本發(fā)明涉及水體有機物檢測領(lǐng)域，特別是指一種基于神經(jīng)網(wǎng)絡(luò)的COD紫外光譜在線檢測優(yōu)化方法。

背景技術(shù)：

水是人類生活與社會生產(chǎn)所需要的極為重要的資源。隨著社會的發(fā)展，人類面臨著日益嚴(yán)重的水污染問題，水質(zhì)監(jiān)測已經(jīng)成為確保用水安全的重要課題。近些年來，隨著科技水平的不斷提高，工業(yè)社會逐漸進入了信息時代，水處理工程的發(fā)展也在朝著自動化、信息化、網(wǎng)絡(luò)化的方向發(fā)展。改革開放以來，我國經(jīng)濟呈現(xiàn)出強勁的發(fā)展勢頭和旺盛的生命力，但在各項經(jīng)濟指標(biāo)穩(wěn)健發(fā)展的同時，環(huán)境質(zhì)量卻呈現(xiàn)逐年惡化的趨勢，水污染狀況尤為嚴(yán)重和突出，對水污染治理的要求也越來越高。

傳統(tǒng)的水處理工程自動化、智能化程度低，存在著大量人工檢測、人工反饋、調(diào)節(jié)滯后的環(huán)節(jié)，效率低下，精確度差，已經(jīng)不能適應(yīng)經(jīng)濟社會對水污染治理日益提高的要求。例如，檢測環(huán)節(jié)，大部分地區(qū)的重點水質(zhì)指標(biāo)仍采用的人工采樣再到實驗室進行分析的非自動在線式檢測，無法掌握實時、連續(xù)的水質(zhì)數(shù)據(jù)，不能實現(xiàn)數(shù)據(jù)的傳輸、共享、反饋和預(yù)警，對水質(zhì)信息的變化反應(yīng)滯后，甚至可能會引起重大污染事故和糾紛。

化學(xué)需氧量(Chemical Oxygen Demand，COD)是衡量水質(zhì)的一個重要參數(shù)，反映了水中還原性有機污染物的含量。傳統(tǒng)的COD監(jiān)測常使用化學(xué)分析的方法，如重鉻酸鉀法，這種方法雖然精準(zhǔn)度高，但是檢測周期長、操作復(fù)雜、且會造成二次污染。近年來，紫外光譜吸收法在監(jiān)測水體COD值領(lǐng)域獲得了廣泛的應(yīng)用，這種方法方便快捷、無需前處理與化學(xué)試劑、可以實現(xiàn)實時在線監(jiān)測，已經(jīng)成為COD監(jiān)測的一個重要的發(fā)展方向。在紫外光譜吸收法中，常使用254nm處吸光度來測量水體的COD值。在水體有機污染物組分單一或成分固定時，這個吸光值可以很好的反應(yīng)水體COD值；但是當(dāng)水中有機物組分較復(fù)雜時，254nm的吸光度與水體COD值的依賴關(guān)系會變得相對復(fù)雜，這直接影響了測量的精確性。

技術(shù)實現(xiàn)要素：

本發(fā)明提供一種基于神經(jīng)網(wǎng)絡(luò)的COD紫外光譜在線檢測優(yōu)化方法，本發(fā)明可依據(jù)水體多種影響因素的指標(biāo)進行高精度的神經(jīng)網(wǎng)絡(luò)建模，以提高紫外光譜法COD在線測量的精度。

為解決上述技術(shù)問題，本發(fā)明提供技術(shù)方案如下：

本發(fā)明提供一種基于神經(jīng)網(wǎng)絡(luò)的COD紫外光譜在線檢測優(yōu)化方法，包括：

測量待測水樣的濁度、懸浮物、電導(dǎo)率和pH值；

用紫外光譜法測量待測水樣的COD值，作為待測水樣的COD初始值；

將待測水樣的濁度、懸浮物、電導(dǎo)率、pH值和COD初始值作為已訓(xùn)練的BP神經(jīng)網(wǎng)絡(luò)的輸入向量，得到待測水樣的COD優(yōu)化值。

進一步的，所述BP神經(jīng)網(wǎng)絡(luò)通過如下方法訓(xùn)練得到：

構(gòu)造若干訓(xùn)練水樣，兩兩訓(xùn)練水樣的濁度、懸浮物、電導(dǎo)率和pH值至少有一項不同；

測量每個訓(xùn)練水樣的濁度、懸浮物、電導(dǎo)率和pH值；

用紫外光譜法測量訓(xùn)練水樣的COD值，作為訓(xùn)練水樣的COD初始值；

用重鉻酸鉀法測量訓(xùn)練水樣的COD值，作為訓(xùn)練水樣的COD標(biāo)準(zhǔn)值；

建立BP神經(jīng)網(wǎng)絡(luò)，以訓(xùn)練水樣的濁度、懸浮物、電導(dǎo)率、PH值和COD初始值作為BP神經(jīng)網(wǎng)絡(luò)的輸入向量，得到訓(xùn)練水樣的COD優(yōu)化值；

重復(fù)訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)若干次，選取訓(xùn)練水樣的COD優(yōu)化值與COD標(biāo)準(zhǔn)值偏差最小的BP神經(jīng)網(wǎng)絡(luò)。

進一步的，所述重復(fù)訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)若干次，選取訓(xùn)練水樣的COD優(yōu)化值與COD標(biāo)準(zhǔn)值偏差最小的BP神經(jīng)網(wǎng)絡(luò)包括：

選取全部訓(xùn)練水樣的90％訓(xùn)練神經(jīng)網(wǎng)絡(luò)若干次，得到若干個訓(xùn)練結(jié)果；

選取90％訓(xùn)練水樣的COD優(yōu)化值與COD標(biāo)準(zhǔn)值偏差最小的BP神經(jīng)網(wǎng)絡(luò)；

將全部訓(xùn)練水樣的剩余10％輸入訓(xùn)練得到的BP神經(jīng)網(wǎng)絡(luò)，比較輸出的COD優(yōu)化值與COD標(biāo)準(zhǔn)值，若COD優(yōu)化值與COD標(biāo)準(zhǔn)值的整體絕對偏差優(yōu)于COD初始值與COD標(biāo)準(zhǔn)值的對偏差，則說明訓(xùn)練成功。

進一步的，所述訓(xùn)練水樣通過如下方法得到：

選取至少一個原始水樣，并對每個原始水樣進行如下操作，得到不同濁度、懸浮物、電導(dǎo)率和/或PH值的訓(xùn)練水樣：

將原始水樣稀釋至不同的倍數(shù)；

以及/或者，添加SiO₂濁度標(biāo)準(zhǔn)溶液，調(diào)節(jié)濁度；

以及/或者，添加烘干污泥，調(diào)節(jié)懸浮物；

以及/或者，添加KCl電導(dǎo)率標(biāo)準(zhǔn)溶液，調(diào)節(jié)電導(dǎo)率；

以及/或者，添加HCl/NaOH溶液，調(diào)節(jié)PH值。

進一步的，所述濁度通過便攜式儀器法測量得到，所述懸浮物通過重量法測量得到，所述電導(dǎo)率通過便攜式儀器法測量得到，所述pH值通過玻璃電極法或便攜式酸度計測量得到。

進一步的，本發(fā)明還包括：

將輸入向量進行歸一化，使其映射到[-1,1]區(qū)間之內(nèi)。

進一步的，所述BP神經(jīng)網(wǎng)絡(luò)的隱藏節(jié)點設(shè)置為15個，訓(xùn)練的最大迭代次數(shù)設(shè)置為1000，學(xué)習(xí)速率設(shè)置為0.05，最小目標(biāo)誤差設(shè)置為10^-6，目標(biāo)函數(shù)使用COD優(yōu)化值與COD標(biāo)準(zhǔn)值的均方差，激勵函數(shù)使用Sigmond函數(shù)f(x)＝1/(1+e^(-αx))，求解最優(yōu)化的訓(xùn)練算法使用Levenberg-Marquardt算法。

本發(fā)明具有以下有益效果：

本發(fā)明的基于神經(jīng)網(wǎng)絡(luò)的COD紫外光譜在線檢測優(yōu)化方法，可依據(jù)水體多種影響因素的指標(biāo)進行高精度的神經(jīng)網(wǎng)絡(luò)建模，以提高紫外光譜法COD在線測量的精度。本發(fā)明中考慮的影響因素有水樣的濁度、懸浮物(SS)、電導(dǎo)率和pH值。這些因素會影響紫外光譜法測量COD值的準(zhǔn)確性。通過神經(jīng)網(wǎng)絡(luò)的建模，可以精確的評估這些因素對COD測量值的影響，進而獲得更精確的COD優(yōu)化值。

附圖說明

圖1為本發(fā)明的基于神經(jīng)網(wǎng)絡(luò)的COD紫外光譜在線檢測優(yōu)化方法流程示意圖；

圖2為挑選出的最優(yōu)神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)前后的訓(xùn)練樣本(訓(xùn)練水樣的90％)COD初始值與COD標(biāo)準(zhǔn)值絕對偏差對比；

圖3為最優(yōu)神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)前后的測試樣本(訓(xùn)練水樣的10％)COD初始值與COD標(biāo)準(zhǔn)值絕對偏差對比。

具體實施方式

為使本發(fā)明要解決的技術(shù)問題、技術(shù)方案和優(yōu)點更加清楚，下面將結(jié)合附圖及具體實施例進行詳細(xì)描述。

本發(fā)明提供一種基于神經(jīng)網(wǎng)絡(luò)的COD紫外光譜在線檢測優(yōu)化方法，包括：

步驟100：測量待測水樣的濁度、懸浮物、電導(dǎo)率和pH值。濁度、懸浮物、電導(dǎo)率和pH值具有一定的測量儀器和測量標(biāo)準(zhǔn)，選擇合適的儀器和標(biāo)準(zhǔn)測量即可。

步驟200：用紫外光譜法測量待測水樣的COD值，作為待測水樣的COD初始值。

步驟300：將待測水樣的濁度、懸浮物、電導(dǎo)率、pH值和COD初始值作為已訓(xùn)練的BP神經(jīng)網(wǎng)絡(luò)的輸入向量，得到待測水樣的COD優(yōu)化值。

紫外光譜法測得的COD值對水樣中的多種影響因素的依賴是復(fù)雜的非線性關(guān)系，而神經(jīng)網(wǎng)絡(luò)很適合對這種復(fù)雜的非線性體系進行建模處理。神經(jīng)網(wǎng)絡(luò)是一種模仿動物神經(jīng)元行為特征而建立的以有向圖為拓?fù)浣Y(jié)構(gòu)的計算機算法模型。BP(Back Propagation)神經(jīng)網(wǎng)絡(luò)是1986年由Rumelhart和McCelland提出的一種正向傳遞信息，反向傳遞誤差的神經(jīng)網(wǎng)絡(luò)算法。其本質(zhì)是利用梯度下降算法迭代求解各神經(jīng)元之間傳遞的權(quán)重值，而梯度的計算則是由反向傳播算法來快速計算。

針對提升紫外光譜法COD在線檢測設(shè)備精確度提高的問題，有兩條路可走，一是國外傳感器廠商偏愛的前端路線，如傳感器的小波包去噪、多元散射校正、拉曼光譜校正等，如此傳感器的價格則更加昂貴，維護運行的專業(yè)化程度和成本都更高。而另一條路，則是基于數(shù)據(jù)統(tǒng)計的軟測量方法。由于水質(zhì)光譜的復(fù)雜性(多變量、多重共線性等)，基于機理分析或簡單應(yīng)用朗伯-比爾定律建立測量模型將十分困難，難以滿足系統(tǒng)要求的參數(shù)解算精度。

本發(fā)明的基于神經(jīng)網(wǎng)絡(luò)的COD紫外光譜在線檢測優(yōu)化方法，可依據(jù)水體多種影響因素的指標(biāo)進行高精度的神經(jīng)網(wǎng)絡(luò)建模，以提高紫外光譜法COD在線測量的精度。本發(fā)明中考慮的影響因素有水樣的濁度、懸浮物(SS)、電導(dǎo)率和pH值。這些因素會影響紫外光譜法測量COD值的準(zhǔn)確性。通過神經(jīng)網(wǎng)絡(luò)的建模，可以精確的評估這些因素對COD測量值的影響，進而獲得更精確的COD優(yōu)化值。

步驟100-300描述的是對待測水樣COD值進行優(yōu)化的過程，其中涉及到的BP神經(jīng)網(wǎng)絡(luò)可以是預(yù)先建立并訓(xùn)練好的，此時拿來直接使用即可，也可以是在實驗開始之時訓(xùn)練，BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練有多種方法。優(yōu)選的，BP神經(jīng)網(wǎng)絡(luò)通過如下方法訓(xùn)練得到：

步驟100’：構(gòu)造若干訓(xùn)練水樣，兩兩訓(xùn)練水樣的濁度、懸浮物、電導(dǎo)率和pH值至少有一項不同，使得訓(xùn)練水樣更加豐富。

步驟200’：測量每個訓(xùn)練水樣的濁度、懸浮物、電導(dǎo)率和pH值。

步驟300’：用紫外光譜法測量訓(xùn)練水樣的COD值，作為訓(xùn)練水樣的COD初始值。此步驟應(yīng)當(dāng)剔除測量錯誤及超出儀器測量量程的數(shù)據(jù)。

步驟400’：用重鉻酸鉀法(具體參見GB/T 11914-1989)測量訓(xùn)練水樣的COD值，作為訓(xùn)練水樣的COD標(biāo)準(zhǔn)值。

步驟500’：建立BP神經(jīng)網(wǎng)絡(luò)，以訓(xùn)練水樣的濁度、懸浮物、電導(dǎo)率、PH值和COD初始值作為BP神經(jīng)網(wǎng)絡(luò)的輸入向量，得到訓(xùn)練水樣的COD優(yōu)化值。

本發(fā)明中，神經(jīng)網(wǎng)絡(luò)可以設(shè)置如下，參數(shù)可根據(jù)訓(xùn)練水樣的數(shù)目與輸入向量進行調(diào)整。

BP神經(jīng)網(wǎng)絡(luò)分為輸入層，隱藏層與輸出層。

輸入節(jié)點設(shè)置為5個，分別對應(yīng)電導(dǎo)率、濁度、PH值、懸浮物及COD初始值。

隱藏節(jié)點設(shè)置為15個。

輸出節(jié)點設(shè)置為1個，對應(yīng)輸出的COD優(yōu)化值。

訓(xùn)練的最大迭代次數(shù)設(shè)置為1000。

學(xué)習(xí)速率設(shè)置為0.05。

最小目標(biāo)誤差設(shè)置為10^-6。

目標(biāo)函數(shù)使用輸出值(COD優(yōu)化值)與期望輸出值(COD標(biāo)準(zhǔn)值)的均方差(MSE)。

激勵函數(shù)使用Sigmond函數(shù)f(x)＝1/(1+e^(-αx))，為BP神經(jīng)網(wǎng)絡(luò)常用的S型非線性激勵函數(shù)。

求解最優(yōu)化的訓(xùn)練算法使用Levenberg-Marquardt算法，這是一種擬牛頓方法，內(nèi)存需求最大，收斂速度最快。

步驟600’：重復(fù)訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)若干次，選取訓(xùn)練水樣的COD優(yōu)化值與COD標(biāo)準(zhǔn)值偏差最小的BP神經(jīng)網(wǎng)絡(luò)。

本步驟選取全部訓(xùn)練水樣的90％進行神經(jīng)網(wǎng)絡(luò)的訓(xùn)練，剩余10％用于訓(xùn)練完畢后效果的測試，具體步驟包括：

步驟610’：選取全部訓(xùn)練水樣的90％訓(xùn)練神經(jīng)網(wǎng)絡(luò)若干次，得到若干個訓(xùn)練結(jié)果。

步驟620’：選取90％訓(xùn)練水樣的COD優(yōu)化值與COD標(biāo)準(zhǔn)值偏差最小的BP神經(jīng)網(wǎng)絡(luò)。由于神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過程具有隨機特性，選擇樣本數(shù)據(jù)全集的絕對偏差均值作為衡量指標(biāo)，例如訓(xùn)練100次神經(jīng)網(wǎng)絡(luò)，得到100個不同的訓(xùn)練結(jié)果，最終從中選出絕對偏差最小的神經(jīng)網(wǎng)絡(luò)。圖2表明了挑選出的最優(yōu)神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)前后的訓(xùn)練樣本(訓(xùn)練水樣的90％)COD初始值與COD標(biāo)準(zhǔn)值絕對偏差對比，可見訓(xùn)練后的優(yōu)化COD優(yōu)化值明顯優(yōu)于未優(yōu)化的COD初始值：偏差回歸前均值3.31％，標(biāo)準(zhǔn)差7.58％，回歸后均值0.54％，標(biāo)準(zhǔn)差4.35％；絕對偏差回歸前6.95％，標(biāo)準(zhǔn)差4.28％，回歸后均值3.66％，標(biāo)準(zhǔn)差2.29％。

步驟630’：將全部訓(xùn)練水樣的剩余10％輸入訓(xùn)練得到的BP神經(jīng)網(wǎng)絡(luò)，比較輸出的COD優(yōu)化值與COD標(biāo)準(zhǔn)值，若COD優(yōu)化值與COD標(biāo)準(zhǔn)值的整體絕對偏差優(yōu)于COD初始值與COD標(biāo)準(zhǔn)值的對偏差，則說明訓(xùn)練成功。圖3表明了最優(yōu)神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)前后的測試樣本COD初始值與COD標(biāo)準(zhǔn)值絕對偏差對比，可見對于未參與訓(xùn)練的測試樣本，訓(xùn)練后的COD優(yōu)化值仍然明顯優(yōu)于未優(yōu)化的COD初始值，相較于COD初始值可提高50％左右。

訓(xùn)練水樣應(yīng)具有完備性，其各種影響因素應(yīng)覆蓋的盡可能廣，由此訓(xùn)練得到的神經(jīng)網(wǎng)絡(luò)才具有較強的普適性與準(zhǔn)確度。優(yōu)選的，訓(xùn)練水樣通過如下方法得到：

選取至少一個原始水樣，本發(fā)明中考慮的影響因素有水樣的濁度、懸浮物(SS)、電導(dǎo)率和pH值，在操作中，應(yīng)選取類型盡可能豐富的水樣作為原始水樣。對每個原始水樣進行如下操作，得到不同濁度、懸浮物、電導(dǎo)率和/或PH值的訓(xùn)練水樣：

將原始水樣稀釋至不同的倍數(shù)。為了使訓(xùn)練水樣的COD值覆蓋范圍盡可能廣，需要將原始水樣稀釋，以獲得更多不同COD值的訓(xùn)練水樣。推薦根據(jù)水樣COD高低的不同，稀釋1～4個水平。

此外，還可以對水樣的各參數(shù)進行人為調(diào)節(jié)，以增加訓(xùn)練水樣的數(shù)量與豐富性。各因素的調(diào)節(jié)方法如下：

向原始水樣或稀釋后的原始水樣添加SiO₂濁度標(biāo)準(zhǔn)溶液，調(diào)節(jié)濁度；推薦每個原始水樣調(diào)節(jié)至有顯著差異的2個水平。

以及/或者，向前述各個步驟得到的水樣添加烘干污泥，調(diào)節(jié)懸浮物；推薦每個原始水樣調(diào)節(jié)至有顯著差異的2個水平。

以及/或者，向前述各個步驟得到的水樣添加KCl電導(dǎo)率標(biāo)準(zhǔn)溶液，調(diào)節(jié)電導(dǎo)率；推薦每個原始水樣調(diào)節(jié)至有顯著差異的2個水平。

以及/或者，向前述各個步驟得到的水樣添加HCl/NaOH溶液，調(diào)節(jié)PH值；推薦每個原始水樣調(diào)節(jié)至有顯著差異的2個水平。

上述方法可以極大地增加用于神經(jīng)網(wǎng)絡(luò)訓(xùn)練的水樣數(shù)目。當(dāng)原始水樣比較多時，上述步驟的人工操作量會過大，影響效率。此時可使用Minitab軟件的部分因子設(shè)計功能，不使用全部因子的組合、而是選取特定的因子水平組合進行實驗。在盡可能保證信息不遺漏的情況下，得到可信的因子影響分析，可以在盡可能保證訓(xùn)練神經(jīng)網(wǎng)絡(luò)訓(xùn)練效果的前提下，有效的減少人工操作的步驟，提高效率。

本發(fā)明通過建立以多影響因素為輸入值的BP神經(jīng)網(wǎng)絡(luò)，來對紫外光譜法測得COD值對這些影響因素的非線性依賴關(guān)系進行建模。通過提供足夠的樣本對神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，即可大幅度提高紫外光譜法測量COD值的精度。

進一步的，濁度可以通過便攜式儀器法測量得到，優(yōu)選為HACH 2100P便攜式濁度儀；懸浮物可以通過重量法測量得到，測量方法參見GB/T11901 1989；電導(dǎo)率可以通過便攜式儀器法測量得到，優(yōu)選為METILER TOLEDO SG3電導(dǎo)率儀；pH值可以通過玻璃電極法(參見GB/T6920-1986)或PHBJ-260便攜式酸度計測量得到。此步驟應(yīng)當(dāng)剔除測量錯誤及超出儀器測量量程的數(shù)據(jù)。

優(yōu)選的，在將輸入向量輸入神經(jīng)網(wǎng)絡(luò)之前，將輸入向量線性映射到[-1,1]區(qū)間之內(nèi)，以保證訓(xùn)練效果。

以上所述是本發(fā)明的優(yōu)選實施方式，應(yīng)當(dāng)指出，對于本技術(shù)領(lǐng)域的普通技術(shù)人員來說，在不脫離本發(fā)明所述原理的前提下，還可以作出若干改進和潤飾，這些改進和潤飾也應(yīng)視為本發(fā)明的保護范圍。