技术摘要：
本发明公开了一种针对分散式污水排放源的水质在线监测系统，涉及水质监测领域，包括在线监测集成探头、PLC控制器、工业触摸屏和远传模块，其中，在线监测集成探头包括在线pH电极、在线ORP电极、全光谱传感器、在线浊度传感器、在线电导率传感器、在线溶解氧传感器、运  全部
背景技术：
目前已广泛应用的易于快速在线监测的常规水质指标主要包括：pH值、氧化还原 电位(ORP)、水温、溶解氧、浊度、电导率等六项。对于表征水质的重要指标：COD、NH3-N和 NO -3 -N，一般采用基于国家标准监测方法的自动分析设备实现在线监测。这些监测方法应用 于在线监测时存在以下缺点：检测过程需要消耗化学试剂，其中部分试剂有毒有害，易造成 二次污染，运行成本较高；检测分析需要一定的反应时间，难以实现连续监测；设备的结构 系统复杂，体积较大，维护不便，且设备价格通常较高。由于以上原因，这些基于国标法的在 线监测设备通常应用于重要的水环境监控断面或者规模以上排放源的监控。面对不断发展 的生态环境质量的大数据信息需求，以及分散式污染源(如分散铁路站段)在线监测的需 求，需要开发能够产生实时连续水质数据，设备和运行成本低，维护简便，无二次污染的在 线监测技术。近年来，随着光谱技术与设备的发展，开始有研究者利用能够实现全谱直读的 CCD光谱仪开发出基于全光谱的多参数水质监测设备。该技术的基本原理是：利用硝酸盐在 220nm-240nm处的吸收特征，在线监测NO -3 -N的浓度；利用紫外可见波段的吸收特征，预测 COD浓度；利用可见光波段的吸收特征，预测SS和浊度等。 综合以上分析，全光谱技术是一种能同时测量COD、NO -3 -N、浊度等指标的有效方 法，也能高效、快速地在线监测常规水质指标，适用于分散式污水排放源的水质在线监测。 近年来，我国铁路建设得到快速发展，铁路站段已超过5000个，并且多数是中小车 站，这些中小车站大多远离城市，周边没有配套的市政污水收集系统，污水处理规模一般较 小，处理不稳定，且自动化程度低，给污水综合利用带来了困难。随着我国的经济发展，对铁 路站段污水处理要求也愈加严格，同时，能够实现对铁路站段废水水质进行快速在线监测 的需求日益迫切。车站污水主要是生活污水，来自于各车站、办公房屋等的生活污水排放， 主要污染物为CODcr、BOD5、NO -3 -N、SS，另外还有油脂、大肠杆菌菌群数等。 因此，本领域的技术人员致力于开发一种对分散式污水排放源水体的pH值、水温、 ORP、吸光度、浊度、电导率、溶解氧、COD和NO -3 -N等水质指标进行同时且实时连续在线监测 的系统，满足设备和运行成本低，维护简便，无二次污染的在线监测技术。
技术实现要素：
有鉴于现有技术的上述缺陷，本发明所要解决的技术问题是基于国家标准监测方 法的自动分析设备监测过程需要消耗化学试剂，其中部分试剂有毒有害，易造成二次污染， 运行成本较高；检测分析需要一定的反应时间，难以实现连续监测；设备的结构系统复杂， 体积较大，维护不便，且设备价格通常较高。 为实现上述目的，本发明提供了一种针对分散式污水排放源的水质在线监测系 4 CN 111596028 A 说　明　书 2/5 页 统，包括在线监测集成探头、PLC控制器、工业触摸屏和远传模块，其中，所述在线监测集成 探头包括在线pH电极、在线ORP电极、全光谱传感器、在线浊度传感器、在线电导率传感器、 在线溶解氧传感器、运算模块；所述在线监测集成探头的数据信息均通过所述PLC控制器连 接到所述工业触摸屏；所述工业触摸屏通过所述远传模块将数据上传到互联网中的云服务 器。 进一步地，所述在线监测集成探头通过COD浓度监测模型和NO -3 -N浓度监测模型对 COD和NO -3 -N进行监测。 进一步地，建立所述COD浓度监测模型和所述NO -3 -N浓度监测模型包括以下步骤： 步骤1、采集若干水样，按照HJ标准的方法监测COD浓度、NO -3 -N浓度的实测值； 步骤2、获取每个水样对应波段的吸收光谱的吸光度光谱数据和常规水质指标； 步骤3、将所述步骤1和所述步骤2中获取的数据分别进行矢量归一化预处理，使其 映射到[-1，1]区间之内，获得样本数据； 步骤4、构建BP-神经网络模型，选择80％所述样本数据，采用BP-神经网络算法，选 择Sigmoid函数为激活函数，并选择神经网络隐含层、每层的单元数和学习率等参数，使得 所测项目实测值与预测值之间的方差最小； 步骤5、选取剩余20％所述样本数据，计算所测项目实测值与预测值之间R平方、均 方根误差等评价指标对模型的预测性能进行评价，以确保模型的实用性。 进一步地，在建立所述COD浓度监测模型时，所述步骤2中，获取每个水样电导率和 浊度的值，获取每个水样200-700nm波段的吸收光谱的吸光度光谱数据。 进一步地，在建立所述COD浓度监测模型时，所述步骤4中所述BP-神经网络模型， 所述神经网络隐含层为2层，每层的所述单元数分别为5和3。 进一步地，在建立所述NO -3 -N浓度监测模型时，所述步骤2中，获取每个水样220nm 波段和275nm波段的吸收光谱的吸光度光谱数据。 进一步地，在建立所述NO -3 -N浓度监测模型时，所述步骤4中所述BP-神经网络模 型，所述神经网络隐含层为1层，所述单元数为2。 进一步地，所述工业触摸屏负责数据显示和数据记录，并通过485与所述远传模块 进行数据交互。 进一步地，用户通过手机APP端和电脑端访问云服务器远程获取数据，并对所述在 线监测集成探头进行远程控制。 一种应用在线监测系统进行分散式污水排放源水质在线监测的方法，包括以下步 骤： 步骤1、将所述在线监测集成探头置于待监测的水中，获取pH值、水温、ORP、吸光 度、浊度、电导率、溶解氧； 步骤2、建立所述COD浓度监测模型和所述NO -3 -N浓度监测模型得到COD、NO -3 -N； 步骤3、所述PLC控制器接收所述在线监测集成探头获取的数据，并将数据传输到 所述工业触摸屏，所述工业触摸屏显示并记录接收数据，并将数据通过485与所述远传模块 进行数据交互； 步骤4、所述远传模块将数据发送到云服务器，用户通过手机APP端和电脑端远程 获取到数据，并对所述在线监测集成探头进行远程控制。 5 CN 111596028 A 说　明　书 3/5 页 本发明提出的一种针对分散式污水排放源的水质在线监测系统，具有以下技术效 果： 1、本发明实现了对分散式污水排放源水体中COD、NO -3 -N、pH值、水温、ORP、浊度、电 导率、溶解氧等多项指标的同时在线监测； 2、本发明具有监测快速、无化学试剂消耗、维护简便、设备造价和运行成本低、数 据实时传输和便于远程操作等优点。 以下将结合附图对本发明的构思、具体结构及产生的技术效果作进一步说明，以 充分地了解本发明的目的、特征和效果。 附图说明 图1是本发明的一个较佳实施例的在线监测集成探头的结构示意图； 图2是本发明的一个较佳实施例的系统结构示意图。 其中：1-在线监测集成探头，2-在线pH电极，3-在线ORP电极，4-全光谱传感器，5- 在线浊度传感器，6-在线电导率传感器，7-在线溶解氧传感器，8-运算模块。