并行处理网络下水质污染物跟踪检测仿真（一） 并对标准偏差光谱进行计算

发布时间：2025-05-11 20:12:46 来源：云栖集 作者：百科

针对当前方法假阳性率高、并行平均检测时间长，处理导致出现水质污染物跟踪检测准确性差和平均延误率高问题，网络提出基于紫外光谱的下水水质污染物跟踪检测方法，介绍了水质数据和水质的质污异常情况;通过对紫外光谱分子跃迁的描述和对吸光度的计算来分析紫外光谱，计算对校正集样品的染物平均光谱，可以得到经过处理后的跟踪光谱值，并对标准偏差光谱进行计算，检测可以完成对水质数据的并行均值中心化和标准化处理;将水质异常检测分为学习阶段、设置报警参数、处理异常判断和处理报警事件四个步骤，网络判断水质数据的下水真阳性、伪阳性、质污真阴性和为阴性，染物通过对水质的跟踪异常检测最终实现了对水质污染物的跟踪检测。实验结果表明，提出的方法在对水质污染物进行跟踪检测时，检测结果的误报率较低、平均检测时间较短，不仅能够准确的完成对水质污染物的跟踪检测，还降低了方法的平均延误率。

1 引言

在城市化和工业化的飞速发展下，废弃物和污染物的大量排放，导致江、河、湖、海等水环境受到了严重污染。

水质污染物具有生物积累性的特点，甚至有些污染物的危害也很大，不断寻求水质污染物的检测方法是当今水质污染检测的主要任务，随着对环境监测工作高效率的要求和经济的发展，快速以及有效的水质污染物跟踪检测方法的研究成为国际环境问题所讨论的热点之一，为了能够快速发现、控制水质污染物，并行处理网络下水质污染物的跟踪检测十分必要。

吴德操等人提出基于二维重组的并行处理网络下水质污染物跟踪检测方法，结合去噪方法，对水样光谱做采样处理，并利用时间和光谱轴建立二维矩阵，二维小波变化之后，设置窗口，该窗口具有宽度可变的特点，根据窗口格中的小波系数计算获得去噪阈值，利用去噪阈值完成对水质污染物的跟踪检测，实验结果表明，该方法的水质数据去噪性能较好，但存在检测结果假阳性率高和平均检测时间长的问题。

刘杰恒等人提出气相色谱-微池电子捕获的并行处理网络下水质污染物跟踪检测方法，利用污染物分析方法对样品进行萃取，根据OV-1701色谱柱程序升温做分离处理，采用微池电子捕获检测器来实现对水质污染物的跟踪检测，实验结果表明，该方法的灵敏度高，但水质污染物跟踪检测结果的假阳性率较高，不能够准确的实现检测。

针对上述两种研究方法中存在的问题，提出基于紫外光谱的水质污染物跟踪检测方法。

2 水质数据和异常

通常情况下，异常被定义为在某个时间中一种或很多种信号的变化情况，异常可能是短暂的或者是持续发生的。本文主要对水中是否有污染物进行研究，并假设水质污染物能够引起水质检测指标产生变化。污染物会使水质出现异常现象，并且持续一段时间。

并行处理网络下水质数据的波动情况分为有四种，分别为水质污染物、噪声和离群点、工艺操作、背景数据所引起的变化，其中污染物导致的异常现象为水质异常，需要对其进行跟踪检测。

1)背景数据

水质的日常数据可以被当作背景数据，其特征为波动性，通常情况下，该数据会随着外界环境的变化而变化，例如时间和温度。将水质背景数据当作时间序列数据，能够采用时间序列分析法，对预测和测量值进行差异比较，可以有效降低背景数据波动所带来的影响。

2)工艺操作

对于供水网的基本操作来说，设备维修和阀门水泵开关等均会导致水质数据出现波动，也可能导致水质指标发生突变，出现误报。添加模式库是一种降低异常干扰的通用方法，构建水质数据曲线模式库，其中包括机械操作、流速改变给水质指标变化带来的影响，需要不断的进行更新、完善。在模式库中找到接近异常的形态可以降低该类水质异常的干扰。

3)噪声和离群点

噪声会引起离群点，离群点是孤立的，通过对水质真实异常持续时间的分析，设置固定步长的时间窗，异常值小于时间窗的长度时，则水质污染物为异常。若是正常情况时，噪声和离群点导致出现异常的概率为10%，若连续10个时间步长存在6个异常情况，其概率为0.0001，若是通过污染物引起的异常则概率为0.9999，此时能够判断出水质污染物。

4)水质污染物异常

在一段时间内，当水质指标偏离预测值，并且不属于常规模式时，则该种模式属于异常情况。在实验环境中，人为加入污染物将引起游离氯出现异常，在正常的水质下不会出现波动。在现场环境中，游离氯的变化十分复杂。实际上，经过大量研究证明，化学物质如果存在毒性都会导致游离氯指标发生变化。

3 基于紫外光谱的水质污染物跟踪检测

3.1 水质分析原理

1)紫外光谱

水质中的有机物在紫外的可见波段范围中，并且有吸收的特点，通过被测物质对紫外光谱的反射或者吸收性质分析的方法为紫外光谱法。

从分子结构来看，有机化合物中包括:不成键的孤对电子(n电子)、双键的π电子和单键的σ电子三种。

紫外光谱的分子跃迁:

σ→σ*跃迁。该种跃迁所需能量为最大，峰值吸收小于200nm，该种跃迁在饱和有机物中最为常见[8]。

π→σ*或者σ*→π跃迁。该种跃迁所需能量小于σ→σ*，峰值吸收同样小于200nm。

n→σ*跃迁。该种跃迁适用于杂原子的有机化合物，杂原子包含N、S、O、P等原子，峰值吸收大约在200nm左右。

π→π*跃迁。不饱和有机化合物将产生该种跃迁。

n→π*跃迁。不饱和有机化合物中包含杂原子时，产生该跃迁。

针对有机化合物来说，n→π*和π→π*两种跃迁可以用来检测有用的吸收光谱。

声明：本文所用图片、文字来源《计算机仿真》，版权归原作者所有。如涉及作品内容、版权等问题，请与本网联系删除

相关链接：气相色谱，萃取，光谱

相关文章