1、近年來，頻發(fā)的水污染事件嚴重影響了居民生活和社會經濟健康發(fā)展，水質檢（監(jiān)）測已刻不容緩?；瘜W需氧量(COD)既是衡量水質狀況的最重要參數之一，也是水質監(jiān)測中的必測項。傳統(tǒng)的化學法水質COD檢測需要使用大量試劑因而存在二次污染，且檢測周期長等不足，難于滿足水質監(jiān)測的在線、實時性要求。為此，可實現在線、原位測量水質 COD的紫外-可見光譜法受到世人的矚目，發(fā)展前景良好。
　　基于此，本論文研究工作以四川省科技支撐計劃項目“多功能水質實

2、時自動監(jiān)測技術開發(fā)與產品研制”(2012SZ0111)和四川碧朗科技有限公司橫向合作科研項目“光譜多參數水質在線自動檢測儀研制”(合同編號：1042012920140453)聯合資助項目為依托，以紫外—可見光譜法水質COD檢測技術研究為背景，系統(tǒng)、深入開展紫外-可見光譜法水質COD檢測的方法技術研究。論文的主要研究工作是：
　?、倩谛〔ǚ治龅乃|檢測原始紫外-可見光譜數據去噪算法研究。針對光譜數據常受到高頻噪聲的干擾問題，利用小

3、波去噪算法的時域和頻域局域性、檢測信號奇異性和突變結構的優(yōu)點，同時，結合其在處理非平穩(wěn)過程信號、含寬帶噪聲信號更具有優(yōu)勢的特性，對含噪光譜數據進行小波分解，選取改進的閾值函數對低頻系數濾除，爾后再經過小波逆變換恢復信號。研究結果表明，基于小波分析的去噪算法能夠有效抑制光譜數據噪聲。
　?、诨谥鞒煞址治?PCA）算法的水質檢測光譜數據降維預處理研究。水質光譜數據存在嚴重非線性重疊，樣本數量多、維數高，且高維數據包含大量冗余、隱藏重

4、要關系的相關性。本文利用PCA算法簡單、理論完善等特性，將光譜信號數據進行建模前處理，提取其有效的特征信息，降低輸入變量的維數，以提高機器學習的效率。
　?、刍谧钚《酥С窒蛄繖C(LS-SVM)算法的水質COD檢測預測模型研究。紫外-可見光譜水質COD在線檢測儀，它能否準確測定水質COD值的關鍵是如何建立水質光譜數據與水質COD值之間的數學模型。通過對現有軟測量方法的比較，結合系統(tǒng)光譜信息特征，利用 LS-SVM所需樣本少、初始

5、參設置少、外推性能好等特性，建立水質COD檢測的預測模型。實驗結果表明，其可用于原理型樣機光譜信息的處理。為了提高 LS-SVM預測模型的精度，利用了粒子群（PSO）算法來優(yōu)化LS-SVM模型參數，得到了PSO-LS-SVM預測模型。以平均相對誤差(MRE)和均方根誤差(RMSE)為評價標準，將PCA-PSO-LS-SVM預測模型與LS-SVM預測模型、PSO-LS-SVM預測模型對水質COD的預測結果進行比較，結果顯示其較于后兩種模型