陈 朋，严宪泽，韩洋洋，吴晨阳，昝 昊

（1. 浙江工业大学 计算机科学与技术学院，浙江 杭州 310023；2. 浙江工业大学 信息工程学院，浙江 杭州 310023）

引言

随着工农业的快速发展，水污染问题越发严重。长期饮用硝酸盐含量过高的水体容易引发人体各种疾病。作为含氮有机物的最终产物，世界卫生组织规定饮用水中硝酸盐氮浓度不能超过10 mg/L[1]。传统UV法[2]检测硝酸盐氮的原理是利用硝酸根离子、水中有机物在220 nm波长处有吸收，而硝酸根离子在275 nm处没有吸收，水中有机物有吸收的特点，建立A220-2A270校正标定模型。但UV法在检测硝酸盐氮溶液实际应用中，如果待测试剂浓度过高，存在颗粒物质、荧光或磷光等干扰，吸光度与物质浓度之间不再遵守线性关系，导致UV法失效[3]。

为了能够精确测量水体中硝酸盐氮的浓度，目前国内外已经有多项研究。杨鹏程[4]等人将偏最小二乘（partial least squares，PLS）应用于海水中硝酸盐氮的紫外光谱分析，可以有效分离重叠光谱，降低干扰物质影响，但是作为线性建模方法，PLS具有局限性。刘思乡等人[5]提出机器学习在UV法测定硝酸盐氮浓度中的应用，利用局部加权线程归回（locally weighted linear regression，LWLR）结合PCA建立数学模型，但LWLR存在模型复杂度低和模型表达能力不强的问题。俞禄等人[6]针对光谱水质分析的软测量问题，提出了在紫外光谱条件下的主成分回归（principal components regression，PCR）和最小二乘支持向量机（least square support vector machine，LSSVM）建模方法。Jean Causse等人[7]提出了一种基于UV法测量原始硝酸盐氮溶液的方法，该方法将双光程耦合用于光谱采集，同时对信号二阶求导，但其不适合检测有色度、浊度干扰的溶液。……