運用紫外光譜進行水質有機污染物濃度(化學耗氧量(COD))的檢測,必須建立紫外光譜數(shù)據(jù)與COD值之間的數(shù)學模型.運用機器學習方法中的LM-BP神經網(wǎng)絡和支持向量機,建立了紫外多波段光譜數(shù)據(jù)與COD值的相關性模型,討論了在LM-BP神經網(wǎng)絡建模中網(wǎng)絡結構選擇、輸入數(shù)據(jù)處理和訓練程度控制,以及在支持向量機建模中核函數(shù)及其參數(shù)選擇等問題.對某種水樣的紫外多波段光譜,分別運用最小二乘法、LM-BP神經網(wǎng)絡、支持向量機的相關性模型進行COD預測.結果表明,2種機器學習方法的預測能力明顯優(yōu)于最小二乘法,能夠得到滿意的預測精度,為運用物理方法解決化學量測量中普遍存在的相關性問題,提供了實際可行的解決方案.