周期污泥样品红外光谱图见图1。
[0013](4)以45个污泥样品红外光谱中聚磷特征峰吸光度数据为自变量，聚磷实测值为因变量，采用偏最小二乘法建立中红外光谱吸光度与聚磷实测值之间的校正模型。模型的建立由Matlab软件实现。模型对聚磷含量校正值与聚磷含量实测值关系见图2。模型对聚磷校正时的相关系数(r2)为0.9622，校正时均方根误差(RMSECV)为0.0382。
[0014](5)取未参与建模27个污泥样品，扫描其中红外光谱，得到聚磷特征峰光谱区间内中红外光谱吸光度数值，代入校正模型，得到聚磷含量的预测值。模型对聚磷含量的预测值与聚磷含量实测值关系见图3。模型对聚磷预测时的相关系数(r2)为0.8949，预测时均方根误差(RMSEP )为0.0389。
[0015](6)计算每个周期内相邻两个污泥样品聚磷含量预测值的差值，即聚磷变化量。计算与污泥样品对应的相邻两个水样正磷酸盐浓度差值，得到正磷酸盐变化量。建立聚磷变化量与正磷酸盐变化量之间相关关系。聚磷变化量与正磷酸盐变化量的关系图见图4。聚磷变化量与正磷酸盐变化量相关关系式:尸6.861X-1.493 ;式中，z为聚磷变化量，％; 7为正磷酸盐变化量，mg/L，相关系数(r2)为0.9581。
【主权项】
1.一种应用中红外光谱测定反硝化除磷中聚磷与正磷酸盐关系的方法，包括以下步骤: (1)培养反硝化除磷污泥:采用厌氧-缺氧运行方式，在缺氧段开始时向反应器投加硝酸钾溶液，驯化使反硝化除磷菌成为优势种群，得到稳定运行的反硝化除磷系统； (2)取反硝化除磷系统中8个典型周期泥水混合物，每个周期取9个样品，共72个，使用真空泵抽滤泥水混合物，得到水样和湿污泥样品各72个； (3)水样用常规化学方法测正磷酸盐浓度，湿污泥样品放入冷冻干燥机冷冻干燥22-26h，得到污泥样品用常规化学方法测聚磷含量，测定结果作为聚磷实测值，并扫描45个样品的中红外光谱，得到聚磷特征峰光谱区间内中红外光谱吸光度数值； (4)以45个污泥样品聚磷特征峰光谱区间内中红外光谱吸光度数值为自变量，聚磷实测值为因变量，采用偏最小二乘法建立中红外光谱吸光度与聚磷实测值之间的校正模型； (5)取未参与建模27个污泥样品，扫描其中红外光谱，得到聚磷特征峰光谱区间内中红外光谱吸光度数值，代入校正模型，得到聚磷含量的预测值； (6)计算每个周期内相邻两个污泥样品聚磷含量预测值的差值，即聚磷变化量；计算与污泥样品对应的相邻两个水样正磷酸盐浓度差值，得到正磷酸盐变化量，建立聚磷变化量与正磷酸盐变化量之间相关关系。
2.根据权利要求1所属的一种应用中红外光谱测定反硝化除磷中聚磷与正磷酸盐关系的方法，其特征在于，包括以下步骤: (1)培养反硝化除磷污泥:采用厌氧-缺氧运行方式，在缺氧段开始时向反应器投加硝酸钾溶液，驯化使反硝化除磷菌成为优势种群，得反硝化除磷系统； (2)取反硝化除磷系统中8个典型周期泥水混合物，每个周期取9个样品，共72个使用真空泵抽滤泥水混合物，得到水样和湿污泥样品各72个； (3)水样用常规化学方法测正磷酸盐浓度，湿污泥样品放入冷冻干燥机冷冻干燥22-26h，得到污泥样品用常规化学方法测聚磷含量，测定结果作为聚磷实测值，并扫描45个样品的中红外光谱，得到聚磷特征峰光谱区间内中红外光谱吸光度数值； (4)以45个污泥样品聚磷特征峰光谱区间内中红外光谱吸光度数值为自变量，聚磷实测值为因变量，采用偏最小二乘法建立中红外光谱吸光度与聚磷实测值之间的校正模型，模型对聚磷校正时的相关系数r2为0.9622，校正时均方根误差RMSECV为0.0382 ； (5)取未参与建模27个污泥样品，扫描其中红外光谱，得到聚磷特征峰光谱区间内中红外光谱吸光度数值，代入校正模型，得到聚磷含量的预测值，模型对聚磷预测时的相关系数r2为0.8949，预测时均方根误差RMSEP为0.0389 ； (6)计算每个周期内相邻两个污泥样品聚磷含量预测值的差值，即聚磷变化量，计算与污泥样品对应的相邻两个水样正磷酸盐浓度差值，得到正磷酸盐变化量；建立聚磷变化量与正磷酸盐变化量之间相关关系，相关关系式为:尸6.861X-1.493式中，z为聚磷变化量，% ;7为正磷酸盐变化量，mg/L，相关系数r2为0.9581。
3.根据权利要求1所述的一种应用中红外光谱测定反硝化除磷中聚磷与正磷酸盐关系的方法，其特征在于:所述的校正模型建模方法为偏最小二乘法；聚磷特征峰光谱区间为:波数1191 CnT1?波数1348cm_1o
4.根据权利要求1所述的一种应用中红外光谱测定反硝化除磷中聚磷与正磷酸盐关系的方法，其特征在于:步骤(4)中用偏最小二乘法建立的校正模型采用交互检验法确定主成分数；校正模型用校正时均方根误差RMSECV值来评价，RMSECV越小，模型性能越好，模型对聚磷校正时的相关系数r2为0.9622，校正时均方根误差RMSECV为0.0382 ;采用步骤(5)进行外部验证的结果用预测时的均方根误差RMSEP值来评价，RMSEP越小，模型预测效果越好，模型对聚磷预测时的相关系数r2为0.8949，预测时均方根误差RMSEP为0.0389。
5.根据权利要求1所述的一种应用中红外光谱测定反硝化除磷中聚磷与正磷酸盐关系的方法，其特征在于:根据步骤(6)建立的是相邻两个污泥样品聚磷含量预测值的差值，即聚磷变化量和与污泥样品对应的相邻两个水样正磷酸盐浓度差值，得到正磷酸盐变化量之间相关关系；相关关系式为:尸6.861X-1.493式中，z为聚磷变化量，% ； 7为正磷酸盐变化量，mg/L,相关系数r2为0.9581。
【专利摘要】本发明公开了一种应用中红外光谱测定反硝化除磷中聚磷与正磷酸盐关系的方法。该方法包括：1）培养反硝化除磷污泥使其具有较好的反硝化除磷功能；2）用中红外光谱扫描典型周期污泥样品，得到红外光谱数据，用偏最小二乘法建立聚磷含量模型；3）采集为参与建模的污泥样品和水样，污泥样品带入模型测得其聚磷含量，水样用化学方法测其正磷酸盐浓度；4）把聚磷变化量与正磷酸盐变化量进行线性拟合，完成反硝化除磷系统内聚磷与正磷酸盐关系的测定，两者相关系数（r2）为0.9581，相关性较好。发明具有操作简便、迅速的优点，并可解决传统测定反硝化除磷系统内聚磷与正磷酸盐关系时的耗时、耗能和二次污染等问题。
【IPC分类】G01N21-35
【公开号】CN104849229
【申请号】CN201510260566
【发明人】宋箭, 黄健, 张勇, 张华 , 陶勇, 王坤, 朱菁
【申请人】安徽建筑大学
【公开日】2015年8月19日
【申请日】2015年5月20日