紫外吸收光谱结合SPA-ELM算法的水体磷酸根离子检测研究.pdfVIP

第44卷，第1期光谱学与光谱分析Vol.44,No.1,pp82-87

2024年1月SpectroscopyandSpectralAnalysisJanuary,2024

紫外吸收光谱结合SPA-ELM算法的

水体磷酸根离子检测研究

郑培超，尹义同，王金梅＊，周椿，张莉，曾金锐，吕强

重庆邮电大学光电工程学院，光电信息感测与传输技术重庆重点实验室，重庆400065

摘要在工业锅炉中随着水蒸气蒸发，大量的钙镁离子留在炉水中，如果不加处理，在水冷管中会形成水

垢，造成爆管停炉。为了保障设备的安全运行，消除安全隐患，工业上通过维持水中一定含量的磷酸根离子

来去除锅炉中的钙、镁水垢。传统的磷酸根离子检测技术主要有比色法、分光光度法、色谱法、电位法等，

这些方法前期处理步骤较繁琐且耗时较长。光谱法是通过测定物质的吸收光谱并建立和浓度关系的数学模

型，对物质浓度定量的一种分析方法。为了满足磷酸根离子快速、实时测量的要求，提出了一种基于紫外吸

收光谱结合SPA-ELM算法快速测量磷酸根离子的方法。按照我国《工业锅炉水质GB/T1576一2018》中所

规定的进人热水锅炉前的水质参数要求，配置37份浓度范围在5～100mg·L-1磷酸根溶液，使用搭建的实

验装置，采集紫外吸收光谱。使用SPXY将样品按照7：3的比例随机划分训练集、测试集；使用Savitzky-

Golay(S-G)滤波对数据预处理以提高光谱的信噪比；通过连续投影算法（SPA)压缩光谱数据，筛选出5个与

磷酸根强相关的特征波长；使用极限学习机（ELM)将特征波长处的吸光度与样本浓度进行拟合，以决定系

数R²和均方根误差RMSE作为模型评价指标，建立磷酸根离子的回归模型。采用所提出的建模方法所建立

的模型训练集的R²与RMSE分别为0.9972和1.3015mg·L-1，测试集的R²与RMSE分别为0.9995和

0.5174mg·L-1。为了验证所提出的SPA-ELM预测模型效果，另外建立了LASSO-ELM、PCA-ELM、

SPA-PLS和SPA-SVR四种预测模型进行对比。实验结果表明，SPA-ELM建立的预测模型的R²和RMSE

均优于其他四种预测模型，说明采用的特征选择方法和回归方法均为最优，能够对磷酸根浓度范围为5～

100mg·L-的水体进行准确预测，为水中磷酸根离子的检测提供了一种新的解决方法。

关键词磷酸根离子；紫外吸收光谱；连续投影算法；极限学习机

中图分类号：0433.4文献标识码：AD0l:10.3964/j.issn.1000-0593(2024)01-0082-06

传统的磷酸根离子检测技术主要有比色法、分光光度

引言法、色谱法、电位法等[5]。其中比色法通过比较待测溶液和

标准溶液的颜色来确定磷酸根离子的含量，我国工业锅炉水

在工业锅炉中随着水蒸气蒸发，大量的钙镁离子留在炉质检测目前采用这种方法，其受人为主观因素影响较大[6]；

水中，如果不加处理，在水冷管中会形成水垢，造成爆管停分光光度法需要添加药品并将样品消解为正磷酸盐，前期处

炉[1。为了保障设备的安全运行，消除安全隐患，工业上通理步骤较繁琐且耗时较长7；离子色谱法利用离子交换柱分

过维持水中一定含量的磷酸根离子来去除锅炉中的钙、镁水

离阴、阳离子，但色谱柱造价昂贵并且操作复杂81；电位法

垢。磷酸根离子浓度过低，无法防止和去除水垢；而磷酸根

通过电极间的电位差来计算磷酸根离子浓度，虽然避免了人

浓度过高，会影响pH值，对锅炉造成腐蚀[2-3]。因此锅炉水为主观因素，但易受到温度、电势的影响[