
将所述本底数据和所述扰动数据构成多维光谱数据;
需要说明的是,以三维荧光光谱+电化学扰动为例:本底数据包含激发波长、入射波长、强度三维数据;扰动数据包含:激发波长、入射波长、强度、扰动响应电流四维数据,所以扰动数据比本底数据多了一个维度。
计算所述多维光谱数据与不同污染源的光谱数据的匹配程度,确定所述水样的污染源。
需要说明的是,本实施例可以利用机器学习方法或深度学习方法,如欧氏距离、闵可夫斯基距离、马氏距离、余弦相似度、皮尔逊相关系数等,计算多维光谱数据与预先构建的数据库中存储的不同污染源的多维光谱数据的匹配程度,并将数据库中与所述水样的多维光谱数据匹配程度最高的污染源作为水样的污染源。
本实施例采用一些计算手段如欧式距离算法等进行谱图解析,提炼分析结果中有价信息,提取特征因子,从而为建立污废水光谱电化学多维分析特征数据库奠定基础,以期在监测解析到污废水中的超排特征时可以通过特征数据库进行快速检索,顺利锁定超排者,为实现溯源追责,为基层监测工作和环境影响评价提供技术支持。
参照图3至图4,本发明实施例还提出了一种基于光谱电化学的水污染源解析装置,所述装置包括:
采集模块10,用于采集水样,所述水样为包含各类污染物的混合水样;
第一获取模块20,用于获取所述水样在常规状态下的本底数据,所述本底数据包括第一三维荧光光谱数据和第一紫外吸收光谱信息;
第二获取模块30,用于对所述水样进行电化学扰动,并获取所述水样在扰动状态下的扰动数据,所述扰动数据包括第二三维荧光光谱数据和第二紫外吸收光谱数据;
解析模块40,用于对所述本底数据和所述扰动数据进行解析,确定污染源。
本实施中,获取水样在常规状态下的本底数据,并使用电化学方法对水质具有电化学活性而无荧光活性的物质进行电化学激发,从而改变化合物的结构或电荷状态,并再次获取水样在扰动状态下的扰动数据,实现无荧光物质的荧光检测,采集激发及未激发条件下的光谱响应特征,并融合三维荧光光谱数据及电化学光谱数据,形成多维光谱数组,通过利用电化学扰动对水质中的活性成分进行了增强,使得水样所表现出激发光谱特征峰及其强度得到了增强,为基于光谱电化学的水污染源解析提供了更多信息挖掘隐藏的水质光谱信息,大大增加了水质检测溯源的辨识度。
在一实施例中,所述第一获取模块20包括:
第一荧光光谱计算单元,用于采用三维荧光测试方法对处于常规状态下的所述水样进行测试,得到所述第一三维荧光光谱数据;
第一紫外吸收光谱计算单元,用于采用紫外吸收光谱测试方法对处于常规状态下的所述水样进行测试,得到所述第一紫外吸收光谱数据。
在一实施例中,所述第二获取模块30,包括:
扰动单元,用于利用电化学分析仪对所述水样进行扰动,扰动方式包括恒定电流扰动、恒定电压扰动、线性电压扰动及交流扰动;
第二荧光光谱计算单元,用于采用三维荧光测试方法对处于扰动状态下的所述水样进行测试,得到所述第二三维荧光光谱数据;
第二紫外吸收光谱计算单元,用于采用紫外吸收光谱测试方法对处于扰动状态下的所述水样进行测试,得到所述第二紫外吸收光谱数据。
在一实施例中,所述解析模块40,包括:
多维光谱数据构建单元,用于将所述本底数据和所述扰动数据构成多维光谱数据;
匹配单元,用于计算所述多维光谱数据与不同污染源的光谱数据的匹配程度,确定所述水样的污染源。
具体地,本实施例计算多维光谱数据与预先构建的数据库中存储的不同污染源的多维光谱数据的匹配程度,并将数据库中与所述水样的多维光谱数据匹配程度最高的污染源作为水样的污染源。
本实施例采用机器学习或深度学习算法等计算手段进行谱图解析,提炼分析结果中有价信息,提取特征因子,从而为建立污废水光谱电化学多维分析特征数据库奠定基础,以期在监测解析到污废水中的超排特征时可以通过特征数据库进行快速检索,顺利锁定超排者,为实现溯源追责,为基层监测工作和环境影响评价提供技术支持。
需要说明的是,本发明所述基于光谱电化学的水污染源解析装置的其他实施例或具有实现方法可参照上述各方法实施例,此处不再赘余。
参照图5,本发明实施例还提出了一种基于光谱电化学的水污染源解析设备,所述设备包括:水样采集装置100、荧光光谱仪200、紫外-可见吸收光谱分析仪300、电化学分析仪400和解析装置,水样采集装置100的供水端分别与所述荧光光谱仪200、所述紫外-可见吸收光谱分析仪300和所述电化学分析仪400连接,所述荧光光谱仪200和所述紫外-可见吸收光谱分析仪300的输出端与所述解析装置连接,其中:
所述水样采集装置100用于采集水样;
所述电化学分析仪400用于对所述水样进行电化学扰动,将所述水样由常规状态转换成扰动状态;
所述荧光光谱仪200用于对处于常规状态下的所述水样和处于扰动状态下的所述水样进行检测,得到第一三维荧光光谱数据和第二三维荧光光谱数据;
所述紫外-可见吸收光谱分析仪300用于对处于常规状态下的所述水样和处于扰动状态下的所述水样进行检测,得到第一紫外吸收光谱信息和第二紫外吸收光谱信息;
所述解析装置包括存储器、处理器,所述处理器通过读取所述存储器中存储的可执行程序代码来运行与所述可执行程序代码对应的程序,以用于实现对所述荧光光谱仪200输出的数据和所述紫外-可见吸收光谱分析仪300输出的数据进行解析,确定污染源。
需要说明的是,电化学分析仪400用于利用电化学方法对水样进行扰动,对水质中的活性成分进行了增强,使得水样所表现出激发光谱特征峰及其强度得到了增强,为基于光谱电化学的水污染源解析提供了更多信息挖掘隐藏的水质光谱信息,增加水质检测溯源的辨识度。本实施例中荧光光谱仪200还可采用三维荧光光谱仪200,荧光光谱仪200和紫外-可见吸收光谱分析仪300用于检测常规状态下的水样光谱数据,以及检测扰动状态下的水样光谱数据。
在一实施例中,解析装置具体用于将所述本底数据和所述扰动数据构成多维光谱数据,然后利用机器学习方法或深度学习方法,计算所述多维光谱数据与不同污染源的光谱数据的匹配程度,确定所述水样的污染源。
在一实施例中,所述水样采集装置100包括纯水桶101、样水桶102、第一三电极流通比色皿105、第二三电极流通比色皿106和第一蠕动泵104,纯水桶101、样水桶102的出水口经电磁阀103与所述第一蠕动泵104连接,所述第一蠕动泵104的出水口分别与所述第一三电极流通比色皿105和所述第二三电极流通比色皿106的流通池连接,所述第一三电极流通比色皿105和所述第二三电极流通比色皿106的三电极分别与所述电化学分析仪400连接。
在一实施例中,所述设备还包括废液回收装置500,包括废液桶501和第二蠕动泵502,所述第一三电极流通比色皿105和所述第二三电极流通比色皿106的流通池还与废液桶501进液口连接,废液桶501的出液口与第二蠕动泵502连接。
需要说明的是,如图5,基于光谱电化学的水污染源解析设备的工作原理为:
水样采集装置100为设备的采水、制样系统:通过电磁阀103、第一蠕动泵104分别控制纯水桶及样品的采集及前处理,如稀释、进样等:首先利用第一蠕动泵104及电磁阀103,将纯水桶101的水样抽吸至第一三电极流通比色皿105、第二三电极流通比色皿106中,清洗水样;然后利用第一蠕动泵104及电磁阀103将待测水样按照稀释要求抽吸至第一三电极流通比色皿105、第二三电极流通比色皿10中,静置后待测。
三维荧光光谱仪200用于获取水样的三维荧光光谱,电化学分析仪400用于给待测水样施加扰动信号,并获取响应信号,测试时:首先利用三维荧光光谱仪200和紫外-可见吸收光谱分析仪300获取非扰动状态下的紫外吸收光谱或三维荧光光谱,记为本底数据;其次利用电化学分析仪400施加扰动信号,并同时获取扰动状态下紫外吸收光谱或三维荧光光谱数据以及电化学响应信号,记为扰动数据,获得完整数据。
待测试完成后,利用第二蠕动泵502将第一三电极流通比色皿105、第二三电极流通比色皿106中的水样抽出至废液桶501。
最后利用第一蠕动泵104、电磁阀103、纯水桶101抽吸纯水清洗第一三电极流通比色皿105、第二三电极流通比色皿106腔体,重复3次。
需要说明的是,本发明所述基于光谱电化学的水污染源解析设备的其他实施例或具有实现方法可参照上述各方法实施例,此处不再赘余。
需要说明的是,在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种基于光谱电化学的水污染源解析方法,其特征在于,所述方法包括:
采集水样;
获取所述水样在常规状态下的本底数据,所述本底数据包括第一三维荧光光谱数据和第一紫外吸收光谱信息;
对所述水样进行电化学扰动,并获取所述水样在扰动状态下的扰动数据,所述扰动数据包括第二三维荧光光谱数据和第二紫外吸收光谱数据;
对所述本底数据和所述扰动数据进行解析,确定污染源。
2.如权利要求1所述的基于光谱电化学的水污染源解析方法,其特征在于,所述获取所述水样在常规状态下的本底数据,包括:
采用三维荧光测试方法对处于常规状态下的所述水样进行测试,得到所述第一三维荧光光谱数据;
采用紫外吸收光谱测试方法对处于常规状态下的所述水样进行测试,得到所述第一紫外吸收光谱数据。
3.如权利要求1所述的基于光谱电化学的水污染源解析方法,其特征在于,所述对所述水样进行电化学扰动,并获取所述水样在扰动状态下的扰动数据,所述扰动数据包括第二三维荧光光谱数据和第二紫外吸收光谱数据,包括:
利用电化学分析仪对所述水样进行扰动,扰动方式包括恒定电流扰动、恒定电压扰动、线性电压扰动及交流扰动;
采用三维荧光测试方法对处于扰动状态下的所述水样进行测试,得到所述第二三维荧光光谱数据;
采用紫外吸收光谱测试方法对处于扰动状态下的所述水样进行测试,得到所述第二紫外吸收光谱数据。
4.如权利要求1所述的基于光谱电化学的水污染源解析方法,其特征在于,所述对所述本底数据和所述扰动数据进行解析,确定污染源,包括:
将所述本底数据和所述扰动数据构成多维光谱数据;
计算所述多维光谱数据与不同污染源的光谱数据的匹配程度,确定所述水样的污染源。
5.一种基于光谱电化学的水污染源解析装置,其特征在于,所述装置包括:
采集模块,用于采集水样;
第一获取模块,用于获取所述水样在常规状态下的本底数据,所述本底数据包括第一三维荧光光谱数据和第一紫外吸收光谱信息;
第二获取模块,用于对所述水样进行电化学扰动,并获取所述水样在扰动状态下的扰动数据,所述扰动数据包括第二三维荧光光谱数据和第二紫外吸收光谱数据;
解析模块,用于对所述本底数据和所述扰动数据进行解析,确定污染源。
6.如权利要求5所述的基于光谱电化学的水污染源解析装置,其特征在于,所述第一获取模块包括:
第一荧光光谱计算单元,用于采用三维荧光测试方法对处于常规状态下的所述水样进行测试,得到所述第一三维荧光光谱数据;
第一紫外吸收光谱计算单元,用于采用紫外吸收光谱测试方法对处于常规状态下的所述水样进行测试,得到所述第一紫外吸收光谱数据。
7.如权利要求5所述的基于光谱电化学的水污染源解析装置,其特征在于,所述第二获取模块,包括:
扰动单元,用于利用电化学分析仪对所述水样进行扰动,扰动方式包括恒定电流扰动、恒定电压扰动、线性电压扰动及交流扰动;
第二荧光光谱计算单元,用于采用三维荧光测试方法对处于扰动状态下的所述水样进行测试,得到所述第二三维荧光光谱数据;
第二紫外吸收光谱计算单元,用于采用紫外吸收光谱测试方法对处于扰动状态下的所述水样进行测试,得到所述第二紫外吸收光谱数据。
8.如权利要求5所述的基于光谱电化学的水污染源解析装置,其特征在于,所述解析模块,包括:
多维光谱数据构建单元,用于将所述本底数据和所述扰动数据构成多维光谱数据;
匹配单元,用于计算所述多维光谱数据与不同污染源的光谱数据的匹配程度,确定所述水样的污染源。
9.一种基于光谱电化学的水污染源解析设备,其特征在于,所述设备包括:水样采集装置、荧光光谱仪、紫外-可见吸收光谱分析仪、电化学分析仪和解析装置,水样采集装置的供水端分别与所述荧光光谱仪、所述紫外-可见吸收光谱分析仪和所述电化学分析仪连接,所述荧光光谱仪和所述紫外-可见吸收光谱分析仪的输出端与所述解析装置连接,其中:
所述水样采集装置用于采集水样;
所述电化学分析仪用于对所述水样进行电化学扰动,将所述水样由常规状态转换成扰动状态;
所述荧光光谱仪用于对处于常规状态下的所述水样和处于扰动状态下的所述水样进行检测,得到第一三维荧光光谱数据和第二三维荧光光谱数据;
所述紫外-可见吸收光谱分析仪用于对处于常规状态下的所述水样和处于扰动状态下的所述水样进行检测,得到第一紫外吸收光谱信息和第二紫外吸收光谱信息;
所述解析装置包括存储器、处理器,所述处理器通过读取所述存储器中存储的可执行程序代码来运行与所述可执行程序代码对应的程序,以用于实现对所述荧光光谱仪输出的数据和所述紫外-可见吸收光谱分析仪输出的数据进行解析,确定污染源。
10.如权利要求9所述的基于光谱电化学的水污染源解析设备,其特征在于,所述水样采集装置包括样水桶、第一三电极流通比色皿、第二三电极流通比色皿和第一蠕动泵,所述样水桶的出水口经电磁阀与所述第一蠕动泵连接,所述第一蠕动泵的出水口分别与所述第一三电极流通比色皿和所述第二三电极流通比色皿的流通池连接,所述第一三电极流通比色皿和所述第二三电极流通比色皿的三电极分别与所述电化学分析仪连接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210264033.1A CN114674793A (zh) | 2022-03-17 | 2022-03-17 | 基于光谱电化学的水污染源解析方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210264033.1A CN114674793A (zh) | 2022-03-17 | 2022-03-17 | 基于光谱电化学的水污染源解析方法、装置及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114674793A true CN114674793A (zh) | 2022-06-28 |
Family
ID=82075198
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210264033.1A Pending CN114674793A (zh) | 2022-03-17 | 2022-03-17 | 基于光谱电化学的水污染源解析方法、装置及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114674793A (zh) |
-
2022
- 2022-03-17 CN CN202210264033.1A patent/CN114674793A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109709057B (zh) | 水质指标预测模型构建方法及水质指标监测方法 | |
CN106290532B (zh) | 一种面向物联网的智能化水质痕量重金属在线监测与预警系统 | |
CN101105440A (zh) | 紫外光协同臭氧消解光度法测量水体总氮总磷的方法 | |
CN104237189B (zh) | 一种印染行业废水污染的快速识别和定量分析的方法 | |
CN111596002A (zh) | 一种用检测废气的lel及v0c智能在线分析处理系统 | |
CN101975767A (zh) | 一种测定水环境中溶解性有机物与金属离子结合潜势的方法 | |
US20240111923A1 (en) | Method and system for obtaining ecological impact mechanism | |
CN113533672B (zh) | 一种水质在线监测方法及装置 | |
CN105510423B (zh) | 测量水体化学需氧量的自动在线监测仪 | |
Campos et al. | Ammonium and phosphate quantification in wastewater by using a voltammetric electronic tongue | |
CN214011063U (zh) | 一种营养盐分析仪 | |
CN112630202A (zh) | 一种城市排水系统的雨天溢流污水来源的识别方法 | |
CN114674793A (zh) | 基于光谱电化学的水污染源解析方法、装置及设备 | |
CN205594015U (zh) | Cvs电镀液有机添加剂自动检测装置 | |
CN115950864A (zh) | 一种基于三维荧光光谱法的水污染溯源检测方法 | |
CN115660455A (zh) | 一种三水统筹下水质评价体系模型构建系统、设备及终端 | |
CN106885914B (zh) | 多污染物成分水质自动检测分析仪以及检测方法 | |
CN205581047U (zh) | 测量水体化学需氧量的自动在线监测仪 | |
CN209372694U (zh) | 一种污水监测系统 | |
CN1740773A (zh) | 双光路海水磷酸盐光学分析系统 | |
KR101344992B1 (ko) | 자동 보정 기능이 있는 총질소 소프트웨어 센서 콘트롤러 및 이를 이용한 총질소 모니터링 시스템 | |
CN116297251B (zh) | 一种多传感器组合的水质检测系统及其检测探头 | |
CN118130396B (zh) | 水质浊度检测方法、装置、浊度传感器及存储介质 | |
Wyantuti et al. | Determination of Gd (III) Concentration by Voltammetry and Its Usage as a Learning Module for Chemistry Student | |
Emons et al. | Perspective. Electroanalysis for the purpose of environmental monitoring and specimen banking: is there a future? |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |