作者简介: 周昆鹏, 1983年生, 内蒙古民族大学物理与电子信息学院讲师 e-mail: kunpeng032@126.com
以COD标准液为研究对象, 基于特定激发波长下的荧光发射光谱数据, 采用化学计量学算法对水质COD进行了检测, 分析了水的温度、 浊度和pH的变化对发射光谱的影响, 并对相关参数的影响进行了补偿校正。 在此基础上建立了多参量共同作用时对水质COD预测模型的补偿校正方法。 首先采用荧光光谱法对浓度范围为1~55 mg·L-1水质化学需氧量(COD)标准溶液进行三维荧光光谱的采集, 去除散射峰以后采用基于蚁群算法优化的偏最小二乘法(ACO-iPLS)对不同激发波长(Ex=255~285 nm, 间隔为5 nm)下的荧光发射光谱(Em=275~450nm)数据进行特征提取并采用基于粒子群优化的最小二乘支持向量机算法(PSO-LSSVM)进行预测模型的建立。 结果表明, 不同激发波长下的荧光发射光谱数据模型的检验集决定系数
In this paper, the COD standard liquid is used as the research object, and the water COD is detected by the chemometrics algorithm based on the fluorescence emission spectrum data of specific excitation wavelength. During the detection process, the influences of temperature, turbidity and pH on the fluorescence spectrum are analyzed, and the compensation correction is performed on the influence of the related parameters. Firstly, excitation-emission matrix (EEM) spectra of the COD standard solution whose concentration ranges between 1 and 55 mg·L-1 are collected by fluorescence spectrophotometer, after the scattering peaks are removed, the partial least squares based on the ant colony (ACO-iPLS) algorithm is used for extracting feature for the fluorescence emission spectra (Em=275~450 nm) at different excitation wavelengths (Ex=255~285 nm, with the interval 5 nm) and the least squares support vector machine algorithm with particle swarm optimization (PSO-LSSVM) is used to establish the prediction model. The results show that the determination coefficient of the validation set (
近年来, 光谱技术在人类生产、 生活方面的应用越发广泛[1, 2, 3], 同时在科学研究、 安全监测等[4, 5]领域也具有广阔的应用前景。 采用光谱法检测水质化学需氧量(chemical oxygen demand, COD)具有检测快速、 绿色无污染和重现性好的特点, 因此成为水质检测技术的重要发展方向之一。 而采用光谱学方法对水质参数进行分析时, 水环境参量的变化可能会对光谱造成一定的干扰, 从而使得检测数据出现偏差, 进而影响水质参数检测的准确性。 国内外研究者对光谱法检测水质参数过程中的影响因素如温度[6]、 浊度[7]、 pH、 硝酸盐浓度[8]等进行了研究, 但均对单一因素的影响进行分析, 多种参量共同作用时对光谱的影响分析较少。
本文以COD标准液为研究对象, 基于荧光光谱数据, 采用化学计量学算法对水质COD进行检测, 分析了水的温度、 浊度和pH的变化对荧光发射光谱的影响, 对不同参数变化所造成的干扰进行了补偿校正; 在此基础上对多参数共同作用的影响进行分析, 建立了多参量共同作用下对预测模型的补偿校正方法。
实验样品为以邻苯二甲酸氢钾为溶质的COD标准液, 母液浓度为1 000 mg· L-1, 经重蒸馏水按比例稀释成1~55 mg· L-1的实验样本33份; 采用F-7000型三维荧光光谱仪(Hitachi公司, 日本)采集样本溶液的荧光光谱。
设置F-7000型三维荧光光谱仪的PMT电压700 V, 狭缝宽度均为5 nm, 光谱仪的扫描速度为1 2000 nm· min-1, 激发和发射波长的采样间隔分别为5和2 nm; 激发波长设置为200~400 nm, 发射波长设置为220~600 nm。 为了去除三维荧光采集时散射峰的影响, 本文采用Delaunay三角内插值法[9], 该方法能有效去除三维荧光采集过程中的拉曼散射和瑞利散射。 浓度为10 mg· L-1的COD标准液的三维荧光光谱的散射峰去除前后的效果如图1所示。
通过实验得到, 溶液的浓度越高, T1峰的荧光强度越强, 而溶液浓度高于55 mg· L-1以后, T1峰处的荧光强度不再跟随实验溶液浓度变化继续增强, 而是趋于平缓; 而T2峰处荧光强度的变化与T1峰处正好相反, 溶液浓度越高, T2峰处的荧光强度越低, 溶液浓度高于30 mg· L-1以后, T2峰处的荧光强度下降趋势越来越缓; 当溶液浓度达到45 mg· L-1后, T2峰处的荧光强度几乎不再变化。 因此本文主要针对T1荧光峰及其附近谱线数据进行分析研究, 包括定量建模分析和水环境因素对荧光光谱的影响研究。
2.1.1 COD标准液三维荧光光谱的处理方法
将不同浓度COD标准液的三维荧光光谱按不同的激发波长展开为二维发射光谱, 并截取发射光波长在Em=275~450 nm范围内。 1~55 mg· L-1的COD溶液在激发波长Ex=275 nm时展开的荧光发射光谱曲线如图2所示。
根据1~55 mg· L-1的COD标准液在激发波长Ex=275 nm时的荧光发射光谱数据, 得T1荧光峰中心位置Ex/Em=275/348 nm处溶液浓度与荧光强度的关系式为
因此, T1峰附近的荧光强度与溶液的COD浓度之间具有较好的相关性, 可以通过选择合适的化学计量学算法对实验溶液的水质COD浓度进行建模分析。
2.1.2 定量分析模型的建立
本研究采用基于蚁群算法优化的间隔偏最小二乘算法(ACO-iPLS)提取特征光谱信息, 采用基于粒子群优化的最小二乘支持向量机算法(PSO-LSSVM)进行建模分析。 随机将33份实验样本分为两组, 一组作为校正集, 另一组作为检验集。 检验集样本的浓度为11, 12, 14, 17, 19, 22, 30和36 mg· L-1, 其余样本溶液作为校正集, 建模结果如表1所示。
表1中,
2.2.1 温度的影响与补偿分析
(1) 温度对标准液荧光强度的影响
浓度为10和40 mg· L-1的COD溶液荧光光谱的T1峰荧光强度随温度变化的关系如图3(a)和图3(b)所示。
由图3(a)和(b)可知, 荧光强度与温度呈负相关性, 拟合表达式如式(2)和式(3)所示。
物质分子内部能量的转化作用是溶液的荧光强度随温度升高而降低的主要原因。 而且介质的黏度也会随溶液温度的升高而降低, 这就增大了荧光分子与溶剂分子的碰撞概率, 从而增大了荧光分子的猝灭概率, 温度越高, 猝灭的荧光分子越多, 荧光强度就降的越低。
(2) COD标准液荧光光谱数据的温度补偿校正
实验过程中选用浓度为40 mg· L-1的COD标准溶液, 采用的激发光的波长为Ex=275 nm。 基于PSO-LSSVM的校正模型, 结合不同温度时的荧光强度值, 可得模型预测的COD浓度和真实COD浓度间的变化量随环境温度变化的关系为
浓度为40 mg· L-1的COD溶液的荧光光谱数据模型经温度补偿后的效果如图4(a)所示, 而图4(b)是将浓度为10和40 mg· L-1的COD溶液经温度补偿后模型效果的综合对比。
温度补偿后荧光光谱数据模型的整体平均偏差Bias=0.130 6 mg· L-1。 Bias值越小, 模型的补偿效果越好, 其表达式如式(5)所示。
其中,
2.2.2 浊度的影响与补偿校正
水中具有大小不等的悬浮颗粒, 当光射向这些悬浮颗粒时就会有散射发生, 从而使得荧光强度变大。 本文研究浊度在0~120 NTU范围内变化时, COD浓度为10 mg· L-1的标准溶液T1峰处的荧光强度与浊度的关系。 经过实验, 得到不同浊度条件下T1峰处的荧光强度的变化规律如图5所示。
由图5可知, 荧光发射光谱的强度与浊度呈正相关, 且浊度带来的影响不可忽略。 根据浊度与荧光强度的关系以及荧光强度与溶液COD浓度值的关系, 在T1峰处建立浊度对荧光强度影响的补偿校正模型。 浊度补偿前后, T1荧光峰处的COD浓度真实值、 补偿后预测值与补偿前预测值的结果对比如图6所示。 由图6可知, 通过浊度补偿模型可以很好的校正浊度变化对荧光光谱法检测水质COD的影响。
2.2.3 pH的影响分析
在荧光分析中一般都要严格控制溶液的pH。 利用酸碱调节剂(0.1 mol· L-1的H2SO4和NaOH溶液), 调节COD浓度为10 mg· L-1的溶液pH, 使溶液的pH在1.4~12.3范围内变化, 得到T1和T2峰处的荧光强度随pH变化的规律如图7所示。
重复性实验结果与图7结果相似。 由图7可知, pH在4~12.3的范围内变化时, T1和T2峰处的荧光强度的变化很小, 而pH< 3时, 荧光强度变化剧烈。 这与荧光基团在受pH影响时的构型改变有关。 而实际水样的组分比实验室配制的COD溶液成分复杂, 对于不同的pH也具有不同的表现, 从而导致不同实际水样的荧光光谱的变化规律不尽相同。
2.2.4 多种环境因素共同作用时的影响分析
外界环境的变化会对三维荧光光谱造成影响, 而实际上影响光谱的因素也不是某一个特定的环境因素, 通常是多个因素共同影响, 从而提高了数据分析的难度。 由2.2.3节图7可知, 对于COD标准液三维荧光的T1峰来说, 影响T1峰的主要因素是水样的温度和浊度, 而pH对其中心位置处的荧光强度影响不大。 因此这里主要研究水的温度和浊度对COD标准液三维荧光光谱的影响。 实验过程中, 被测溶液的COD浓度为20 mg· L-1, 温度在4~50 ℃范围内变化, 浊度变化范围控制在0~90 NTU。 在保证温度和浊度处于合理范围的前提下, 改变温度和浊度的值, 多次采集实验样本的三维荧光光谱, 并将所得数据处理后代入所确定的最优模型中进行COD浓度预测, 得到温度、 浊度和最优模型预测的COD浓度变化量三者间的关系如图8所示。
建立补偿模型时, 先进行单独校正, 再将独立校正模型组合的方式对温度和浊度的干扰进行校正补偿, 两参量的独立补偿模型组合校正后水质COD浓度的变化量如式(6)所示。
式(6)中, Δ COD为最优模型预测的COD浓度变化量, xtemp.为水温, xturb.为水样浊度值。 利用式(6), 可以得到水温和水样浊度变化时预测模型输出值的变化量, 从而求得到水样实际的COD。
为了比较荧光光谱法的检测结果与传统方法检验结果的差异, 重新配制了浓度分别为10, 25和33.3 mg· L-1的COD标准液。 采用标准方法(化学法)对标准液的COD值进行测量, 同时在不同的温度和浊度条件下进行荧光的采集, 并进行光谱数据分析。 本文采用快速消解分光光度法作为化学法对新配溶液进行COD值的检验, 为了减小检验误差, 消解时样品采用平行双样。 化学法和荧光光谱法的测量结果如表2所示, 测量结果均保留1位小数。
由表2知, 荧光光谱法和化学法均能很好地完成标准液COD值的测量, 其中化学法的测量结果优于荧光光谱法的测量结果。 快速消解分光光度法所用试液的主要成分包括浓硫酸、 重铬酸钾、 硫酸银和硫酸汞等有害的物质, 实验后需对试液进行妥善处理, 否则会对环境造成二次污染, 且消解时间长, 仪器设备的功耗较高; 而荧光光谱法则无需复杂的化学处理程序, 具有快速、 低功耗、 无二次污染等优点, 适用于水质的实时、 在线测量。
(1) 以COD标准液为研究对象, 建立基于荧光发射光谱数据的预测模型对水质COD进行荧光光谱法检查。 结果表明, 荧光光谱法是分析水质COD的有效方法, 可以对水质COD进行快速、 准确、 绿色的检测。
(2) 水体的温度、 浊度和pH等参量会干扰荧光光谱, 其中水样的温度和浊度是影响荧光光谱检测水质COD时的主要影响因素, 而在一定范围内变化的pH对COD溶液的三维荧光光谱的T1峰处荧光强度的影响可忽略。
(3) 采用合适的补偿校正方法可以有效抑制水的温度和浊度对COD预测模型的影响, 校正后预测模型的输出值与实际值一致性良好。
(4) 实际水体中所含的物质及水体所处的环境较为复杂, 实际水样本身含有荧光敏感物质时以及水体中除本文所涉及的温度、 浊度、 pH等因素外的其他影响因素(如盐度、 重金属离子浓度等)对荧光光谱所带来的干扰有待进一步探讨。
The authors have declared that no competing interests exist.