跳到主要內容

簡易檢索 / 詳目顯示

回結果列表
研究生： 游佩蓉
Pei-jung You
論文名稱： 利用UV/VIS/NIR吸收光譜同步量測水中SS、有機物及重金屬之研究
Using UV/VIS/NIR Spectrum Analysis to Measure Simultaneous with SS, Organic Compounds and Heavy Metals Concentration
指導教授： 廖述良
Shu-Liang Liaw
口試委員:
學位類別： 碩士
Master
系所名稱： 工學院 - 環境工程研究所
Graduate Institute of Environmental Engineering
畢業學年度： 97
語文別： 中文
論文頁數： 105
中文關鍵詞： SS 、UV/VIS/NIR吸收光譜 、有機物 、重金屬 、倒傳遞類神經
外文關鍵詞： SS, ANN, heavy metals, COD, UV/VIS/NIR absorption spectrum
相關次數： 點閱：19  下載：0 
分享至:
查詢本校圖書館目錄 查詢臺灣博碩士論文知識加值系統 勘誤回報

    • 廢水處理為ㄧ種耗費大量人力、物力與財力資源卻又不容忽視的處理程序，因此，可提供即時、完整且有效的控制策略時所需的廢水之水質成分及其濃度等資訊，以提升廢水處理系統之穩定性及處理效率，已成為目前的研究重點。有鑑於傳統量測設備及水質分析實驗無法即時、完整且有效提供擬定控制策略或水質異常時所需之資料與資訊，是故，以光學方法建立即時廢水水質監測方法與系統，其具有快速量測、不需外加藥劑、建置成本低等優點，可有效解決及改善傳統量測或實驗分析所面臨之問題。
    本研究利用光學頻譜分析方法，針對廢水水質之SS、有機物及重金屬，透過多組稀釋倍數與不同孔徑濾紙過濾水樣，建立廢水不同顆粒粒徑與其濃度之光譜資料庫，並發展一套多波長SS定性與定量的分析方法，藉此改善顆粒干擾光譜分析之問題，再配合其他成分之水樣資料庫，做為發展廢水水質監測系統的基礎。光譜分析方法應用倒傳遞類神經網路建立懸浮微粒濃度與其粒徑分佈之推估模式，無論在推估單顆粒或是多種粒徑顆粒混合之水樣，其推估結果誤差低於10%。將SS對UV/VIS/NIR吸收光譜產生之吸光值先予以扣除，再利用多成分定性定量演算法，其推估有機物或是重金屬水樣誤差低於5%。實廠驗證方面，藉由此量測技術可同時準確推估SS顆粒粒徑分佈、COD濃度及重金屬成分與濃度，其推估結果誤差低於15%，符合人工檢測誤差範圍。結果顯示，本研究所研發之量測技術具有穩定度及可靠度，未來可提供給業界或實廠即時廢水水質監測之技術，以提升廢汙水處理系統之成效。

    Process automation has become one of the most important issues for water and wastewater industry to meet strengthening water quality and effluent standards. Therefore, it is important to research and develop various kinds of technology and device of an automatic real-time water quality monitoring system. Respecting the deficiencies of the traditional measurement equipments and experiment analysis that can not offer the necessary information immediately and completely when the control strategy of wastewater treatment has to be made or the situation of unusual water quality has happened, the development of an automatic water quality monitoring system with the optics method that have fast quantity examine, cost low construction, etc., is efficacious to solve and improve the problem caused by the traditional method.
    This research is mainly to utilize spectrum analysis technique and back-propagation neural network to measure SS, organic compounds and heavy metals concentration. According to the experimental results shown, by diluting and filtering samples procedure can measure SS, organic compounds and heavy metals concentration and eliminate UV/VIS/NIR spectrum analysis interference with SS concentration and particle size. The result of SS concentration and particle size has shown the error was less 10%. Besides, using spectrum database and spectrum analysis to measure COD and heavy metals concentration, the error was less 15%.
    Utilizing spectrum analysis to develop an automatic real-time water quality monitoring system for COD、 SS and heavy metals is stable and accurate respectably. It can not only offer real-time information for wastewater treatment, but also announces the operators that the water quality is unusual in order to improve the efficiency and effectiveness of wastewater treatment.

    目錄 第一章 前言.............................................1 1.1 研究緣起............................................1 1.2 研究目的............................................2 第二章 文獻回顧.........................................3 2.1 光學原理............................................3 2.1.1 光行進方式........................................3 2.1.2 光散射機制........................................5 2.2 光學頻譜原理與種類與應用............................6 2.2.1 吸收光譜定性原理..................................7 2.2.2 吸收光譜定量原理..................................9 2.3 吸收光譜之干擾因素..................................11 2.4 吸收光譜監測技術之研究與發展........................13 2.4.1 吸收光譜監測有機物之技術發展與應用................13 2.4.2 吸收光譜監測重金屬之技術發展與應用................14 2.4.3 吸收光譜監測SS之技術發展與應用 ...................15 2.5 光譜分析方法........................................17 第三章 研究方法.........................................19 3.1 研究流程與內容 ......................................19 3.2 研究設備與材料......................................21 3.3 SS、有機物與重金屬光譜資料庫建置 ...................23 3.3.1分光光度計穩定性與干擾因子去除測試.................24 3.3.2 SS光譜資料庫建置..................................25 3.3.3有機物光譜資料庫建置................................26 3.3.4重金屬光譜資料庫建置................................26 3.3.5各種成份之交互作用..................................27 3.4 類神經網路原理 .......................................27 3.4.1 倒傳遞類神經網路...................................28 3.4.2 預測模式之評估與驗證..............................29 3.5 多成分定性與定量分析演算法建立.......................31 3.5.1 吸收光譜資料前處理................................31 3.5.2 多成分定性分析演算法..............................31 3.5.3 多成分定量分析演算法..............................34 第四章 結果與討論........................................39 4.1 吸收光譜干擾因子之探討..............................39 4.1.1 分光光度計光源穩定性分析..........................39 4.1.2 水的吸收光譜 ......................................42 4.1.3 分光光度計長時間量測之穩定性分析..................42 4.1.4 小結..............................................43 4.2單ㄧ成份SS、有機物與重金屬水樣光譜資料庫建置結果.....44 4.2.1 SS光譜資料庫建置結果..............................44 4.2.1.1 SS濃度與吸光度的關係...........................44 4.2.1.2 SS粒徑大小與吸收波峰的關係.....................50 4.2.1.3 SS粒徑大小與吸光度的關係.......................51 4.2.2 有機物光譜資料庫建置結果..........................54 4.2.3 重金屬光譜資料庫建置結果..........................55 4.2.4 小結..............................................57 4.3多成分水樣之吸收光譜之關係探討.......................58 4.3.1 多種粒徑顆粒對吸收光譜影響之探討..................58 4.3.2 多成分對吸收光譜影響之探討........................61 4.3.3 小結..............................................63 4.4 倒傳遞類神經建模與推估..............................63 4.4.1 建立單一SS粒徑大小與濃度之最佳化模式與推估結果....64 4.4.2 建立多種粒徑混合與濃度之最佳化模式與推估結果......71 4.4.3 小結..............................................74 4.5 光譜多成份定性與定量分析演算法......................75 4.5.1 吸收係數..........................................75 4.5.2 混合水樣一之測試結果..............................79 4.5.3 混合水樣二之測試結果..............................81 4.5.4 混合水樣三之測試結果..............................85 4.5.5 小結..............................................88 4.6 實廠驗證結果之結果..................................89 4.6.1 實廠A之驗證結果...................................89 4.6.2 模廠B之驗證結果...................................96 4.6.3 小結..............................................100 第五章 結論與建議.......................................101 5.1 結論................................................101 5.2 建議................................................102 參考文獻................................................103 表目錄 表2-1 光學頻譜種類與應用..................................8 表2-2 影響光譜分析準確性的干擾因素.......................11 表3-1 研究設備與材料....................................21 表3-2 標準微粒之性質..........................23 表3-3 本研究將探討之成分..........................23 表3-4 SS光譜資料庫之顆粒大小及不同濃度之顆粒數(單位:十億顆)....................................................25 表3-5 模式建構參數表...................................29 表4-1 各波長於長時間量測水樣之最大與最小之吸光度變化...43 表4-2 八種不同大小之粒徑對應之吸收波峰.................50 表4-3 固定顆粒數(十億顆)之相對濃度.....................52 表4-4 0.1um之吸收波峰隨著濃度偏移之現象化成數值表示...53 表4-5 單顆粒三組模式之輸入變數表......................64 表4-6 模式A之變數表....................................64 表4-7 模式A推估模式測試結果比較表.......................65 表4-8 模式B之變數表.....................................67 表4-9 模式B推估模式測試結果比較表.......................67 表4-10 八種粒徑於612~622nm與748~785nm波段之吸光度.......69 表4-11 模式C之變數表...................................70 表4-12 模式C推估模式測試結果比較表.....................70 表4-13 兩種顆粒混合之兩組模式輸入變數表................72 表4-14 模式D之變數表...................................72 表4-15 模式D推估粒徑測試結果比較表.....................72 表4-16 模式D推估濃度測試結果比較表.....................72 表4-17 模式E之變數表...................................73 表4-18 模式E推估粒徑測試結果比較表.....................74 表4-19 模式E推估濃度測試結果比較表.....................74 表4-20 混合水樣一之鄰苯二甲酸氫鉀濃度推估..............80 表4-21 混合水樣二之Cr3+濃度推估........................83 表4-22 混合水樣二之鄰苯二甲酸氫鉀濃度推估.............84 表4-23 混合水樣三之Cu2+濃度推估........................88 表4-24 實廠A研磨廢水之水質檢測結果.....................92 表4-25 實廠A之重金屬鋁濃度推估.............95 表4-26 實廠A之COD濃度推估.............95 表4-27 模廠B之SS濃度推估結果比較表.............97 圖目錄 圖2-1 光行進方式.............5 圖2-2 分子激發型式所需不同的量化能量.............7 圖2-3 光譜產生方式 .............7 圖2-4 吸收光譜定性分析圖.............9 圖2-5 吸收光譜定量分析圖.............9 圖2-6 多成分光譜總吸光度.............11 圖2-7 水於近紅外光之吸收光譜圖.............12 圖2-8 廢水污染物大小之分類.............15 圖2-9 懸浮微粒濃度多寡與吸收光譜之關係.............16 圖2-10 都市污水透過不同孔徑過濾後之吸收光譜圖..........16 圖2-11 吸收波峰與粒徑之關係..........................17 圖3-1 研究流程圖.......................................20 圖3-2 分光儀器穩定性測試與干擾去除流程.................24 圖3-3 SS光譜資料庫所要探討之內容.......................26 圖3-4 生物類神經元結構圖................................28 圖3-5 倒傳遞類神經網路結構示意圖.........................29 圖3-6 光譜多成分定性分析演算法流程圖 ....................33 圖3-7 多成分定量演算法程序流程圖........................38 圖4-1 光源於各波長之吸光度隨時間變化趨勢圖.............40 圖4-2 光源連續24小時運作之各波常吸光度趨勢圖..........41 圖4-3 水的吸收光譜圖....................................42 圖4-4 各波長於長時間量測水樣之吸光度變化.............43 圖4-5 不同粒徑於不同濃度之吸收吸收光譜圖(a)0.1um (b)0.2um (c)0.34um .............................................45 圖4-5(續) 不同粒徑於不同濃度之吸收吸收光譜圖(d)0.5m (e)0.8um (f)1.0um .......................................46 圖4-5(續) 不同粒徑於不同濃度之吸收吸收光譜圖(g)0.5m (h)0.8um....................................................47 圖4-6 1.0um粒徑之顆粒其濃度與吸光度之關係.............47 圖4-7 各粒徑於500nm波長處之吸光值與SS濃度關係...........48 圖4-8 粒徑分析儀分析不同粒徑之結果圖....................49 圖4-9 粒徑分析儀重複分析2.0um顆粒之差異圖...............49 圖4-10 不同濃度之1.0um顆粒與粒徑分析儀分析結果之關係圖..49 圖4-11 粒徑大小與吸收波峰之關係..........................50 圖4-12 八種不同粒徑固定相同SS濃度(100mg/L)之光譜圖......52 圖4-13 相同顆粒數(十億顆)於不同粒徑大小之光譜圖........52 圖4-14 小顆粒之吸收波峰隨濃度增高而偏移之光譜圖.........53 圖4-15 鄰苯二甲酸氫鉀之光譜圖..........................54 圖4-16 鄰苯二甲酸氫鉀之吸收波峰(280nm).................55 圖4-17 Cu2+之吸收波峰(300nm)..........................56 圖4-18 Cr3+之吸收波峰(258與350nm).....................56 圖4-19 Cu2+之光譜圖...................................57 圖4-20 Cr3+之光譜圖...................................57 圖4-21 1.6與2.0um兩種粒徑於不同濃度混合之光譜圖.......59 圖4-22 0.34與2.0um兩種粒徑於不同濃度混合之光譜圖......59 圖4-23 0.1與0.2um兩種粒徑於不同濃度混合之光譜圖.......60 圖4-24 0.1與0.2um兩種粒徑於不同濃度混合再稀釋之光譜圖化60 圖4-25 Cr3+與0.1兩種成分混合之光譜圖..................61 圖4-26 Cr3+與0.1兩種成分混合再稀釋之光譜圖............62 圖4-27 0.8與0.34um兩種不同粒徑混合鄰苯二甲酸氫鉀之光譜圖63 圖4-28 模式A粒徑推估結果之R2值.........................65 圖4-29 模式A濃度推估結果之R2值.........................66 圖4-30 模式B粒徑推估結果之R2值.........................67 圖4-31 模式B濃度推估結果之R2值.........................68 圖4-32 模式C粒徑推估結果之R2值.........................70 圖4-33 模式C濃度推估結果之R2值.........................71 圖4-34 各粒徑之吸光係數(a)0.1um (b)0.2um (c)0.34um (d)0.5um..................................................76 圖4-34(續) 各粒徑之吸光係數(e) 0.8um (f)1.0um (g)1.6um (h)2.0um..................................................77 圖4-35 鄰苯二甲酸氫鉀之吸光係數........................78 圖4-36 重金屬之吸光係數(a) Cu2+ (b) Cr3+...............78 圖4-37 混合水樣一之光譜圖..............................79 圖4-38 混合水樣一扣除SS吸光度之光譜圖..................79 圖4-39 混合水樣二之光譜圖..............................81 圖4-40 混合水樣二扣除SS吸光度之光譜圖..................81 圖4-41 混合水樣二扣除SS與Cr3+吸光度之光譜圖............84 圖4-42 混合水樣二依序扣除其成分之光譜圖................85 圖4-43 混合水樣三之光譜圖..............................86 圖4-44 推估混合水樣三之SS吸光度........................86 圖4-45 混合水樣三扣除SS吸光度之光譜圖..................87 圖4-46 實廠A研磨廢水稀釋光譜圖.........................89 圖4-47 實廠A研磨廢水過濾光譜圖.........................90 圖4-48 實廠A研磨廢水稀釋再過濾光譜圖 ..................90 圖4-49 實廠A研磨廢水稀釋再過濾光譜圖(放大).............91 圖4-50 實廠A研磨廢水稀釋再過濾之粒徑分析結果圖.........91 圖4-51 實廠A研磨廢水稀釋再過濾光譜圖(再放大)...........92 圖4-52 實廠A之COD濃度推估結果之R2值....................93 圖4-53 實廠A之Al3+濃度推估結果之R2值...................93 圖4-54 實廠A其他日研磨廢水稀釋之光譜圖.................94 圖4-55 模廠B之廢水稀釋光譜圖...........................96 圖4-56 模廠B之SS濃度推估結果之R2值.....................97 圖4-57 模廠B之廢水過濾光譜圖...........................98 圖4-58 連續掃描模廠B之廢水.............................98 圖4-59 連續掃描慢混處理單元之廢水......................99

    A. Keitz, D. et Boulaud, Mesures et controˆ le. Granulome ´trie des particules en mouvement et des ae´rosols, Techniques de l’Inge´nieur R2 (360) (1995) 2/4.
    Craig Freudenrich, “Optics Principle”, (2000) http://science.bowenwang.com.cn/light10.htm
    Douglas A. , F. James, and A. Timothy, “Principles of instrumental analysis,” Instrumental analysis, (1998).
    Fogelman Shoshana, Zhao Huijun, Blumenstein Michael, “A rapid analytical method for predicting the oxygen demand of wastewater,” Analytical and Bioanalytical Chemistry, Vol. 386, pp. 1773-1779(7), (2006).
    Liu S. P., Zhou X. J., Kong L., Luo H. Q., “Study on the Spectra of Silver Nanoparticle,” Journal of Southwest China Normal University, 30(4), (2005).
    Li X. Y., Yang Z. l., Zhou H. G., “Studying the absorption spectrum properties of the gold nanosphere - the effect of the size on the absorption spectra of the nanoparticles,” Journal of Southwest China Normal University, 17(2), (2004).
    Liu Y., Bai Y., Zhu T. X., Zheng W. J., “Determination the Composition of Cu(II) and Selenoamino by UV-Spectrophotometry,” Chinese Journal of Spectroscopy Laboratory, 22(2), (2005).
    M.-F. Pouet, N. Azema, E. Touraud, O. Thomas, “Physical and Aggregate Properties,” UV-Visible Spectrophotometry of Water and Wastewater, (2007).
    Mrkva, M., “Automatic U.V.-Control System for Relative Evaluation of Organic Water Pollution,” Water Res. Vol. 9, pp. 587-589, (1975).
    M. T. Hagan, H. B. Demuth, and M. H. Beale, “Neural Network Design”, Thomson Learning, (1996).
    N. Azema, M.-F. Pouet, C. Berho, O. Thomas, “Wastewater suspended solids study by optical methods,” COLLOIDS AND SURFACES, 204, pp. 131-140, (2002).
    Norris K H , Williams P C. Optimization of mathematical treatment of raw near infrared signal in the measurement of protein in hard red spring wheat . I. Influence of partical size. Cereal Chemistry, 61(2) : 185～165, (1984).
    O. Thomas, F. Theraulaz, S. Vaillant, M.-F. Pouet, “Urban Wastewater,” UV-Visible Spectrophotometry of Water and Wastewater, (2007).
    Roig. B., C. Gonzalez and O. Thomas, “Monitoring of phenol photodegradation by ultraviolet spectroscopy,” Spectrochimica Acta Part A, Vol. 59, pp. 303-307, (2003).
    Williams P C , Thompson B N. Influence of Whole meal granularity on analysis of HRS wheat for protein and moisture by near infrared reflectance spectroscopy. Cereal Chemistry, 55 (6) : 1014～1037, (1978) .
    Yang Y., Chang Y. H., “The Influence of Physical and Chemical Properties of Iron on Precision and Accuracy of Determination,” Chinese Journal of Spectroscopy Laboratory, 20(3), (2003).
    Zhang X., Jiagn H. P., Zheng Y. F., Long Y. F., “Determination of Cr(VI) with Spectrophotometry in KI-Starch System,” Chinese Journal of Spectroscopy Laboratory, 20(4), (2003).
    王肇儀，「感性工學為基礎之人工表情分析」，中央大學光機電工程研究所碩士論文，2008。
    尤世雄，「CFSBR水質推估公式之發展與建立」，國立中央大學環境工程研究所碩士論文，2006。
    何金成、楊祥龍、王立人、郭希山，「近紅外光譜法測定廢水化學需氧量」，浙江大學工學版學報，第 41卷，第5期，2007。
    何雍，「儀器分析總整理」，鼎茂圖書，2004。
    李勇、魏益民、王鋒，「影響近紅外光譜分析結果準確性的因素」，核農學報，第19卷，第3期，第236至240頁，2005。
    徐永衡，「利用淨最小平方回歸、主成分迴歸與類神經網路分析近紅外線光譜資料」，中興大學農藝學系碩士論文，2003。
    陳志文，「近紅外光譜儀」，國家實驗究院儀器科技研究中心，第83期，2007。
    陳陵援、吳慧眼，「儀器分析」，三民書局，2002。
    陳德請、吳世揚，「生物光電工程導論」，全華科技圖書股份有限公司，2003。
    楊萬發，「水及廢水處理化學」，茂昌圖書有限公司，1990。
    廖憶華，「以光學頻譜分析定性及定量廢水水質特性之研究」，國立中央大學環境工程研究所碩士論文，2006。
    鄭禹祥，「COD、SS及流量及時自動監測系統之發展與建立」，國立中央大學環境工程研究所碩士論文，2007。

    QR CODE
    :::