论文部分内容阅读
随着水质监测技术的逐渐发展,生化需氧量(BOD)因在有机污染物监测上的优势,其监测方法的研究已经成为诸多研究学者关注的热点。微生物膜传感器法因其时效性好、灵敏度高、准确度高、操作简单等优点,更适合于对水体BOD的监测,被广泛应用于BOD监测仪的研究。本课题针对监测BOD的传统五日培养法(BOD5)操作复杂、时效性差的不足,以及水质中复杂环境因素影响监测过程等问题,制备了基于微生物膜反应器的微生物膜传感器,然后基于微生物膜传感器搭建了海水BOD监测系统,并完成BOD标准溶液的测定和实际海水水样的测量,最后消除了监测过程中主要环境参数的影响。论文主要的内容包括:首先,基于微生物膜传感器工作原理,以螺旋玻璃管内壁为载体、以污染海水中的微生物为微生物源制备微生物膜反应器后结合溶解氧电极制成BOD微生物膜传感器,并对传感器的性能,包括响应时间、准确度、稳定性以及使用寿命等进行了测试,最后对BOD微生物传感器的工作条件进行了选择和优化。其次,基于微生物膜传感器的工作条件和系统的功能需求分析,设计并搭建了海水BOD监测系统,实现了自动进液、恒温控制、数据采集与处理等功能,分析了监测系统的性能,包括标准曲线的测定、准确度测试、加标回收率的测试,然后完成秦皇岛多个近海海域实际水样的测量,并将结果与BOD5法进行对比,分析海水BOD监测系统在实际应用中的性能表现。最后,基于信息融合的原理,提出了一种粒子群算法(PSO)优化的极限学习机(ELM)算法,以PSO算法优化ELM算法中的输出连接权值和隐含层神经元阈值,从而降低ELM算法的计算误差,然后以系统输出BOD值以及对微生物膜活性影响较大的水质参数pH、SS、ORP作为模型输入进行网络深度学习,消除参数的影响,输出海水水样最终的BOD值,进一步提高的海水BOD监测系统监测结果的准确性。