水体有机污染物浓度检测中紫外光谱法的应用

摘 要：将紫外光谱法应用在水体环境有机污染物的浓度检测过程中，能够有效地完成对水体环境有机污染物浓度的检测任务，同时完成对水体环境内有机污染物含量的具体浓度以及预计处理方法的模型建立工作，对水体有机污染物治理工作的顺利进行有着非常重要的意义。文章将具体分析紫外光谱法在水体有机污染物浓度检测中的应用流程以及具体的应用内容。

关键词：水体有机污染物；浓度检测；紫外光谱法；应用流程

水体中的有机污染物会对水体的正常使用性质造成非常大的危害，加强对水体环境中有机污染物浓度地检测，并具体地分析出水体环境中相关有机污染物的具体种类、含量等等特性，进而采取科学合理的治理方法完成对水体环境的彻底治理，保证水体能够继续有效的正常使用，是水体污染治理过程中应该切实完成的重要工作内容。

紫外光谱法是一种通过物质分子在紫外光吸收光谱的具体能力和表现，最终达到测试物质分子内部的具体成分的检测方法。将紫外光谱法应用在水体环境有机污染物的浓度测验过程中，能够有效地通过对水体环境中化学需氧量浓度的测量工作，建立相应的水体环境有机污染物浓度模型，最终达到有效预测水体环境有机污染物浓度的目的。

1 水体有机污染物紫外光谱法检测的具体流程

具体来讲，物质在吸收紫外光后，物质组成结构中的价电子会从低能级差生向高能级跃迁的行为，进而形成产生吸收峰的现象。在水体环境中使用紫外光谱法完成对水体有机污染物的检测内容，其主要流程是包括紫外光谱数据的预处理、紫外光谱与水体环境有机污染物浓度之间数学模型的建立两项工作内容，而在实际的检测流程中这两项内容又可以分为数量不等的小型流程，同时具体的数据处理方法和模型建立方法也有多种多样的选择。以模型建立的方法为例，其包括主成分回归计算PCR方法、偏最小二乘PLS方法以及支持向量机计算SVM方法等诸多类型。以某城市污水厂的进出水为例，文章将具体探讨水体有机污染物检测过程中紫外光谱法的应用内容。

1.1 水体有机污染物浓度检测的准备工作

本次浓度检测实验中使用的检验样品是来自某污水处理厂的污染水样，水样具体等级为一级、二级进水、出水后的静置澄清液。本次浓度实验还准备了包括氚灯、USB2000UV光谱仪等相关仪器，设置了大量的光谱数据点，同时采用化学含氧度作为本次水体有机污染物浓度检测的具体检测指标，使用重络酸钾作为氧化剂完成对水体浓度测量过程中氧化剂的主要类型，最后采用国标法完成相应的测量工作。值得注意的是，本次水体有机污染物浓度检测试验的内容中，选择的实验样品的水体光谱波段都为180-870nm，同时将紫外光纤波长在250-450nm范围内的光谱波段作为主要的检测波段，避免由于紫外光谱整体波段测量内容中较为复杂的多余信息的干扰现象，更加有效地提升本次水体有机污染物浓度检测实验过程中的实验结果精准度。

1.2 紫外光谱数据的预处理工作

紫外光谱数据的预处理工作，事实上就是针对本次水体有机污染物浓度检测试验过程中，最终收获到的相应波长的数据信息进行预先处理的工作，在紫外光谱的检测成果中通常都会其他多项外来因素地干扰，例如本次实验中样品被检测过程中的具体状态、样品的背景、紫外光纤的散射现象、其他杂散光源的影响等等内容，虽然实现已经进行了实验波长的选择，但是在最后的数据处理中依然需要针对上述影响因素作出预先处理工作，这一点也是在紫外光谱法应用过程中必须注重的工作内容。一般来讲常见的紫外光谱数据的预处理方法主要包括平滑处理、导数处理以及SNV处理等等方法。

以平滑处理方法为例，平滑处理方法事实上指的是首先选择一条原始光谱中的几个点，并将其构建成为一个窗口，然后使用事先选择的点的数据针对平滑窗口内的整体测试点的数据进行平均以及拟合的计算方法，最后将窗口不断地进行位移，重复窗口内整体测试点的数据计算方法，最后有效地完成原始光谱整体范围内的测量点的数据预处理工作。

平滑处理方法能够有效地减少原始光谱测试数据中的噪声影响；又以导数处理方法为例，导数处理方法首先也需要选择一条原始光谱中的几个点，并将其构建成为一个窗口，但不同的是导数处理方法需要将窗口内的测量点数据进行导数求解计算，得到窗口内数据的导数光谱，进而在导数光谱的分析过程中逐步消除光谱的背景干扰以及基线漂移，有效地达到提高光谱数据分辨率的目的。

1.3 紫外光谱与水体有机污染物浓度指标之间的数学模型建立工作

正如上文所述，紫外光谱与水体有机污染物浓度指标之间的数据模型建立方法也包括了主成分回归PCR方法、偏最小二次乘法PLS方法以及支持向量机计算SVM方法等等，上述方法都能够有效的完成紫外光谱与水体有机污染物浓度指标之间的数学模型建立工作。

以主成分回归PCR方法为例，主成分回归PCR方法主要是通过将相应的光谱矩阵进行变化，保证光谱矩阵内部的原变量出现线性融合的现象，最终选取光谱矩阵的主要成分完成相应的多元线性回归计算。主成分回归PCR方法能够有效的完成对光谱矩阵数据信息中重叠的信息内容，同时能够有效地解决光谱矩阵的线性问题。

2 实验结果以及结论分析

本次水体有机污染物浓度检测实验过程中，分别采取了平滑数据预处理方法、导数预处理方法以及SNV预处理方法三种方法分别完成对实验数据的预处理工作，又在数学模型的建立过程中采用了主成分回归PCR方法、偏最小二次乘法PLS方法以及支持向量机计算SVM方法三种方法完成紫外光谱与水体有机污染物浓度指标之间的数据模型建立工作，因此本次实验最终得出以下结论：

采用平滑处理、导数处理以及SNV处理方法完成紫外光谱原始实验数据的预处理工作，同时采用PLS、PCR以及SVM方法完成紫外光谱测试数据与水体有机污染物浓度指标的数学模型建立工作，在这一过程中，不采用相关预处理方法、同时使用SVM方法得到的水体有机污染物浓度指标的数学模型是效果最好的，能够有效的反映出某自来水厂水体环境的具体有机污染物的污染浓度，而同时也表明SVM方法相较于PLS、PCR方法能够更加有效地适应小样本的数据模型建立工作中，光谱预处理方法能够有效的提高数据的精准度，但并不一定能够有效地提高数据模型建立过程中的具体精度。

3 结束语

综上所述，文章对水体有机污染物浓度测验中紫外光谱法的应用进行了具体地分析和阐述，文章主要采用了平滑处理方法、导数处理方法、SNV等预处理方法来处理原始光谱，同时使用PLS、PCR、SVM等方法完成对水体有机污染物浓度的模型建立和应用工作，使用上述预处理方法能够有效地提升水体有机污染物浓度检测过程中的测试数据精度，而使用上述模型建立方法则能够更加直观地完成对水体有机污染物浓度的发展情况的模拟和演示，事实证明，紫外光谱法的应用对水体有机污染物的浓度发挥了非常有效地检测作用。

参考文献

[1]吴元清，杜树新，严 .水体有机污染物浓度检测中的紫外光谱分析方法[J].光谱学与光谱分析，2011，31（1）：233-237.

[2]钱建华，李福帅，贝秋平，等.紫外可见光谱法在监测水体有机污染物方面的应用[J].中华纸业，2013，34（10）：84-86.

[3]杜树新，蒋丹红，李林军.基于支持张量机回归的三维荧光谱法水体有机污染物浓度检测[J].高技术通讯，2014，24（1）：80-85.

[4]竹俊如.水体中有机污染物的快速检测方法和仪器的研究[D].华东师范大学，2008.