我国城市化进程不断加快，部分生态环境遭到破坏，国家对于环境保护予以高度的重视。“十四五”规划对水生态环境保护工作，要在水环境改善的基础上，更加注重水生态保护修复。作为环境保护细分领域的水质监测尤为重要，利用水污染云监测平台成为了当下提高水质监测效率的必要途径。传统的化学方法虽然检测精度高，但存在检测周期长，需要专人在实验室操作，且容易产生二次污染。近年来，紫外-可见光谱法在水质检测领域中得到广泛的应用，其检测速度快，实时原位，无二次污染等优点很好的解决了传统方法检测的缺点。对于水污染的监测，需要大量的数据来做支撑，才能更加精确的训练出水质监测模型，对实时快速的反应水质状况非常重要，因此本文提出了基于光谱法的水污染云监测方法研究。
　　基于此，本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)联合资助下，对于水质监测需要实现的目标，展开了基于光谱法的水污染云监测方法研究，主要研究工作如下：
　　1)基于光谱法的水污染云平台的搭建。搭建云平台，将水质光谱数据进行分析，对水质进行实时在线监测，应对水质突发状况做出响应，为水质污染保驾护航。
　　2)基于压缩感知水质浊度校正方法研究。水中悬浮颗粒物引起的浊度干扰严重影响了紫外-可见光谱法检测水质COD的精度，据此，应用紫外-可见光谱法检测水质COD，通常需要采用物理数学方法对浊度引起的光谱基线干扰进行校正。针对传统校正方法存在的反应速度慢且补偿效果不稳定的问题，本文提出采用压缩感知算法进行基线校正取得了良好效果。
　　3)基于深度学习算法的水质分类研究。通过深度学习，训练模型，得到标准溶液下的水质分类标准，有效解决了目前水质监测中噪声干扰，信息冗余，模型精确度低，适应性差的问题。通过卷积神经网络建立水质分类模型，将不同COD的地表水按照国标分为5类水质。
　　本文提出了用压缩感知对紫外-可见光谱进行浊度校正，并用深度学习的方法对水质进行分类，实现了对水污染的云监测，为光谱法在水质云监测工程实用化提供了一种有效的手段。