虽然传统的化学方法水质检测精度高,但检测周期较长、需专业人员操作、所使用化学试剂容易产生二次污染。近年来,紫外-可见光谱法广泛应用于水质检测中,其具有快速、无二次污染、指纹检测、可污染溯源等优点,已成为水质检测领域的研究热点。而在紫外-可见光谱法水质检测系统中,为了提高整个检测系统的精度及稳定性,对数据的光谱探测单元提出更高要求。且传统的预警技术对于水污染事件的反应过于迟缓,在发生污染事件时,不论是传统的化学测量还是基于物联网技术的水质数据传输,水质参数的模型计算仍在传统的本地服务器上,计算速度对于云服务器较缓慢,在数据往返传送及评价展示上,占用了大量的时间,无法高效地对水污染事件作出工程应对方案;同时,在传统的水质预警中,对水污染事件的研究大多是独立的,无法充分利用发生过的历史事件,对于事故预警的时间需求过久,不能很好快速即时反应水质情况,因此本研究提出基于云平台的水污染预警方法研究。基于此,论文在国家自然科学基金青年基金项目(61805029)、重庆市社会事业与民生保障科技创新专项(cstc2017shmsA1497)与重庆理工大学研究生创新项目(ycx20192053)联合资助下,针对水质在线监测技术预警过程中存在的问题,展开基于云平台的水污染预警方法研究。主要研究工作如下:1)紫外-可见光谱法水质检测实验系统设计。采用美国海洋光学DH2000氘卤钨灯组合式光源和美国海洋光学Maya2000Pro光谱仪搭建了紫外-可见光谱法科研级水质检测系统,配制实验不同浓度的邻苯二甲酸氢钾溶液标准,同时采集蒸馏水、河流水、生活污水等水质样本,并获得样本的水质紫外-可见光谱数据。2)基于EWMA-PCA的归一化算法在水质光谱数据标准化中的应用研究。模型传递对于解决由于样本与各仪器响应函数不同所导致的量测信号不一致具有重要意义,而解决模型传递的有效方法是仪器或数据标准化。针对紫外-可见光谱法水质多参数检测光谱探测单元分辨率、精度、响应范围不统一,难以进行不同仪器间测试数据的比对及多参数数据拟合问题,提出采用EWMA-PCA归一化算法,实现紫外-可见水质光谱在不同仪器上的模型传递。三组比对实验结果表明,该算法能很好地应用于不同的比对光谱仪中,在采用EWMA-PCA归一化算法对水质吸收光谱数据标准化后,相关系数达到99.5765%,,方差达到0.0823%,且波峰偏移量可降低至0.0005%。3)基于深度学习的水质状况分类研究。为了及时有效地发现偶发或蓄意的水质异常变化,保护水环境,在现有的水质异常判别分析的基础上,提出基于深度学习的水质状况分类算法。该算法针对现有紫外-可见光谱法水质监测存在光谱信号易受到系统噪声干扰、悬浮固体颗粒物的散射干扰,以及信息冗余、多重共线性等问题,且现有水质模型解算精度低,适应性差的问题,利用卷积神经网络建立水质判别模型,并对COD与NO3-N进行分类。4)基于云平台的水污染预警方法研究。搭建基于云平台的水质污染预警系统,能够应对当前水环境的快速变化,节省计算时间,为保护环境及下一步污染处理政策的制定保驾护航。本论文提出的基于云平台的水污染预警方法为实时在线水质监测系统的光谱数据标准化及水质预警提供了一种全新的思路,对仪器的模型传递及水质状况分类具有重要的指导意义,为紫外-可见光谱法水质在线监测工程实用化提供了一种高效手段。