水资源是一切生物生存的物质基础。近年来随着人口急剧增加,工业经济迅速发展,水环境污染成为了世界水资源与环境保护面临的重大问题。化学需氧量(COD)作为表征水体有机物含量的参数,是评价水体污染程度的重要指标。目前测量COD的主要方法是重铬酸钾法,这种方法虽然测量准确,但所需时间长、操作繁琐、所用试剂易造成二次污染,不符合连续在线监测技术的要求。本文首先论述了国内外COD检测方法的现状和进展,提出研发了一种基于有机物对紫外可见光的选择性吸收原理的投入式紫外在线COD检测仪的思路,在测定水样时只需将仪器探头直接投入水中,即可自动完成对水样紫外可见光谱全波段扫描,从而实现了无样品前处理、无化学试剂、快速实时在线的COD监测,是一种全新的水质监测新技术。紫外在线COD检测仪能否准确测定水质COD值的关键是如何建立吸光度与表征水中有机物污染浓度的COD值之间的数学模型。由于实际水样组分的复杂多样性、易受环境干扰等的特点,使得光谱数据与COD之间存在着非线性关系。本项研究利用紫外可见全波段扫描,运用主成分分析法、BP神经网络和偏最小二乘回归方法建立了特征光度值和水样COD值之间的预测模型,我们就此研制了仪器,并开展了邻苯二甲酸氢钾标准溶液和实际水样的实验测定,分析研究了浊度、温度等对紫外吸光度的影响,探讨了消除浊度影响的方法。实验结果表明该数学模型可较好地应用于水样有机物污染的预测与分析。本项研究成果将对研发全新的在线COD监测仪器的技术发展做出有效的贡献。