[发明专利]一种基于ELM算法的地表水COD在线监测系统及方法

说明书

本发明公开了一种基于ELM算法的地表水COD在线监测系统，通过构建极限学习机模型能有效提高地表水COD在线监测系统的精度。本发明通过对影响地表水COD的相关变量的数据采集，利用ELM算法实现对地表水COD浓度的预测输出，通过预测值来修正实际采集值，使得系统对COD的采集精度得到了提高，解决了由传感器本身造成的或监测环境造成的一些难以测量的误差，为数据处理提供了一个新的方法。同时在一定程度上解决了传统实验室监测中实验步骤繁琐，实验材料浪费，分析仪器价格昂贵等特点。

技术领域

本发明涉及水质监测技术领域，具体涉及一种基于ELM算法的地表水COD在线监测系统。

背景技术

水是地球上最珍贵的资源，是人类赖以生存和发展的重要物质。但由于人类忽略环境而大力发展工业经济，导致了现在的水污染问题日益严重。到了21世纪，水资源的危机正逐步的显现出来。地表水作为地球上最重要的水资源之一，有关于地表水监测系统的研发受到越来越多的重视。

COD作为测定地表水中有机物相对含量的重要指标，却易受地表水中其他相关参数的干扰产生变化。传统的实验室监测仪器分析周期长，一般耗时几个小时以上，导致监测到的COD参数已经发生了改变，影响了对该地表水水源污染程度的判断。虽然国内外引入了光谱法，利用宽光谱探头测定水中的COD参数，大幅度缩短了分析周期。但是宽光谱探头无法做到传统实验室中可以利用化学法事先去除其他水质参数对COD参数的影响。

在这样的背景下，引入ELM算法，采用不同于实验室监测仪器的方式，通过对其他影响地表水COD指标的间接监测，根据数据的驱动原理，构建预测输出模型，实现对地表水COD的监测。相对于单一的提高传感器的精度，该算法能够为地表水COD的监测提供一种低成本的方法。因此，研制一种基于ELM算法的地表水COD在线测量系统具有重要意义。

COD：即化学需氧量(Chemical Oxygen Demand)。

ELM：即极限学习机(Extreme Learning Machine)。

发明内容

为了解决现有技术中存在的上述技术问题，本发明提出了一种基于ELM算法的地表水COD在线监测系统，通过构建极限学习机模型能有效提高地表水COD在线监测系统的精度。其技术方案如下：

本发明的基于改进ELM算法的地表水COD在线测量系统，主要思路体现为：一是基于宽光谱探头的硬件框架实现；二是样本数据库的建立；三是构建基于ELM算法的COD预测输出模型；四是COD实际输出值的处理。

基于宽光谱探头的硬件框架实现

本发明的系统的硬件框架包括：宽光谱水质探头，辅助传感器，嵌入式芯片，电源模块，显示模块。电源模块为整个系统供电，宽光谱水质探头和辅助传感器集合在一起，浸没在待测地表水水样中。宽光谱水质探头和辅助传感器将采集的数据传输给嵌入式系统，嵌入式系统分别处理宽光谱水质探头和辅助传感器采集的水样数据，输出结果通过显示屏进行显示。其中辅助传感器包括PH传感器，TSS(悬浮物)传感器，DO(溶解氧)传感器，温度传感器，氯离子传感器。其中宽光谱水质探头采用两路光源，一路254nm紫外光，一路365nm紫外参比光，根据郎伯-比尔定律，通过测量有机物对254nm波长紫外光的吸收程度，计算水中COD的总量。

样本数据库的建立

利用宽光谱探头和辅助传感器采集N组水样参数，每组水样进行多次采集，每次采集的时间间隔为10秒，每组的采集结果加上时间点标注。

其中辅助传感器采集与COD密切相关的水质参数：温度，PH，氯离子浓度，TSS(悬浮物)，DO(溶解氧)。其中宽光谱水质探头采集COD参数。