摘  要： 針對廢水資源化處理過程，基于偏最小二乘法提出了基于準三維熒光譜的在線解析方法，實現了廢水資源化處理過程中熒光譜的在線解析。研究結果表明，該方法能夠在少量數據的情況下對色氨酸、核黃素、輔酶進行有效區分，預測濃度的準確率達到85%以上。基于算法研究的基礎上提出了一種廢水資源化處理過程在線監測方案，設計并實現了在線監測系統。根據采集數據進行分析，實驗表明，該方法具有體積小、精度高、采集速度快、數據可在線分析等優點，實用性強，易于推廣和應用。
關鍵詞： 廢水資源化處理；在線監測；PLS；自動控制

   厭氧廢水資源化處理具有高效、簡單、費用低廉的優點且適合我國國情，實時監測厭氧廢水處理過程能大大提高廢水處理效率及資源化水平。因此，研究廢水資源化處理過程在線檢測方法，對環境保護和工業生產具有非常重要的意義。
    在廢水資源化處理過程中，由于輔酶、色氨酸及核黃素等各種過程產物[1]具有較高的熒光特性，為使用熒光檢測方法進行在線監測提供了條件。廢水資源化處理現場需對現場狀況進行在線監測和分析，三維熒光譜解析能夠很好地達到這一目標[2-3]，但信息量、快速性、低成本間的尖銳矛盾限制了其現場應用。針對上述問題，本文基于偏最小二乘方法(PLS)[4]，考慮現場應用條件，提出了基于準三維熒光譜的在線解析方法，使用3×3組合濾波片組實現熒光監測與在線解析。
    本文首先研究了國內外關于廢水資源化處理過程產物的檢測技術和熒光譜分析方法的現狀[5]，在深入分析了過程產物色氨酸、核黃素熒光檢測原理的基礎上，對熒光檢測數據進行了分析[6]，綜合現場在線解析的特點，選取優勢波長進行小樣本量數據分析嘗試，提出了基于準三維熒光譜的在線解析方法，并用于工業現場，實現了廢水資源化處理過程中熒光譜的在線解析。
1 材料與方法
    廢水資源化處理過程中會生成很多以色氨酸、核黃素和輔酶為主的過程產物。它們的種類和濃度與微生物的反應過程、資源化處理運行狀態及資源化處理效率有著密切的聯系[7]。通過實時監測生物反應器中這些有機物的濃度，判斷反應器運行狀態，可提高生物反應器的效率。
    通過對廢水資源化處理過程中的主要產物色氨酸、核黃素、輔酶的熒光特性的研究，分析、討論熒光譜的特點及其影響因素。在實驗室用常規方法離線解析光譜數據，研究混合光譜特性。在研究常規熒光檢測方法的基礎上研究在線解析的特點，基于三維轉二維思想和偏最小二乘法提出廢水資源化處理過程產物熒光譜在線解析方法并應用于監測系統。
1.1 在線解析算法研究
    偏最小二乘法通過最小化誤差的平方和找到一組數據的最佳函數匹配，是一種比較好的二維數據解析方法。本文基于偏最小二乘法與三轉二思想提出了準三維光譜在線解析方法，構架如圖1所示。
 

1.2 系統整體方案
    本系統采用熒光光譜分析方法[8-9]對過程產物進行在線監測，結合其他相關參數的檢測，實現對廢水降解過程的監測和控制。本系統采用步進電機控制濾波輪的定位，實時控制氙燈，應用熱電偶溫度傳感器采集溫度，光電轉換器進行光電信號的轉換。整合上述在線分析儀硬件和定性定量分析算法，研發基于最小系統的系統控制程序(控制光源、驅動電路、控制電路和數據采集)，分析算法和濃度與反應器狀況間的關系。模型的一體化軟件總體結構如圖3所示。

1.3 在線解析的實現
    基于Matcom的接口設計，使用Matlab程序的分析程序，建立基于PLS的準三維熒光數據的分析模型，進而對數據進行分析，得出相應的分析結果。數據分析來源于兩個方面：首先是標準數據，采用標準數據存儲數據庫對其進行存儲；然后是實測數據，通過實測現場數據，存入數據庫中，提取分析對應的記錄，對數據進行分析。
    其中，標準數據庫中數據主要分為兩部分，首先是D11，D12，D13，…，D31，D32，D33為一組的測量相對熒光強度，然后是輔酶、色氨酸、核黃素為一組的濃度值。通過數據表中的一一對應關系，基于PLS模型下建立其解析模型，然后提取后面對應的記錄對數據進行分析，解析出對應的濃度，給出提示并存入數據庫。數據分析功能如圖4所示。

2 結果與分析
2.1 研制監控系統
    通過不斷改進與完善，研制便攜式廢水資源化處理過程在線監控系統，如圖5所示。

    （2）實驗儀器和條件
    本實驗所需儀器包括：自制在線檢測儀、移液器(德國Eppendorf 公司)、酸度計(KL2602)、JP-C50A 型號超聲波振蕩器。激發濾波輪中的濾波片激發波長分別為270、280、290，發射濾波輪中的濾波片波長分別為350、360、370。
  （3）實驗步驟
    ①取部分儲備液，用無水乙醇分別將儲備液(100 mg/L)逐級稀釋；將配置好的溶液分別盛于1 cm×1 cm石英比色皿中，密封。
    ②設置熒光激發-發射波長，輔酶、色氨酸、核黃素順序最佳激發和發射波長分別為(360、284、440)和(452、
360、532)。
    ③獲得熒光強度（3×3矩陣）。
    ④選取單個樣本作為校驗集，其余作為校正集，進行預測和結果解析。
    （4）數據分析
    系統首先對準三維數據進行降維，把激發波長（270、280、290）和發射波長（350、360、370）統一成一個行向量，形成二維矩陣(激發發射波長-相對熒光強度)，然后使用偏最小二乘法建立樣本相對熒光強度和樣本濃度之間的相關性模型。
    根據偏最小二乘方法建立模型如式(1)所示，回收率求取如式(2)所示。
    
    由驗證結果可知，基于有限數量熒光光譜數據（3×3×3）的準三維熒光譜，通過偏最小二乘法建立其預測模型，可以有效對待測樣本進行預測，回收率在85%～120%之間，能夠很好地預測廢水中這幾種主要過程產物的含量，對廢水處理過程進行有效監測，滿足現場監測的要求，研制的檢測系統可以用于現場熒光譜的在線解析。
    本文提出的基于PLS數據分析模型的廢水資源化處理在線監測方法，實現了便攜式廢水資源化處理過程在線監控的需求。系統實際運行表明，系統穩定可靠，控制效果較好，各項指標都達到了設計要求。本在線監測方案適用于廢水處理過程自動測量與在線分析研究，有助于建立廢水降解模型，實現廢水在線監測。
參考文獻
[1] MIYATA J，NAKAHARA K.On-site water quality monitoring technology for wastewater treatment plants[J].JFE Technical Report，2007(9)：31-36.
[2] 李衛華，盛國平，王志剛，等.廢水生物處理反應器出水的三維熒光光譜解析[J].中國科學技術大學學報，2008，38(6)：601-608.
[3] WENTZELL P D，NAIR S S，GUY R D.Three-way analysis of fluorescence spectra of polycyclic aromatic hydrocarbons with quenching by nitromethane[J].Analytical Chemistry，2001(73)：1408-1415.
[4] 許祿.化學計量學方法[M].北京：科學出版社，1995.
[5] KUZNIZ T，HALOT D，MIGNANI A G，et al.Instrumentation for the monitoring of toxic pollutants in water resources by means of neural network analysis of absorption and fluorescence spectra[J].Sensors and Actuators B：Chemical，2007，121(1)：231-237.
[6] JONES K，BEGLEITER H，PORJESZ B，et al.Complexity measures of event related potential surface laplacian data calculated using the wavelet packet transform[J].Brain Topogr，2002，14(4)：333-344.
[7] MEYERS S.More effective C++：35 new ways to improve your programs and designs[M].Addison-Wesley Professional，2006：479-506.
[8] SPEECE R E.工業廢水的厭氧生物技術[M].李亞新，譯.北京：中國建筑工業出版社，2001：348-354.
[9] MALEKI M R，MOUAZEN A M，RAMON H，et al.Multiplicative scatter correction during on-line measurement with near infrared spectroscopy[J].Biosystems Engineering，2007，96(3)：427-433.