近年来,中国在经济上实现了飞速的发展,但是很多企业却是以牺牲环境为代价,换取的一时或一地经济发展,从而加重了环境的污染。特别是水污染问题,俨然成为了中国当下的棘手问题。为此,国家已先后颁布了相应的立法政策,加大对环境污染的监测与整治。其中,针对于水质污染参数化学需氧量（Chemical Oxygen Demand,COD）的检测技术也应运而生。国标法测定COD的值,一般都是以实验室离线方式测定为主,这种测试方式必须采用大量的化工制剂,本是用于污染治理,检测废液却存在着大量重金属,很容易产生二次污染,并且每次检测的期限都较长,实效性较低,并不符合现在水质的实时检测条件。为了克服以上检测方法的缺点,研究学者提出了另一种有效的检测手段——紫外-可见光谱法,因其测定速度较快,无污染优势,已在水体监测中受到了广泛关注。本文主要采用紫外-可见光谱法对水质COD的吸收光谱进行了特征提取与建模研究,主要的工作内容包括:1)光谱数据特征提取研究。考虑到光谱数据维数多,存在冗余信息,分析水质COD原始光谱机理后,选择合适的特征提取方法。传统的人工分析提取特征,工作量大且适用范围不广。本文提出改进的粒子群算法IPSO结合最小二乘法线性回归模型解算COD的方法,该法在进行线性回归分析时,能在短时间内得出较好的预测效果,但是随着待测水样浓度的增加,吸收光谱吸收峰存在线性偏移问题。进而,本文又在IPSO的基础上,算法针对吸收光谱的性质做出改进,把吸收光谱中的吸光度组成的面积作为粒子群的粒子,把线性回归模型的均方误差作为粒子群的适应度函数,通过改进后的AIPSO优化算法不断更新优势波长和吸收面积大小,进一步提高模型的预测精度;对于高浓度下的线性丢失问题,本文使用主成分分析法,减少光谱的维数,提取出对建模有用的光谱特征,简化运算成本提高模型精度。2)水质COD预测模型及优化。建立AIPSO＿LR水质COD预测模型,针对AIPSO＿LR模型在低浓度下相对误差较大的问题,引入分段建模的思想,提出线性-非线性模型。通过线性拟合的误差分析确定临界浓度为200 mg·L-1,采用支持向量机对高低浓度进行分类。低于或等于200mg·L-1的待测水样采用AIPSO＿LR预测模型,该回归模型得出最优波长范围为287.66nm～290.04nm,其中,每个波长间隔0.4 nm;高于200 mg·L-1的待测水样采用BP神经网络处理非线性的光谱问题,建立PCA＿BP预测模型。最后和不同算法进行对比分析,结果表明本文提出的预测模型能在最短时间内达到高精度的要求,表明该法在水质COD检测中具有优势。3)上位机软件平台设计与实现。本研究基于四川碧朗科技有限公司的2.6代样机搭建COD实验平台,开发了一套紫外-可见光谱水质COD检测上位机软件,包括光谱数据采集、传输、存储、COD值解算和定制工艺等功能。为了应对频繁更改工艺的需求,本文引入组态化编程,操作者可自行定制工艺流程,编辑所需工艺,实现待测水样的光谱采集,建立COD的光谱数据中心,作为模型构建的数据支撑。