基于卷积神经网络近红外光谱法测定水体污染物

张林

（商洛学院，商洛市人工智能研究中心，陕西商洛 726000）

随着我国现代工业的快速发展，环境污染问题日趋受到公众关注。人们希望能够对水质进行实时监测，了解污水中有害物的种类及浓度［1］。由于水体中污染物种类繁多，污染物浓度的实时监测难度很大［2］。污水中的污染物主要分为有机污染物和无机污染物两类，无机污染物主要以自然产生的碳水化合物为主，有机污染物是以人类工、农业活动产生的残留物为代表，通常指农药等化工产品中的芳烃类和酚醛类等［3］。一般情况下无机污染物的危害不大，水体通过自净就可恢复；而有机污染物对水体危害较大而且持久，容易造成生态链失衡，如果人误食含有机污染物的水体中的鱼虾身体健康将会遭受危害［4–6］。水中的污染物扩散速度较快，目前提高污水中危害物的检测速度是防范水污染的重要措施之一，对人与自然的和谐发展具有重要意义。

传统的污水危害物检测方法均需借助化学试剂和先进的检测设备，如化学分析法、色谱法等，这些方法虽然能够较准确测定污水中的危害物含量，但其样品处理过程复杂，检测耗时长，且对检测人员的技术要求较高，因此难以大范围推广［7–9］。近红外光谱处理技术是利用C—H、O—H、N—H等有机基团对近红外光的合频与倍频对样品成分进行间接预测的方法［10–12］。近红外光谱检测技术是一种简单、便捷的检测方法，它具有高的灵敏度和稳定性，测定污水中的危害物便捷而高效。……