雨水径流携带污染物,直接排入河湖会引起富营养化等问题。通常在管网末端采取截流措施,控制污染进入水体。传统截流方式依据水量截取固定容积初期雨水,但往往未能准确将清污分离,导致清水入厂、污染入河等问题。因此依据水质的截流方式逐渐成为研究热点,达到精准截污的关键在于感知径流水质的实时变化,即径流水质的实时高频监测。现有研究多依据水质指标间线性相关性,实现污染物浓度快速监测。但雨水径流水质复杂多变,不同降雨场次指标间的线性相关性变化较大,因此该方法难以稳定监测水质。紫外可见光谱水质分析方法在在线监测领域取得广泛应用,光谱包含更丰富的污染物信息,能更准确地解析污染物浓度,但在水质复杂多变场景中,监测精度仍有待提升。针对上述问题,拟基于紫外可见光谱构建并优化雨水径流水质快速检测方法,并考察实际应用效能,为雨水径流“精准截污”提供技术支持,推动智慧水务发展。为确定截流目标污染物,研究了雨水径流污染特征。结果表明,以IV类水为标准,研究区域雨水径流中NH3-N、TP超标时,伴随着COD同时超标,COD达标时,NH3-N、TP均不超标。可将COD作为水质是否达标的判定参数,以控制截流井闸门启闭,达到将雨水径流分质截流的目标。在确定截流目标污染物为COD的基础上,构建了基于紫外可见光谱的COD预测模型,研究了不同输入变量与建模方法对模型精度的影响。结果表明,基于支持向量回归（SVR）建模,利用竞争性自适应重加权算法（CARS）筛选出33维特征波长吸光度作为模型输入变量,相比于全部波长吸光度输入,模型决定系数（r~2）有所提升。基于CARS特征波长筛选,分别以支持向量回归、误差反向传播神经网络与偏最小二乘法建模,比选得最优模型为CARS-SVR模型,r~2与均方根误差（RMSEP）分别为0.86与22.72 mg/L。考虑到水质参数对光谱检测存在影响,构建了基于光谱与水质参数数据融合的优化模型,研究了实际应用效能。结果表明,将归一化的电导率与浊度按3:2加权平均,与光谱融合建模精度最优,r~2升至0.93,RMSEP降至16.70 mg/L。相比于传统截流方式,基于本研究的截流模式能更准确地将清洁和污染雨水分离。当径流COD大于60 mg/L时,COD检测平均相对误差（ARE）为14.0%,平均绝对误差（MAE）为16.6 mg/L,准确截流概率为100%。当COD浓度小于60 mg/L时,ARE为31.5%,MAE为7.9 mg/L,准确截流概率为88.9%。