摘要：为进一步探究提升水质检测准确度的有效策略，本次以水质检测工作中的化学需氧量（COD）检测环节为研究对象，以荧光检测技术为核心，初步建立单激发波长下的荧光发射光谱数据PLSR模型，通过数据处理、实际测量和建模等环节，对本次建立的水质检测方法进行探究。结果显示，本次基于荧光检测技术的水质检测方法在实际水样检测中可获得相对更为精准的数据，证明该方法具有潜在的应用价值。

　　关键词：荧光检测技术；水质检测；实验设计

　　0引言

　　由于水污染状况的复杂性，对其进行及时准确的检测是需要达成的关键目标。但在当前的水质检测工作中，常用的各种方法通常存在着诸如操作复杂、耗时较长、容易产生二次污染，或是检测结果的实时性不强等局限。为有效解决上述局限问题，引入荧光检测技术则是可行之策。目前，研究人员对荧光检测技术在水质检测中的应用已经进行了大量的探索，但这些荧光检测方法通常存在着设备体积偏大和成本偏高等问题，因此仍需作进一步探究。

　　1实验材料与仪器

　　本次实验主要针对水质检测中的COD检测进行。因此在实验材料准备环节，由实验人员在某地地表水源处进行随机采样，共计获得实际水样63份，实际水样采集完毕后，在室温下静置30 min，去除沉淀并取上清液用于实验。同时配置不同COD值标准溶液20份，最低质量浓度为2.5 mg/L，最高质量浓度为100 mg/L，按照等浓度梯度进行配置后待用。

　　本次所使用的实验装置按照图1进行设计。

　　如图1所示，在该实验装置中，半导体激光器将发出特定的激光信号，该激光信号由光纤传输后，照射到含有待测水样的比色皿中，产生荧光信号。该荧光信号将进一步经由光纤入射至光纤光谱仪中，光谱仪对该信号处理后，传入计算机进行数据的处理与显示。同时，为避免可能出现的强烈激发光散射信号，采用正交90°方向对荧光信号进行收集。

　　2主要实验方法

　　本次实验主要分为以下几个步骤。

　　一是对荧光光谱进行采集和处理。将荧光光谱仪的光电倍增管电压设置为700 V，采样间隔设置为5 nm，以此对荧光发射光谱进行采集。考虑到荧光采集过程中可能存在较强的散射峰，容易影响特征峰，因此对散射峰进行处理。处理结果显示，大部分实际水样均在激发波长为275 nm时出现最为明显的荧光发射光谱变化，因此，将每组实验样本的三维光谱数据均在此波长下进行荧光发射光谱的提取，得到所有水样的发射波长与荧光强度数据。为确保数据准确性，每个样本均进行3次采集，结果取平均值，得到最终数据。

　　二是测量实际水样的COD值。在该步骤中，应用快速消解分光光度法，对水样进行平行双样测量，测量结果取平均值作为实际水样的COD检测结果。结果显示，在本次采集的63份水样中，COD最低值为0.64 mg/L，最高值为44.5 mg/L。

　　三是建立COD标准溶液光谱的模型。参考已有经验，此步骤应用PLSR算法进行建模，并确定该算法下的主成分数为5，由此得到建模结果如图2所示。

　　如图2所示，基于PLSR算法进行建模可取得相对较高的拟合度，因此可推断该模型能够对COD标准液的荧光发射光谱数据进行较为准确的预测。

　　四是对实际水样光谱进行建模。考虑到实际水样组分较为复杂，且其中的一些组分可能影响光谱数据，因此首先采用SG平滑处理算法，对实际水样光谱数据进行平滑处理。该方法可视作移动窗口和最小二乘法的结合应用，也可等效视作过滤高频噪声的低通滤波器。该方法最大的特点是，在滤除噪声的同时，能够最大程度上避免原光谱不发生显著变形。其次，在信号平滑处理完成后，仍采用PLSR建模方法进行建模，同时应用预测残差平方和（PRESS）的方法对主成分数进行确定，最终确定主成分数为6，在此基础上，得到实际水样的光谱模型如图3所示。

　　如图3所示，在该模型中，应用PLSR方法可使相关系数达到0.976 4，拟合效果相对较优。这表明本次应用的方法能够得到较为集中的预测值，且更接近于真实值。初步推断，个别预测值偏差较高的原因可能源自荧光光谱采集过程中引入的误差，或是实际水样COD检测过程中引入的误差。

　　3实验结果与讨论

　　在预测模型全部建立完成后，对模型效果进行验证。首先选择检验集中的15组荧光发射光谱数据，代入到已建立的PLSR模型当中进行对比，结果如表1所示。

　　根据表1中的数据，计算其预测均方根误差，结果显示预测均方根误差RMSE值为2.092 2 mg/L，决定系数为0.940 2，预测结果如图4所示。

　　根据表1和图4的数据信息进行综合分析后可知，本次基于实际水样检验集的预测取得了一定的效果，预测值和实际值的差异并不显著，可初步用于COD值的检验和预测。

　　在此基础上，为进一步检验本次基于荧光检测技术建立的检测方法所具有的优势，重新按照上文中的参数配制COD标准溶液，并对地表水样本进行重新采集。采集完成后，分别采用传统的化学检测法和本次基于荧光检测技术建立的PLSR模型，对采集到的水样的COD值进行检测，同时引入第三方专业机构对样品进行检测以得到“标准值”，由此最终得到各类检测数据如表2所示。

　　根据表2中的数据可知，在针对地表水样品的检测中，本次基于荧光检测技术的检测方法取得了相对更为准确的检测结果。相对而言，针对COD标准溶液的检测则存在一定偏差，初步推断其主要原因是预测模型选用的是基于实际水样的荧光发射光谱数据的PLSR模型，而相对于实际水样，标准液水样所含物质单一，采集到的谱线变化规律可能不同于实际水样的谱线变化规律。整体而言，本次在荧光检测技术基础上建立的PLSR分析预测模型取得了相对较优的效果。

　　4结语

　　整体来看，在本次研究中以水质检测中的COD检测工作为研究对象，并以荧光检测技术为基础，初步建立了单激发波长下的荧光发射光谱数据PLSR模型，并对其实际应用效果进行了初步检验。结果显示，本次建立的荧光发射光谱数据PLSR模型具有相对较高的拟合度，能够合理表征荧光强度与水质COD值之间的关系，在实际测试中，该方法也显著优于传统检测方法，证明本次建立的研究方法具有一定的可行性，当然还需要进一步探讨，以提升其应用价值。

　　参考文献

　　[1]魏中玲.荧光检测技术在水质检测中的运用[J].冶金管理，2023（3）：79-81.

　　[2]魏钢.荧光检测技术在水质检测中的应用[J].皮革制作与环保科技，2022，3（8）：74-76.

　　[3]郑培超，杨晨，张航熙，等.水质COD的激光诱导荧光检测方法研究[J].激光杂志，2022，43（8）：55-59.

　　[4]李震，廖伟，宋腾，等.水体有机物在线荧光监测仪的研制[J].计算机测量与控制，2021，29（5）：247-250.

　　[5]王一思，王筱涵，潘启双，等.水质硫化物荧光探针研究进展[J].浙江化工，2020，51（9）：46-50.