“自动​化监测技术在水质检测中的实施与应用”在《科学家》发表

惟精环境曲鹏的文章“自动化监测技术在水质检测中的实施与应用”在《科学家》期刊发表

    在全球经济快速发展以及城镇建设规模持续扩大的背景下，工业化进程日益加速，水作为地球上生命的基本元素之一，遭受到越来越严重的污染与威胁，甚至对社会大众的身体健康构成了非常不利的影响。传统技术条件下的水质检测方法虽然能够一定程度上保证检测的准确性，单整个操作大量依赖于手工，耗时长并且工作量大，在大样本检测中缺乏适应性。随着自动化监测技术的发展，其开始在水质监测领域表现出良好的应用性能。以下即围绕自动化监测技术在水质检测领域中的实施与应用问题进行分析，侧重研究光谱分析技术支持下的多参数水质检测问题与实现，希望能够引起业内有关人员的关注与重视。

1、 微型光谱仪水质检测原理                                            

水质监测领域中，微型光谱仪具有两点突出的优势，一是可借助于较小的体积实现便捷的二次开发，二是可以通过连续性光谱分析的方式对光谱测量信号进行集中处理，以便支持对多项水质参数的动态、同步监测。整套自动化监测技术体系以微型光谱仪为基础检测器件，在朗伯比尔定律透射光谱分析法的搭建下实现水质监测，基本技术原理如下图（见图1）所示。结合图1，在水质监测的过程中，经准直处理后的复合光进入样品检测池装置内，投射光束在光谱仪狭缝中大量聚焦，在此基础之上进入凹面全息光栅反射分光系统中，在电荷耦合期间光电阵列探测器中完成成像。考虑到电荷耦合器件对光谱的检测具有连续性以及一定波长区间性的特点，因而可以基于连续光谱，实现对水质样本内多种相关参数含量的定性、定量检测。                

图1：技术原理示意图

2、 微型光谱仪水质检测优势

搭载如图1所技术原理所形成水质监测自动化装置能够在200nm~1100nm的波长范围内实现对大量水质参数的监测，整个操作过程以水样中绝大部分被测定参数均具有波长吸收以及光谱吸收的特性为基础。在实际应用中此项自动化技术装置所表现出的优势为三点：                                 

（一）可以在很大程度上替代传统意义的多台点式光谱水质监测装置。简单来说，对于包括挥发酚、铅离子重金属、六价铬重金属。总磷等在内的一系列被测定水质参数而言，由于需要对样品进行化学前处理，因此多建议按照在线物理预处理（包括沉淀、粉碎、乳化以及过滤等操作手段在内）→氧化消解→显色反应→光谱监测的流程实现对被测定物质的准确测定。对于建立在连续性光谱分析基础之上水质监测自动化设备而言，为实现对吸收波长在连续宽光谱范围内各项水质参数的测定，只需要通过对检测波长、化学试剂以及标定算法的调节即可实现。因此，相较于传统意义上的多台点式光谱水质监测装置而言，单台连续性光谱监测装置既能够满足水质监测需求，还同时具备功能扩展的有事，尤其在工业废水排放水质监测领域中有着极为深远的应用价值。

（二）使对COD、BOD以及TOC等关键水质参数的监测具备绿色性、快速性以及智能性的特点。水质监测过程当中，可以以智能算法模型为基础，满足光谱监测需求，具体原理流程如下图（见图2）所示。结合图2，为满足具体的水质参数监测需求，可以尝试在全光谱范围内多多个特征波长处所对应吸光度值进行选择，以实际样本训练为基础，形成包括岭回归-支持向量机模型、主成分分析模型以及神经网络模型等在内的一系列智能算法预测模型。搭载该模型实现对实际水质样本中被测定参数含量的直接预测。更为关键的一点是，在智能算法模型自学习功能以及自适应特性随着被测定水质样本水量的增加而不断强化，这对于水质参数预测精确性的提升是非常关键的，整套自动化技术装置在当代被广泛应用绿色水运、智慧水务、智慧水利等相关行业领域中，备受业内重视。

图2：智能算法模型支持下的水质监测技术流程图

（三）可实现基于水质变化整体信息的光谱预警功能。在连续性宽光谱分析技术中，将被测定水质水体视作一个单独样本，可通过全光谱扫描紫外可见波段的方式形成基于水样的整体吸收光谱图，构建三维连续光谱模型分析数据库（含吸光度、波长以及时间三者在内），在此基础智商，对水质分析样本中污染物产生的特征光谱以及提取分析方法进行研究的方式，构建水质监测参数异常情况的在线监测算法模型，以便在监测水质参数出现异常的情况下做出突变预警响应。

3、 水质检测应用测试

（一）多参数水质检测。在微型光谱仪光谱分析技术的支持下，可以参考水质检测用户的实际需求，对水质检测样本的化学前处理以及精确控制技术进行集成化处理，在连续光谱技术的辅助下进行智能化分析。在此基础之上引入动态参比技术能够降低水质检测过程中背景光谱（如色度、浊度等）的干扰与影响，提升重点水质检测参数（包括正磷酸盐、氨氮、六价铬、以及挥发酚等在内）的准确监测，重复性、准确度以及测量范围均可达到国家当前技术标准。

（二）智能化水质预测。系统进入运行状态后首先进行初始化处理，然后进行参比（超纯水）的信号光谱测量，再对经过过滤处理后的实际水样进行全光谱测量，并将测量数据录入三维光谱分析数据库中，通过对比历史数据的方式判断水质异常情况，确定异常物质，并对相应物质进行预警，进一步发送至实验室进行精确分析。在此基础之上，以智能算法模型为基础对BOD、COD、以及TOC等重点水质参数进行准确预测，再通过对在线样品化学前处理技术的应用，实现对氨氮磷酸盐、挥发酚以及重金属离子等关键水质参数的检测，完成检测后对样品检测室进行清洗，完成系统操作。在此过程当中，可通过对概率密度岭回归智能算法模型的应用，实现水质样本中COD含量的预测分析，可应用波长200nm~1100nm全光谱范围内多特征吸收光谱波长图，通过设置权重的方式修正样本点并实现聚拢，以上操作对于建模预测性能的优化是非常重要的。在此期间，通过增加样本划分的方式，验证了回归算法的实用性与可行性，并且整套算法对水域水体特征的差异性有良好使用性能，对减少样本点数校正算法模型是有益的。实验显示，在智能化水质预测过程中，基于概率密度岭的回归智能算法模型相关系数可达到0.918以上，均方根误差在2.765mg/L左右，未知水质样本的COD预测准确性、重复性均能够满足国家当前技术标准要求。更为关键的是，此项技术能够实现对水质样本COD浓度的快速预测，检测周期缩短至60s范围内（包含抽样以及排样时间在内），对后续工作的开展有良好的帮助。

（三）光谱预警。在对水质监测数据进行光谱预警的过程中，可以通过对导数光谱法技术的应用，在信号处理的基础之上构建基于水质监测样本异常数据的在线监测3D光谱指纹模型。水质监测连续采样期间，依托于该技术实现对水样整体吸收光谱的动态可靠监测。需要注意的一点时，如果某个特定时间点下的波长处吸光度值发生异常，或吸收光谱轮廓曲线出现异常性突变，则意味着被检测水体中已经产生了已知或未知的污染物质，从而导致水质样本发生异常，面向系统发送相应的报警指令。在数据库无法对应水体具体污染物成分的情况下，需要通过在线留样或取样的方式进入实验室进行进一步的精细化学分析，以确保对监测水样中可能存在异常污染物质的精确分析。

4、 结束语                                           

    在整个在线水质检测分析领域中，光谱水质检测仪的发展空间与潜力是相当巨大的。为了更进一步适应智慧水务的发展需求，必须彻底改变当前技术条件支持下以点对点为重点的单光谱水质监测技术与相关仪器设备。本文上述分析中围绕自动化监测技术在水质监测中的应用问题进行阐述，侧重对基于微型光谱仪联系光谱分析技术的多参数水质检测系统平台进行研究，概括了此项技术的原理，优势以及应用要点，对新型光谱水质检测技术的工程化，产业化发展可起到帮助，

参考文献：                                   

[1]李元鹏,张柳青,石玉,等. 有色可溶性有机物在线荧光技术在水质监测中的应用[J]. 环境科学研究,2020,33(3):608-616.

[2]郑淑珍. 水质自动监测技术在水环境保护中的应用探究[J]. 砖瓦世界,2022(1):208-210.

[3]郭兰,何车轮. 水质自动监测技术在水环境保护中的应用策略[J]. 中国资源综合利用,2021,39(9):47-49.

[4]陈超. 刍议水质环境监测中的微生物监测技术及其质量控制[J]. 养生保健指南,2021(30):259.

[5]何颖然. 车载式水质自动监测技术在水环境保护中的研究与应用[J]. 皮革制作与环保科技,2021,2(12):66-67.

[6]李鑫星,朱晨光,周婧,等. 光谱技术在水产养殖水质监测中的应用进展及趋势[J]. 农业工程学报,2018,34(19):184-194.