化學需氧量（COD）和濁度（TURB）分別代表水體中還原性有機物和懸濁物的含量，是水質污染的重要監測指標。

光譜分析方法響應靈敏、分析速度快、重復性好，其中紫外光譜法因其檢測原理成熟，可以間接反映水中有機物、懸浮物等理化參數 ，從而受到廣泛關注應用。在實際檢測中，濁度散射會對 COD 的紫外吸收光譜造成嚴重干擾，從而影響光譜法檢測精度；

針對紫外光譜法同步檢測化學需氧量（COD）和濁度時存在特征耦合及譜峰重疊干擾，進而嚴重影響檢測精度的問題。快速、精準地實現水體中多種污染物的耦合干擾解析及含量檢測對野外水質實時監測具有重要意義。

檢測原理：

水質檢測的原理是通過各種物理、化學和生物方法對水樣中的污染物和水質參數進行定性和定量分析，以評估水體的純凈度和安全性。

通常而言，光譜法檢測的原理是基于物質與光的相互作用。當光照射到物質上時，物質中的分子或原子會吸收特定波長的光，從而產生特征吸收光譜。不同的物質具有不同的光譜特征，因此可以通過分析光譜來識別和定量分析水樣中的各種成分。

朗伯比爾定律指出，當一束平行光通過均勻的吸光物質時，溶液的吸光度 A 與溶液中吸光物質的濃度 c 和光程長度 l 的乘積成正比。即：

                    A=ε?c?l

其中：

A 是吸光度（Absorbance），

ε 是摩爾吸光系數（Molar Absorptivity），單位為 L·mol^?1·cm^?1，

c 是吸光物質的濃度，單位為 mol·L^?1，

l 是光程長度，單位為 cm。

當光程一定時，特定波長的光的吸收取決于對應待測成分的濃度。

除吸收光譜外，也有部分應用通過物質對光的激發或散射特性來識別和定量分析水中的化學物質，如熒光光譜法：基于某些物質在特定波長的光激發下發出熒光的特性，通過檢測熒光強度和波長來分析物質的含量。

實驗思路：

常用水質指標：

水體中不同的水質參數和組分所對應的吸收光譜區間不同，例如硝酸鹽、亞硝酸鹽的吸收光譜區間在200~250nm，低分子化合物、芳香族化合物、蛋白質、有機溶劑等的光譜區間在250~290nm，濁度、總溶解固體區間為380nm，因此采用可探測波段范圍在200~800nm之間的紫外-可見光譜儀進行吸光度檢測來代替單波長吸光度檢測，可清晰地反映出水體中多種物質的分布。

測量原理：紫外-可見吸收法（分光光度法）；熒光光譜法；

光譜儀型號：ATP2000系列（高信噪比、高像素、高集成度）

傳統檢測器采用光電倍增管配合單波長掃描機制，體積大、測量時間長、不能適應瞬態過程分析。相對而言，微型光纖光譜儀則能瞬態采集全譜，可實現連續、實時的水質在線監測，更加適用于野外和在線測量。

光譜儀測量吸光度的方法是將某一波長范圍的平行光通過裝有樣品的比色皿，對透過的光束進行檢測。通過樣品吸收前后的譜圖對比，即可得到樣品對于該波長范圍的吸收光譜。

通過測量整個紫外/可見范圍的吸收，建立化學計量模型，可實現對水質中多種參數含量進行同時檢測。

光譜采集：

實驗所用光譜采集系統由ATP2000P光譜儀、ATG1020 脈沖氙燈、中控器、比色皿、光纖衰減器及顯示器等組成。

光譜儀測試波長范圍為180~1000 nm，分辨率為2.3nm，信 噪 比>500∶1。

采用10mm石英比色皿作為樣品池，通過光纖衰減器對脈沖光源的輸出光功率進行調節，以保證吸收光譜的穩定性，避免光飽和失真和波動噪聲。

實驗樣品：COD標準溶液：國家有色金屬及電子材料分析測試中心提供，以鄰苯二甲酸氫鉀為溶質 ，質量濃度為500 mg/L；

福爾馬肼濁度標準溶液：杭州齊威儀器有限公司提供，400 NTU；

光譜數據采集：

分別采集不同質量濃度梯度的COD和濁度標準溶液吸收光譜。

有效光譜范圍為180~400 nm，積分時間9 ms，采樣間隔為500 ms，平均掃描次數為 20 次。每個樣品采集5次光譜數據后取平均值，光譜圖如下所示。

標準溶液紫外吸收光譜，(a)COD; (b)濁度;

混合溶液紫外吸收光譜,(a) COD+濁度干擾; (b)濁度+COD 干擾;

通過對比各標準溶液樣本光譜譜線可以看出 ，COD 和濁度的主要吸收特征集中在180~400 nm范圍。

1. COD特征峰范圍在180~300 nm之間，隨著質量濃度增大紫外光譜吸光度逐漸增大，兩個特征吸收峰明顯向上抬升；

2. 濁度光譜吸收特征峰范圍在180~400nm之間，隨著濁度增大吸光度整體增大。

3. 混合樣本中，濁度干擾增強使得 COD 吸收譜線向上抬升，主吸收峰向右偏移，COD 干擾增強使得濁度吸收峰向上明顯抬升，在 300~400 nm 段受干擾影響較小。

光譜數據預處理：

由于在光譜法測量過程中，外部環境、測量條件以及儀器本身的特點對測量結果有較大的影響。采集的原始數據通常包含大量的冗余和共線性數據，顯著影響后期模型精度及數據處理效率。為減弱或消除該影響，通常需對采集到的光譜數據進行預處理，如特征波長選擇以及相應算法優化，從而得到有效的光譜數據，提升模型檢測準確度和穩定性。

特征波長選取, (a) COD; (b)濁度;

客戶通過SPA提取特征波長，簡化了光譜數據 ，排除了無關的冗余變量，極大地減少了干擾信息。通過SVR算法進行參數優化，成功構建出了優化模型，能夠有效降低COD和濁度同時存在的特征耦合及譜峰重疊干擾，實現水樣中 COD 含量和濁度的精確同步預測，且對低量程濁度溶液同樣具有較高的檢測精度，有效實現了COD 和濁度紫外光譜法的同步檢測。