论文部分内容阅读
在我国的城市淡水资源中,由于治理不及时和管控不严等原因,导致大部分城市水体受到不同程度的富营养化污染。为了能够快速测定水体中的叶绿素a含量,给水体受污染预警提供可靠数据依据,本论文以光谱学分析为理论基础,研究了与水体叶绿素a含量相关的预测模型和测量水体叶绿素a含量的传感器设计。本论文以实验室培养的螺旋藻样本、标准浊度样本以及两者不同浓度梯度的混合样本为研究对象,探索了多种建模方法在水体吸光谱预测叶绿素a含量上的应用及其精度,包括一元线性回归分析、偏最小二乘算法(PLS)分析和BP神经网络分析。本研究首先获取各样本在紫外—可见全波段的吸光谱数据进行相关性分析,确定各种样本的敏感波段;并在此基础上建立了螺旋藻水样、标准浊度水样和混合水样的一元线性回归模型(模型1),螺旋藻水样的吸光度与其叶绿素a浓度、标准浊度水样的吸光度与其浊度以及混合水样的吸光度与其叶绿素a浓度的R2分别为0.992、0.9856和0.8857。为了能够能更好的去除混合水样中浊度对叶绿素a浓度预测的影响,进一步探究了偏最小二乘算法(PLS)预测模型(模型2)和BP神经网络预测模型(模型3),模型2与模型3的预测值与实测值之间的R2分别为0.9994和0.9972。研究结果表明:模型1在预测水体叶绿素a浓度时,受浊度影响较大,对叶绿素a浓度的预测误差较大,其误差百分比最大达到25%;模型2可以很好的去除浊度对预测叶绿素a浓度的影响,其预测误差百分比在4%左右,但该模型不能在预测叶绿素a浓度的同时预测出浊度的值;模型3则可以同时预测出混合水样中叶绿素a的浓度和浊度的值,并且对叶绿素a浓度的预测误差百分比在5%以内,即模型3为去浊度反演水体叶绿素a浓度的理想模型。此外,本研究在基于理想模型(模型3)的基础上,探讨了一套低成本的去浊度反演水体叶绿素a含量传感器的设计方案。该传感器采用主动式光源设计,以MSP430F149单片机作为控制器,对测量数据进行处理;以LCD12864显示器作为显示模块,显示测量结果。以期指导设计出一款能够实现对水体叶绿素a含量实时测量的传感器,为水体富营养化污染预警提供准确的数据,指导人们治理即将或已经受到富营养化污染的水体。