本文關(guān)鍵詞：基于紫外光譜的水質(zhì)有機(jī)物污染異常檢測(cè)方法研究

  更多相關(guān)文章： 紫外光譜 水質(zhì)異常檢測(cè) 有機(jī)污染物 主分量分析 自回歸預(yù)測(cè)模型

【摘要】：水質(zhì)異常檢測(cè)是城市供水水質(zhì)預(yù)警系統(tǒng)的重要功能需求之一,能夠及時(shí)有效的發(fā)現(xiàn)污染物泄漏或人為投毒事故,給出預(yù)警信息和決策支持信息,對(duì)提高快速應(yīng)急能力、保障城市供水系統(tǒng)安全具有重大意義。本文主要研究了基于紫外光譜的水質(zhì)有機(jī)物污染異常檢測(cè)方法,通過(guò)實(shí)驗(yàn)研究和模擬異常事件檢測(cè)分析研究,驗(yàn)證了所研究的水質(zhì)異常檢測(cè)算法的檢測(cè)性能,在此基礎(chǔ)上,對(duì)該算法的檢測(cè)有機(jī)物種類(lèi)進(jìn)行了討論。 論文主要工作和創(chuàng)新點(diǎn)為： (1)水質(zhì)中大多數(shù)有機(jī)物在紫外光譜下都有各自的吸收峰,根據(jù)這個(gè)基本原理,開(kāi)展基于紫外光譜的水質(zhì)有機(jī)物異常事件檢測(cè)可行性研究。首先研究了基于主分量分析(PCA)降維技術(shù)和聚類(lèi)分析的水質(zhì)有機(jī)物污染異常檢測(cè)算法。在此基礎(chǔ)上,進(jìn)行了管網(wǎng)水質(zhì)有機(jī)物異常模擬實(shí)驗(yàn),選取苯酚、三氯乙酸等十種有機(jī)物溶液進(jìn)行了紫外光譜探測(cè)和主分量分析(PCA)檢測(cè)與聚類(lèi)分析,實(shí)驗(yàn)結(jié)果表明,應(yīng)用紫外光譜和聚類(lèi)算法,可將不同濃度的有機(jī)污染物與自來(lái)水背景樣本進(jìn)行有效區(qū)分,且根據(jù)紫外光譜的主元特征信息可實(shí)現(xiàn)污染物種類(lèi)的辨識(shí),表明了基于紫外光譜進(jìn)行有機(jī)物污染異常事件檢出的可行性。 (2)研究了基于紫外光譜的水質(zhì)有機(jī)物污染異常檢測(cè)方法。首先研究了基于PCA降維技術(shù)和自回歸(AR)預(yù)測(cè)模型的水質(zhì)有機(jī)物污染異常檢測(cè)算法,引入基于可靠性曲線(xiàn)(ROC曲線(xiàn))的性能評(píng)價(jià)方法來(lái)驗(yàn)證該算法的異常檢出率和誤報(bào)率；在此基礎(chǔ)上,分析了基于紫外光譜進(jìn)行水質(zhì)有機(jī)物污染異常檢測(cè)的檢出率,并以100μg/1苯酚溶液的模擬異常事件為例進(jìn)行了驗(yàn)證。 (3)研究和分析了基于紫外光譜的水質(zhì)有機(jī)物污染異常檢測(cè)的局限性,重點(diǎn)研究了紫外光譜法進(jìn)行有機(jī)物檢測(cè)的檢測(cè)下限,以ROC曲線(xiàn)數(shù)值為評(píng)價(jià)指標(biāo)分析了可檢出種類(lèi)和檢出率,結(jié)合有機(jī)物分子結(jié)構(gòu)分析了所對(duì)應(yīng)的紫外光譜特征吸收峰和特征波長(zhǎng)的內(nèi)在關(guān)系,分析了PCA和AR算法對(duì)紫外光譜異常檢測(cè)的特點(diǎn),從而為后續(xù)的紫外光譜法檢測(cè)系統(tǒng)研發(fā)提供技術(shù)積累。 總的來(lái)說(shuō),本文研究提出了直接基于紫外光譜的水質(zhì)有機(jī)物異常檢測(cè)方法,分析了方法的可行性,研究了異常檢測(cè)算法并分析了紫外光譜法進(jìn)行水質(zhì)有機(jī)物污染異常檢測(cè)的局限性和注意事項(xiàng),基于課題組的水質(zhì)監(jiān)測(cè)平臺(tái)進(jìn)行了十余種有機(jī)污染事件的模擬實(shí)驗(yàn),積累了紫外光譜檢測(cè)數(shù)據(jù),為城市供水水質(zhì)異常檢測(cè)提供了技術(shù)支持。
【關(guān)鍵詞】：紫外光譜 水質(zhì)異常檢測(cè) 有機(jī)污染物 主分量分析 自回歸預(yù)測(cè)模型
【學(xué)位授予單位】：浙江大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類(lèi)號(hào)】：X832;O657.32
【目錄】：

• 致謝5-6
• 摘要6-8
• Abstract8-10
• 插圖與附表清單10-12
• 目錄12-15
• 第一章 緒論15-23
• 摘要15
• 1.1 研究背景及意義15-17
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀17-21
• 1.2.1 基于常規(guī)在線(xiàn)參數(shù)的水質(zhì)檢測(cè)技術(shù)17-19
• 1.2.2 紫外光譜的水質(zhì)有機(jī)物檢測(cè)技術(shù)19-21
• 1.2.3 基于紫外光譜的水質(zhì)異常檢測(cè)技術(shù)21
• 1.3 本文主要研究?jī)?nèi)容21-22
• 1.4 本章小結(jié)22-23
• 第二章 基于紫外光譜的水質(zhì)有機(jī)物污染異常檢測(cè)原理綜述23-37
• 摘要23
• 2.1 水質(zhì)異常的基本概念23-24
• 2.2 實(shí)現(xiàn)水質(zhì)異常檢測(cè)的基本方法24-27
• 2.2.1 水質(zhì)檢測(cè)的一般過(guò)程24-25
• 2.2.2 時(shí)間序列預(yù)測(cè)算法檢測(cè)水質(zhì)異常25-26
• 2.2.3 聚類(lèi)/分類(lèi)算法檢測(cè)水質(zhì)異常26-27
• 2.3 利用紫外光譜法進(jìn)行水質(zhì)分析的基本原理27-30
• 2.3.1 紫外光譜的產(chǎn)生27-28
• 2.3.2 朗伯-比爾定律28-30
• 2.4 紫外光譜常用數(shù)據(jù)預(yù)處理方法30-31
• 2.4.1 均值中心化30
• 2.4.2 標(biāo)準(zhǔn)化30-31
• 2.4.3 標(biāo)準(zhǔn)正態(tài)變量變換SNV31
• 2.5 基于紫外光譜法的水質(zhì)異常檢測(cè)方法31-32
• 2.6 水質(zhì)異常檢測(cè)算法的評(píng)價(jià)方法32-36
• 2.6.1 評(píng)價(jià)指標(biāo)32-34
• 2.6.2 ROC曲線(xiàn)34-36
• 2.7 本章小結(jié)36-37
• 第三章 基于紫外光譜的水質(zhì)有機(jī)物污染異常檢測(cè)可行性研究37-47
• 摘要37
• 3.1 從自來(lái)水背景中辨識(shí)有機(jī)物異常的實(shí)驗(yàn)方案37-40
• 3.2 PCA和聚類(lèi)分析技術(shù)40-43
• 3.2.1 PCA算法40-41
• 3.2.2 聚類(lèi)分析方法41-43
• 3.3 從自來(lái)水背景中辨識(shí)有機(jī)物異常的實(shí)驗(yàn)結(jié)果分析43-46
• 3.4 本章小結(jié)46-47
• 第四章 基于紫外光譜的水質(zhì)有機(jī)物污染異常檢測(cè)方法研究47-68
• 摘要47
• 4.1 基于PCA降維和AR預(yù)測(cè)模型算法的紫外全光譜異常檢測(cè)技術(shù)47-51
• 4.1.1 時(shí)間序列模型概述47-49
• 4.1.2 基于PCA降維和AR預(yù)測(cè)模型的算法49-51
• 4.2 基于紫外光譜的水質(zhì)有機(jī)物污染異常檢測(cè)實(shí)驗(yàn)方案設(shè)計(jì)51-58
• 4.2.1 實(shí)驗(yàn)數(shù)據(jù)51
• 4.2.2 實(shí)驗(yàn)方案設(shè)計(jì)51-52
• 4.2.3 實(shí)驗(yàn)平臺(tái)介紹52-55
• 4.2.4 實(shí)驗(yàn)影響因素討論55-57
• 4.2.5 實(shí)驗(yàn)方案57-58
• 4.3 基于PCA降維和AR預(yù)測(cè)模型算法的異常檢測(cè)結(jié)果與分析58-60
• 4.4 基于紫外光譜的單波長(zhǎng)異常檢測(cè)方法60-63
• 4.4.1 UV254檢測(cè)方法60-62
• 4.4.2 特定波長(zhǎng)檢測(cè)方法62-63
• 4.4.3 單波長(zhǎng)檢測(cè)方法的相關(guān)討論63
• 4.5 基于紫外全光譜COD值的異常檢測(cè)方法63-65
• 4.6 基于歷史光譜數(shù)據(jù)置信區(qū)間的紫外全光譜異常檢測(cè)方法65-67
• 4.7 各檢測(cè)方法結(jié)果對(duì)比67
• 4.8 本章小結(jié)67-68
• 第五章 基于紫外光譜法的水質(zhì)有機(jī)物污染異常檢測(cè)局限性分析68-82
• 摘要68
• 5.1 低濃度情況下的異常檢測(cè)方法性能分析68-73
• 5.1.1 苯酚檢出下限和檢測(cè)方法介紹68
• 5.1.2 苯酚檢出下限實(shí)驗(yàn)方案68-69
• 5.1.3 實(shí)驗(yàn)結(jié)果分析69-73
• 5.2 異常檢測(cè)方法對(duì)若干不同有機(jī)污染物的適用性分析73-81
• 5.2.1 苯乙烯模擬污染事件73-75
• 5.2.2 苯模擬污染事件75-77
• 5.2.3 三氯乙酸模擬污染事件77-79
• 5.2.4 三氯乙醛模擬污染事件79-80
• 5.2.5 不同有機(jī)物模擬污染事件小結(jié)80-81
• 5.3 本章小結(jié)81-82
• 第六章 總結(jié)與展望82-84
• 6.1 論文工作總結(jié)82-83
• 6.2 工作展望83-84
• 參考文獻(xiàn)84-87
• 作者在攻讀碩士學(xué)位期間的研究成果87-88
• 作者簡(jiǎn)介88

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 李志強(qiáng),邵維蘭,周艷紅;管網(wǎng)水有機(jī)污染物成份及二氧化氯應(yīng)用的優(yōu)越性[J];環(huán)境科學(xué)與管理;2005年04期

2 孔繁翔;馬榮華;高俊峰;吳曉東;;太湖藍(lán)藻水華的預(yù)防、預(yù)測(cè)和預(yù)警的理論與實(shí)踐[J];湖泊科學(xué);2009年03期

3 杜樹(shù)新,武曉莉,吳鐵軍;紫外光譜水質(zhì)分析儀中的支持向量機(jī)方法[J];分析化學(xué);2004年09期

4 武曉莉;李艷君;吳鐵軍;;用于紫外光譜水質(zhì)分析的Boosting-偏最小二乘法[J];分析化學(xué);2006年08期

5 武曉莉;李艷君;吳鐵軍;;多源光譜信息融合在水質(zhì)分析中的應(yīng)用[J];分析化學(xué);2007年12期

6 李青,何磅礴,張殿君,郭繼龍,趙明;防止直飲供水水質(zhì)污染的技術(shù)措施[J];中國(guó)給水排水;2005年07期

7 吳元清;杜樹(shù)新;嚴(yán)峗;;水體有機(jī)污染物濃度檢測(cè)中的紫外光譜分析方法[J];光譜學(xué)與光譜分析;2011年01期

8 魏康林;溫志渝;武新;張中衛(wèi);曾甜玲;;基于紫外-可見(jiàn)光譜分析的水質(zhì)監(jiān)測(cè)技術(shù)研究進(jìn)展[J];光譜學(xué)與光譜分析;2011年04期

9 許國(guó)輝,余春林;時(shí)間序列分析方法的研究[J];廣州大學(xué)學(xué)報(bào)(自然科學(xué)版);2003年06期

10 彭秀艷;王茂;劉長(zhǎng)德;;AR模型參數(shù)自適應(yīng)估計(jì)方法研究及應(yīng)用[J];哈爾濱工業(yè)大學(xué)學(xué)報(bào);2009年09期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前1條

1 郭亮;跨界河流水污染應(yīng)急決策支持系統(tǒng)研究[D];哈爾濱工業(yè)大學(xué);2011年

，

本文編號(hào)：516194