1、紫外吸收法(簡稱為UV法)COD測定技術利用的是物理方法，即在朗伯-比爾定律的基礎上，利用紫外吸光度與COD濃度的關系求得COD濃度。與傳統(tǒng)測定COD方法相比，紫外吸收法具有明顯的優(yōu)勢，是一種能夠應用于快速測定，特別是在連續(xù)監(jiān)測領域廣泛應用的技術。 然而，紫外吸收法快速測定COD，對水質(zhì)穩(wěn)定性的要求給紫外吸收法COD監(jiān)測技術的推廣帶來障礙?；谧贤馕展庾V法直接測定COD存在的優(yōu)勢以及其測定中需要解決的問題，本文對紫外吸收法CO

2、D監(jiān)測技術進行了深入的研究和探討： (1)采用了23種廢水，包括8種生活污水和15種工業(yè)廢水，對其COD濃度進行了UV法和化學法的對比實驗，以得到兩者的對比實驗結果。從實驗的角度驗證紫外吸收法COD測定技術的可行性。對于水質(zhì)較為穩(wěn)定的生活廢水，紫外吸光度能很好地反映COD濃度，而成分復雜不穩(wěn)定的工業(yè)廢水，其相關性較差，而且COD濃度越大，相關度越低。 (2)通過實驗探討影響紫外吸收法COD測定技術的影響因素，包括濁度、溫

3、度、pH、干擾離子、背景污染對測定結果的影響規(guī)律。 (3)從有機物的紫外吸收光譜入手，選擇有一定代表性的有機物，探討其紫外吸收規(guī)律與水樣有機物成分、含量的關系，采用誤差反向傳播人工神經(jīng)網(wǎng)絡(Back Porpgaation Artfiicial Neural Netwotk，簡稱BP-ANN)，建立紫外吸收光譜直接測定廢水COD的化學計量學方法，并利用此模型對模擬廢水樣和實際廢水樣進行預測。 本文利用LmNetPF(V2

4、.3)神經(jīng)網(wǎng)絡通用平臺完成建模和相關的數(shù)學運算。實驗采用36個樣本訓練集建立的BP-ANN模型，預測自配模擬廢水結果較好，相對誤差<5％。但預測實際廢水COD值效果不理想，相對誤差>10％，不能滿足分析要求，主要原因在于建模的訓練集樣品組成與實際廢水相差太大。 最后，本文針對建立的BP-ANN模型的不足，從廢水成分的剖析、訓練集樣品的組成以及人工神經(jīng)網(wǎng)絡模型改進等方面提出了建議。本文結果對深入研究BP人工神經(jīng)網(wǎng)絡紫外吸收光譜法直