紫外吸收光谱法的水质参数预测模型研究  

Study on Water Quality Parameter Prediction Models using Ultraviolet Absorption Spectroscopy

作　　者：朱永健 刘金福[2] 潘晓文[1] 金晶 Zhu Yongjian;Liu Jinfu;Pan Xiaowen;Jin Jing(College of Computer and Information,Fujian Agriculture and Forestry University,Fuzhou,China;College of Forestry,Fujian Agriculture and Forestry University,Fuzhou,China;Fuzhou Taijiang Environmental Monitoring Station,Fuzhou,China)

机构地区：[1]福建农林大学计算机与信息学院,福建福州 [2]福建农林大学林学院,福建福州 [3]福州市台江环境监测站,福建福州

出　　处：《科学技术创新》2024年第6期51-54,共4页Scientific and Technological Innovation

基　　金：中央引导地方科技发展资金项目“智慧湿地保护监测监管服务系统”(2020L3006);福建省省级科技创新重点项目“湿地碳库生态安全动态评价关键技术研发及应用”(2021G02007);福建省科技创新项目资金资助“福建省滨海湿地碳储量时空动态监测与智能计算关键技术研究”(东南生态修复[2021]4号KY-090000-04-2021-013)。

摘　　要：紫外吸收光谱法是一种快速、简便且无二次污染的水质检测技术,借助孪生卷积神经网络构建的水质化学需氧量和浊度预测模型,在小样本情况下能够实现高精度的预测。在实际水样的预测中,R2值可高达0.97,相较于其他模型,具有更高的预测精度和更广泛的适用范围,为在线监测水体中化学需氧量和浊度的污染程度提供了一种全新的技术支持。Ultraviolet absorption spectroscopy is a rapid,straightforward,and environmentally friendly tech-nology for detecting water quality without causing secondary pollution.The prediction model for water chemical oxygen demand and turbidity,developed using twin convolutional neural networks,demonstrates exceptional ac-curacy even with limited sample sizes.When applied to real water samples,the R2 value can reach as high as 0.97.This level of precision surpasses that of other models,making it a valuable tool for online monitoring of chemical oxygen demand and turbidity pollution levels in water bodies.

关 键 词：紫外吸收光谱 化学需氧量 浊度 孪生卷积神经网络 

分 类 号：X832[环境科学与工程—环境工程]