文档介绍：浅析三维荧光技术对自来水厂有机物去除效果
自来水厂原水中有机污染物浓度非常低,常见的水质指标,如高锰酸盐指数,Uv254等无法有效对水处理过程中有机物的去除情况进行充分的评估。维荧光光谱(excitationemissionmatrix,EEM)技术由于其高度的灵敏性,不破坏样品结构,在水体监测和水处理领域日益引起研究者的关注。三维荧光光谱中包含有极为丰富的荧光信息,常见的荧光光谱分析方法有寻峰法(peak—picking)、平行因子分析法(PARAFAC)、主成分分析法(PCA)c“、体积积分法(FRI)。寻峰法是较为普遍的光谱分析方法,但是寻峰法只考虑维光谱中的特定峰值,大最荧光数据并没有充分得到使用口。平行因子分析法处理荧光数据时收敛速度慢,对噪声或模型偏差较为敏感。因此对大量荧光光谱信息进行处理,构建稳健的光谱模埕!。发展稳健的三维荧光光谱解析方法依旧是匾待解决的问题。
自组织映射神经网络(anizing map。SOM),也称为Kohonen神经网络,属于非监督、自学习的神经网络。广泛应用于模式识别、特征提取、数据压缩等领域。已有研究者将SOM网络用于环境水体检测、水质评价等方匾,但少有将SOM网络用于水体三维荧光光谱的解析。本研究采
用SOM网络,结合K-means算法,对自来水厂工艺流程中不同水样的三维荧光光谱进行解析,提取有效的荧光光谱特征,结合其他水质指标,对水处理过程中有机物的去除情况进行综合评估,以优化水处理工艺参数。提高水处理工艺性能。
水样来自江苏南部太湖地区某自来水厂,水源为太湖。由于近年来太湖水域一直存在水体富营养化问题。此自来水厂在传统水处理工艺基础上又增加了臭氧、生物活性炭等深度处理,以强化对水体有机污染物的去除,水厂处理流程。水样采集时间为2011年4月,从每个水处理单元出水中取3个平行样,折板絮凝和平流沉淀池为一个单体,记为从沉淀池取水。总共采集18个水样,将水样采集后放入干净聚四氟乙烯甥料瓶内,迅速带回实验室,,在4℃冰柜中保存待用。所有水样分析在4 d内完成。
、水质指标和数据预处理
水样三维荧光光谱由荧光分光光度计(Cary Eclipse,美国安捷伦)测量和采集。测{蠹波长范围:激发波长(A。)220~400 m,增量5咖;发射波长(A。)280~500 nIn,增量2m;狭缝宽度5 nil3。PMT电压600 V,扫描速度l 200nm·min。'l石英荧光比色皿中测餐。实验空白水为Mill卜Q超纯水(Millipore, Mfl·cm)。在对荧光光谱进行解析前,首先需要对荧光数据进行预处理,以消除瑞利和拉曼散射的影响,提高EEM光谱解析效率。将瑞利散射上方光谱数据置零,以去除瑞和散射的影响。此外,以空白水样做参比。扣除空白水样光谱数据,以消除托曼散射的影响。
SOM网络和解析荧光光谱过程
SOM网络是由芬兰学者Kohonen于1981年提出的一种无监督学习的神经元网络模型,分成上、下两层:下层为输入层,卜层为输出层(或映射层)。输出层的每个神经元同它周围的其他神经元侧向连接,排列成棋盘状平面;输入层为单层神经元排列。(如图下)
使用SOM网络对三维荧光光谱进行解析,结合研究中使用的光光谱数