随着我国工业化的高速发展,环境污染问题日益突出,其中水污染问题更是引起了人们广泛的关注。化学需氧量(COD)是国家颁布的用于水质检测的重要指标之一,用来衡量水体受有机物污染的程度。针对国产COD检测装置,检测精度不够高,进样方法不够灵活,成本较高等问题,本文对COD检测装置进行了相关的研究。本文主要内容如下:(1)针对传统COD检测装置取液计量系统进样不够灵活、连续性差、进样精度不够高的问题,本文提出了一种全新的取液计量方法。该方法以注射泵为核心,在八通阀、纯水阀和高压阀的相互配合下,能够实现对水样和试剂连续、平稳、灵活、精确的计量和添加。(2)当前COD检测装置,对COD值的测量多采用单接收端的光电检测方式,这是制约COD检测精度不能进一步提高的原因。基于此,本文提出了一种双接收端光电检测方法,该方法检测精度更高,对COD值的测量更准确。传统COD检测装置使用最小二乘法建立光电检测信号与COD值之间的模型,而实际上,检测信号与COD值之间并不是线性相关的,这就使得使用最小二乘法建立的模型不够精确。为了进一步提高COD值检测的精度,本文设计了一种支持向量回归(SVR)的COD值模型,该模型更加精确,对COD值的计算更准确。(3)针对消解反应PID温度控制过程参数整定麻烦、调节时间长、适应能力差的问题,本文提出把模糊控制的理论应用到PID温控过程中,并设计了模糊PID温度控制模型,该模型对温度的控制更加精确、调节时间更短、适应性更强。(4)根据本文对检测装置关键技术的优化,制定COD检测装置整体方案,搭建检测装置硬件平台,进行软件系统的开发。设计实验,验证本文设计的取液计量方案、光电检测方案和SVR模型。(5)通过对水环境特性和水质预测模型的分析,设计了基于BP神经网络的水质COD预测模型,用于预测未来三天中日均COD含量的最高值。为了进一步提高模型的预测精度,使用遗传算法(GA)对BP神经网络的参数进行优化,并建立了GA-BP预测模型。预测结果表明,GA-BP预测模型相比较于BP预测模型,预测精度更高,完全可以用于对未来三天最高日均COD值的预测中。