地表水亚硝酸盐氮浓度紫外可见光谱检测方法的基础研究

作者：李庆波; 何林倩; 崔厚欣; 郝龙腾; 孙冬生

来源：光谱学与光谱分析, 2020, 40(04): 1127-1131.

• 紫外可见光谱
• 亚硝酸盐氮
• 偏最小二乘回归
• 水质
• 在线检测

随着我国经济的高速发展,地表水污染问题日趋严重,实现地表水水质连续监测对于保障人类健康和保护环境至关重要。亚硝酸盐氮浓度是水质评估的一项重要指标,污染的水体对人畜及水产构成很大威胁。利用紫外可见吸收光谱检测有机污染物已经成为水质检测的重要方法。国内关于紫外可见光谱法检测亚硝酸盐氮的文献并不多,一般采用对水样进行化学前处理然后再利用紫外分光光度计预测浓度。这种方法不仅检测步骤繁琐,耗时耗力,对环境进一步造成污染,而且无法实现实时连续检测。无化学预处理的基于紫外可见吸收光谱法的亚硝酸盐氮浓度检测鲜有报道。采用紫外可见光谱法针对地表水水质的无人值守自动连续监测方法开展基础研究。配置了亚硝酸盐氮样本溶液,设计了为期三天的实验,每天分别测量所有样本的紫外可见光谱(记为D1组, D2组, D3组)。首先将前两天的样本分别进行偏最小二乘回归法(PLSR)建模,利用交互验证得到平均绝对相对误差(MAPE)分别为1.19%和1.85%,这说明PLSR模型具有优良的预测精度。其次,为了验证PLSR模型在不同条件下的适应性,取D1,D2的实验数据进行互相预测分析。两天互相预测的MAPE分别为3.36%和4.51%,低于5%,说明PLSR模型具有良好的鲁棒性。最后,将D1,D2的全部样本用于建立最终的PLSR实测模型, D3的样本作为测试集。测试集的MAPE为2.19%。结果表明,基于紫外可见光谱分析技术的PLSR算法对溶液中亚硝酸盐氮浓度的算法检测结果的MAPE均控制在5%以下,优于同类文献的测量精度。此外, PLSR模型建模过程简单,运算时间短;建好的模型结构简单更容易移植并固化到嵌入式系统中,为后期开发设计便携式装置带来便利。作为地表水亚硝酸盐氮浓度检测的基础研究,可为日后地表水水质的精准快速检测提供指导。

• 单位
  河北先河环保科技股份有限公司; 北京航空航天大学