近红外光谱的水体污染指标COD定量预测模型

针对传统化学需氧量（chemical oxygen demand, COD）检测存在检测成本高、耗时、易造成二次污染,以及现有检测模型泛化性较差等不足,难以满足水环境实时监测需求的问题,本研究提出基于近红外光谱技术的COD快速无损定量预测模型。实验结果表明,本模型在污水COD光谱数据集上的预测性能,相较于传统机器学习算法,以及现有其他深度学习算法更优。测试的决定系数（R2）和均方根误差（RMSE）分别达到0.992 1和27.47 mg·L-1,模型卷积层的输出特征可解释强,能有效表征关键波长点。为实际水体COD含量快速检测提供一种新的方法。