测定余氯的方法及系统.pdf

《测定余氯的方法及系统.pdf》由会员分享，可在线阅读，更多相关《测定余氯的方法及系统.pdf（17页完成版）》请在专利查询网上搜索。

1、(19)国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 202410009112.7(22)申请日 2024.01.04(71)申请人 攀枝花市东区生态环境监测站地址 617000 四川省攀枝花市仁和区利钒路24号1栋(72)发明人 代佼夏勇杨玖(74)专利代理机构 北京卓特专利代理事务所(普通合伙)11572专利代理师 王治兰(51)Int.Cl.G16C 20/20(2019.01)G01N 21/31(2006.01)G01N 21/78(2006.01)G06F 18/214(2023.01)(54)发明名称一种测定余氯的方法及系统(57)摘要。

2、本申请涉及大数据处理领域，尤其涉及一种测定余氯的方法及系统，包括：对历史样本采集显色时间、吸光度值和余氯浓度值，构建历史样本数据训练集；构建余氯浓度检测模型，通过历史样本数据训练集训练余氯浓度检测模型；对当前样本采集显色时间、吸光度值和余氯浓度值，构建当前样本数据测试集；将当前样本数据测试集中的显色时间和吸光度值输入余氯浓度检测模型，预测到余氯浓度值，通过当前样本数据测试集中的余氯浓度值与预测到的余氯浓度值得到余氯浓度检测模型的预测误差；若预测误差未达到阈值，则使用余氯浓度检测模型预测，若预测误差已达到阈值，则重新训练余氯浓度检测模型。本申请可提升检测结果准确性和稳定性，还提升检测效率。权利要。

3、求书2页 说明书10页 附图4页CN 117524339 A2024.02.06CN 117524339 A1.一种测定余氯的方法，其特征在于，包括如下步骤：步骤T110、针对历史样本采集显色时间、吸光度值和余氯浓度值，构建历史样本数据训练集；步骤T120、构建余氯浓度检测模型，并且通过历史样本数据训练集训练余氯浓度检测模型；步骤T130、针对当前样本采集显色时间、吸光度值和余氯浓度值，构建当前样本数据测试集；步骤T140、将当前样本数据测试集中的显色时间和吸光度值输入训练好的余氯浓度检测模型中，预测得到余氯浓度值，通过当前样本数据测试集中的余氯浓度值与预测得到的余氯浓度值，得到训练好的余氯浓。

4、度检测模型的预测误差；步骤T150、若预测误差未达到阈值，则使用训练好的余氯浓度检测模型进行余氯浓度值的预测，若预测误差已达到阈值，则重新训练余氯浓度检测模型。2.根据权利要求1所述的测定余氯的方法，其特征在于，构建三维曲面模型作为余氯浓度检测模型，将显色时间作为余氯浓度检测模型的输入，将吸光度值作为余氯浓度检测模型的输入，将余氯浓度值作为余氯浓度检测模型的输出。3.根据权利要求2所述的测定余氯的方法，其特征在于，余氯浓度检测模型为；其中，为余氯浓度值；为显色时间，；为显色时间的指数系数；为显色时间的权重系数；为吸光度值，；为吸光度值的指数系数；为吸光度值的权重系数；为显色时间和吸光度值的联合。

5、权重系数；为余氯浓度值的调整值。4.根据权利要求3所述的测定余氯的方法，其特征在于，训练得到的余氯浓度检测模型的参数如下：、。5.根据权利要求1至4任一项所述的测定余氯的方法，其特征在于，将当前样本数据测试集中的余氯浓度值以及通过训练好的余氯浓度检测模型预测得到余氯浓度值输入误差检测模型中，进行预测误差的计算。6.一种测定余氯的系统，其特征在于，包括：训练集构建模块、模型构建训练模块、测试集构建模块、预测误差计算模块和余氯浓度值预测模块；训练集构建模块针对历史样本采集显色时间、吸光度值和余氯浓度值，构建历史样本数据训练集；模型构建训练模块构建余氯浓度检测模型，并且通过历史样本数据训练集训练余氯。

6、浓度检测模型；测试集构建模块针对当前样本采集显色时间、吸光度值和余氯浓度值，构建当前样本数据测试集；预测误差计算模块将当前样本数据测试集中的显色时间和吸光度值输入训练好的余氯浓度检测模型中，预测得到余氯浓度值，通过当前样本数据测试集中的余氯浓度值与预权利要求书1/2 页2CN 117524339 A2测得到的余氯浓度值，得到训练好的余氯浓度检测模型的预测误差；若预测误差未达到阈值，则余氯浓度值预测模块使用训练好的余氯浓度检测模型进行余氯浓度值的预测，若预测误差已达到阈值，则模型构建训练模块重新训练余氯浓度检测模型。7.根据权利要求6所述的测定余氯的系统，其特征在于，构建三维曲面模型作为余氯浓度。

7、检测模型，将显色时间作为余氯浓度检测模型的输入，将吸光度值作为余氯浓度检测模型的输入，将余氯浓度值作为余氯浓度检测模型的输出。8.根据权利要求7所述的测定余氯的系统，其特征在于，余氯浓度检测模型为；其中，为余氯浓度值；为显色时间，；为显色时间的指数系数；为显色时间的权重系数；为吸光度值，；为吸光度值的指数系数；为吸光度值的权重系数；为显色时间和吸光度值的联合权重系数；为余氯浓度值的调整值。9.根据权利要求8所述的测定余氯的系统，其特征在于，训练得到的余氯浓度检测模型的参数如下：、。10.根据权利要求6至9任一项所述的测定余氯的系统，其特征在于，将当前样本数据测试集中的余氯浓度值以及通过训练好的。

8、余氯浓度检测模型预测得到余氯浓度值输入误差检测模型中，进行预测误差的计算。权利要求书2/2 页3CN 117524339 A3一种测定余氯的方法及系统技术领域0001本申请涉及大数据处理领域，尤其涉及一种测定余氯的方法及系统。背景技术0002在医疗机构和传染病防疫隔离点中，会广泛使用次氯酸钠、二氧化氯等含氯消毒剂对医疗废水进行消毒，但是使用次氯酸钠、二氧化氯等含氯消毒剂进行消毒时会产生余氯。余氯包含次氯酸、次氯酸盐离子和溶解的单质氯等，具有较强的氧化性，能在较短时间内杀死病原体和细菌，是消毒剂的主要有效成分。但为了彻底杀灭医疗废水中的病毒、病原微生物等，在处理过程中经常会过量投放含氯消毒剂，这。

9、样就造成了余氯超过规定量的数倍甚至数十倍，导致余氯检出浓度达到10300mg/L。0003然而，过量的余氯会造成污染处理设施高负荷运转，增加超标排放风险，若超标余氯进入环境，还会对水生生物造成较大的毒害效果，同时余氯也易与环境中其他有机物反应生成具有高致癌风险的有机氯代物。因此，目前要求对医疗机构和传染病防疫隔离点中存储医疗废水的消毒接触池开展余氯监测，确保接触时间1.5小时（游离余氯6.5mg/L）或接触时间为1.0小时（游离余氯 10mg/L），以确保废水中余氯浓度达标排放。0004目前，通常采用N,N二乙基1,4苯二胺（DPD）分光光度法（HJ5862010），作为余氯监测的标准检测方法。

10、，但是众多研究指出，标准检测方法设定的显色稳定时间60min过长，导致测定结果不稳定，并且由于不同浓度的余氯样品的显色吸光度稳定性不同，进而还影响检测结果。另外，通过研究还发现，运用该法时，低浓度点余氯标准溶液吸光度随显色时间的延长而增大，中浓度点吸光度随显色时间的延长变化不大，高浓度点吸光度随显色时间延长而减小，这一趋势会导致显色体系不稳定，进而影响检测结果的准确性。目前，缩短显色稳定时间，使得显色稳定时间不超过6min，是解决上述问题的一个方案。但6min的显色稳定时间过短，检测人员难以实施批量化检测，严重影响检测工作效率。0005因此，如何解决因余氯显色稳定时间过长而引起的检测结果不准确。

11、的问题，并且在提升检测结果准确性和稳定性的同时，还满足样品批量化检测要求，提升检测效率，是本领域技术人员目前急需解决的技术问题。发明内容0006本申请提供了一种测定余氯的方法及系统，以解决因余氯显色稳定时间过长而引起的检测结果不准确的问题，并且在提升检测结果准确性和稳定性的同时，还满足样品批量化检测要求，提升检测效率。0007为解决上述技术问题，本申请提供如下技术方案：一种测定余氯的方法，包括如下步骤：步骤T110、针对历史样本采集显色时间、吸光度值和余氯浓度值，构建历史样本数据训练集；步骤T120、构建余氯浓度检测模型，并且通过历史样本数据训练集训练余氯浓度检测模型；步骤T130、针对当前样。

12、本采集显色时间、吸光度值和余氯浓度值，构建当前样本数据测试集；步骤T140、将当前样本数据测试集中的说明书1/10 页4CN 117524339 A4显色时间和吸光度值输入训练好的余氯浓度检测模型中，预测得到余氯浓度值，通过当前样本数据测试集中的余氯浓度值与预测得到的余氯浓度值，得到训练好的余氯浓度检测模型的预测误差；步骤T150、若预测误差未达到阈值，则使用训练好的余氯浓度检测模型进行余氯浓度值的预测，若预测误差已达到阈值，则重新训练余氯浓度检测模型。0008如上所述的测定余氯的方法，其中，优选的是，构建三维曲面模型作为余氯浓度检测模型，将显色时间作为余氯浓度检测模型的输入，将吸光度值作为余。

13、氯浓度检测模型的输入，将余氯浓度值作为余氯浓度检测模型的输出。0009如 上 所 述 的 测 定 余 氯 的 方 法，其 中，优 选 的 是，余 氯 浓 度 检 测 模 型 为；其中，为余氯浓度值；为显色时间，；为显色时间的指数系数；为显色时间的权重系数；为吸光度值，；为吸光度值的指数系数；为吸光度值的权重系数；为显色时间和吸光度值的联合权重系数；为余氯浓度值的调整值。0010如上所述的测定余氯的方法，其中，优选的是，训练得到的余氯浓度检测模型的参数如下：、。0011如上所述的测定余氯的方法，其中，优选的是，将当前样本数据测试集中的余氯浓度值以及通过训练好的余氯浓度检测模型预测得到余氯浓度值输。

14、入误差检测模型中，进行预测误差的计算。0012一种测定余氯的系统，包括：训练集构建模块、模型构建训练模块、测试集构建模块、预测误差计算模块和余氯浓度值预测模块；训练集构建模块针对历史样本采集显色时间、吸光度值和余氯浓度值，构建历史样本数据训练集；模型构建训练模块构建余氯浓度检测模型，并且通过历史样本数据训练集训练余氯浓度检测模型；测试集构建模块针对当前样本采集显色时间、吸光度值和余氯浓度值，构建当前样本数据测试集；预测误差计算模块将当前样本数据测试集中的显色时间和吸光度值输入训练好的余氯浓度检测模型中，预测得到余氯浓度值，通过当前样本数据测试集中的余氯浓度值与预测得到的余氯浓度值，得到训练好的。

15、余氯浓度检测模型的预测误差；若预测误差未达到阈值，则余氯浓度值预测模块使用训练好的余氯浓度检测模型进行余氯浓度值的预测，若预测误差已达到阈值，则模型构建训练模块重新训练余氯浓度检测模型。0013如上所述的测定余氯的系统，其中，优选的是，构建三维曲面模型作为余氯浓度检测模型，将显色时间作为余氯浓度检测模型的输入，将吸光度值作为余氯浓度检测模型的输入，将余氯浓度值作为余氯浓度检测模型的输出。0014如 上 所 述 的 测 定 余 氯 的 系统，其 中，优 选 的 是，余 氯 浓 度 检 测 模 型 为；其中，为余氯浓度值；为显色时间，；为显色时间的指数系数；为显色时间的权重系数；为吸光度值，；为吸。

16、光度值的指数系数；为吸光度值的权重系数；为显色时间和吸光度值说明书2/10 页5CN 117524339 A5的联合权重系数；为余氯浓度值的调整值。0015如上所述的测定余氯的系统，其中，优选的是，训练得到的余氯浓度检测模型的参数如下：、。0016如上所述的测定余氯的系统，其中，优选的是，将当前样本数据测试集中的余氯浓度值以及通过训练好的余氯浓度检测模型预测得到余氯浓度值输入误差检测模型中，进行预测误差的计算。0017相对上述背景技术，由于本申请提供的测定余氯的方法及系统，可以在较长的显色稳定时间内进行样品的处理，能够满足样品批量化检测要求，并且由于预测时考虑了显色时间对余氯浓度值的影响，还解。

17、决了因余氯显色稳定时间过长引起的检测结果不准确的问题，从而在提升检测结果准确性和稳定性的同时，通过样品批量化检测，提升了检测效率。附图说明0018为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。0019图1是本申请实施例提供的测定余氯的方法的流程图；图2是本申请实施例提供的测定余氯的系统的示意图；图3是本申请实施例提供的测定余氯的系统模型在初始状态下的三维数据展示图；图4是本申请实施例提供的测定余氯的系统模型在。

18、训练完毕后的三维数据展示图。具体实施方式0020下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。0021实施例一请参阅图1，图1是本申请实施例提供的测定余氯的方法的流程图。0022本申请提供了一种测定余氯的方法，包括如下步骤：步骤T110、针对历史样本采集显色时间、吸光度值和余氯浓度值，构建历史样本数据训练集；余氯检测主要受3个因素影响，包括：显色时间（单位：min）、吸光度值（单位：Abs）和余氯浓度值（单位：mg/L），。

19、并且三者数据之间呈现显著的相关关系，因此针对历史样本（例如：历史样本可以是历史标准溶液样本，浓度可以是0,0.1,0.2,0.3，0.5,1,1.5mg/L）采说明书3/10 页6CN 117524339 A6集显色时间、吸光度值和余氯浓度值，并将采集的显色时间、吸光度值和余氯浓度值集合在一起，从而构建出历史样本数据训练集，以进行接下来的模型训练，得到反映显色时间、吸光度值和余氯浓度值之间相关关系的模型。由于历史样本数据一般均存储于计算机设备中，因此可以通过计算机设备调用其存储的历史样本数据实现采集，另外历史样本数据也可以记录于纸质文件中，可以由工作人员通过输入端口输入至计算机设备中实现采集。。

20、0023其 中，为历史样本数据训练集中的第1个显色时间、为历史样本数据训练集中的第1个吸光度值、为历史样本数据训练集中的第1个余氯浓度值、为历史样本数据训练集中的第2个显色时间、为历史样本数据训练集中的第2个吸光度值、为历史样本数据训练集中的第2个余氯浓度值、为历史样本数据训练集中的第个显色时间、为历史样本数据训练集中的第个吸光度值、为历史样本数据训练集中的第个余氯浓度值。例如：历史样本数据训练集中的数据可以是60min中的整分时刻采集的数据。0024步骤T120、构建余氯浓度检测模型，并且通过历史样本数据训练集训练余氯浓度检测模型；计算机设备构建三维曲面模型作为余氯浓度检测模型，如图3所示，。

21、并且将显色时间作为余氯浓度检测模型的输入，将吸光度值作为余氯浓度检测模型的输入，将余氯浓度 值 作 为 余 氯 浓 度 检 测 模 型 的 输 出。具 体 的，余 氯 浓 度 检 测 模 型 为；其中，为显色时间，；为显色时间的指数系数；为显色时间的权重系数；为吸光度值，；为吸光度值的指数系数；为吸光度值的权重系数；为显色时间和吸光度值的联合权重系数；为余氯浓度值；为余氯浓度值的调整值。0025然后，计算机设备将历史样本数据训练集中的显色时间作为 余 氯 浓 度 检 测 模 型 的 输 入，将 历 史 样 本 数 据 训 练 集中 的 吸 光 度 值作为余氯浓度检测模型的输入，将历史样本数据训。

22、练集中的余氯浓度值作为余氯浓度检测模型的输出，输入至余氯浓度检测模型中对其进行训练。训练得到显色时间的权重系数的值、显色时间的指数系数的值、吸光度值的权重系数的值、吸光度值的指数系数的值、显色时间和吸光度值的联合权重系数的值、余氯浓度值的调整值的值。如图4所示，训练得到的余氯浓度检测模型的参数如下：、。可选的，、。说明书4/10 页7CN 117524339 A70026步骤T130、针对当前样本采集显色时间、吸光度值和余氯浓度值，构建当前样本数据测试集；在对余氯浓度检测模型训练好后，计算机设备需要测试训练好的余氯浓度检测模型的准确度，因此还需要针对当前样本（例如：当前医疗废水样本）采集显色时。

23、间、吸光度值和余氯浓度值，当前样本可以是通过传感器进行的采集，并将采集的数据传输给计算机设备的，计算机设备将采集的显色时间、吸光度值和余氯浓度值集合在一起，从而构建出当前样本数据测试集，其中，为当前样本数据测试集中的第1个显色时间、为当前样本数据测试集中的第1个吸光度值、为当前样本数据测试集中的第1个余氯浓度值、为当前样本数据测试集中的第2个显色时间、为当前样本数据测试集中的第2个吸光度值、为当前样本数据测试集中的第2个余氯浓度值、为当前样本数据测试集中的第个显色时间、为当前样本数据测试集中的第个吸光度值、为当前样本数据测试集中的第个余氯浓度值。0027步骤T140、将当前样本数据测试集中的显。

24、色时间和吸光度值输入训练好的余氯浓度检测模型中，预测得到余氯浓度值，通过当前样本数据测试集中的余氯浓度值与预测得到的余氯浓度值，得到训练好的余氯浓度检测模型的预测误差；计算机设备将当前样本数据测试集中的显色时间作为训练好的余氯浓度检测模型的输入，将当前样本数据测试集中的吸光度值作为训练好的余氯浓度检测模型的输入，训练好的余氯浓度检测模型预测得到余氯浓度值，其中，为预测得到的第1个余氯浓度值、为预测得到的第2个余氯浓度值、为预测得到的第个余氯浓度值。0028然 后，计 算 机 设 备 将 当 前 样 本 数 据 测 试 集中 的 余 氯 浓 度 值以及通过训练好的余氯浓度检测模型预测得到余氯浓度。

25、值输 入 误 差 检 测 模 型 中，具 体 的 误 差 检 测 模 型 依 据 公 式 进行预测误差的计算；其中，为预测得到的第 个余氯浓度值，为当前样本数据测试集中的第 个余氯浓度值，为预测得到的第个余氯浓度值，为当前样本数据测试集中的第个余氯浓度值，为余氯浓度值的序号，为取值的最大值，为非0调整值，可选的，的取值范围为0.010.03。通过实验得到本申请训练好的余氯浓度检测模型的预测误差为0.04。说明书5/10 页8CN 117524339 A80029步骤T150、若预测误差未达到阈值，则使用训练好的余氯浓度检测模型进行余氯浓度值的预测，若预测误差已达到阈值，则重新训练余氯浓度检测模。

26、型；若预测误差（阈值），则说明训练好的余氯浓度检测模型可以投入余氯浓度值的预测，这样计算机设备就可以使用训练好的余氯浓度检测模型对医疗废水样本进行检测，若预测误差（阈值），说明训练好的余氯浓度检测模型的预测准确率未达到要求，则计算机设备重新对余氯浓度检测模型进行训练。0030在通过训练好的余氯浓度检测模型进行余氯浓度值的预测时，传感器检测到样品显色后，得到当前待测样本的显色时间（例如：可以是60min中的任意时刻），其中，为当前待测样本的第1个显色时间，为当前待测样本的第2个显色时间，为当前待测样本的第个显色时间，并且通过分光光度计（波长设置为515nm）检测得到当前待测样本的吸光度值，其中，。

27、为当前待测样本的第1个吸光度值，为当前待测样本的第2个吸光度值，为当前待测样本的第个吸光度值，将当前待测样本的显色时间和吸光度值集合在一起形成当前待测样本的数据预测集。计算机设备将当前待测样本的数据预测集的显色时间和吸光度值输入到训练好的余氯浓度检测模型，自动预测得到余氯浓度值，其中，为预测得到的第1个余氯浓度值、为预测得到的第2个余氯浓度值、为预测得到的第个余氯浓度值，并将预测得到的余氯浓度值进行显示,从而实现待测样品余氯浓度值的自动读出。0031本申请实施例一中的上述步骤T110 T150均由计算机设备执行。0032实施例二请参阅图2，图2是本申请实施例提供的测定余氯的系统的示意图。003。

28、3本申请提供了一种测定余氯的系统400，包括：训练集构建模块410、模型构建训练模块420、测试集构建模块430、预测误差计算模块440和余氯浓度值预测模块450，并且训练集构建模块410、模型构建训练模块420、测试集构建模块430、预测误差计算模块440和余氯浓度值预测模块450均由计算机设备提供。0034训练集构建模块410针对历史样本采集显色时间、吸光度值和余氯浓度值，构建历史样本数据训练集。0035余氯检测主要受3个因素影响，包括：显色时间（单位：min）、吸光度值（单位：Abs）和余氯浓度值（单位：mg/L），并且三者数据之间呈现显著的相关关系，因此针对历史样本（例如：历史样本可以。

29、是历史标准溶液样本，浓度可以是0,0.1,0.2,0.3，0.5,1,1.5mg/L）采集显色时间、吸光度值和余氯浓度值，并将采集的显色时间、吸光度值和余氯浓度值集合在一起，从而构建出历史样本数据训练集，以进行接下来的模型训练，得到反映显色时间、吸光度值和余氯浓度值之间相关关系的模型。由于历史样本数据一般均存储于计算机设备说明书6/10 页9CN 117524339 A9中，因此可以通过计算机设备调用其存储的历史样本数据实现采集，另外历史样本数据也可以记录于纸质文件中，可以由工作人员通过输入端口输入至计算机设备中实现采集。0036其中，为历史样本数据训练集中的第1个显色时间、为历史样本数据训练。

30、集中的第1个吸光度值、为历史样本数据训练集中的第1个余氯浓度值、为历史样本数据训练集中的第2个显色时间、为历史样本数据训练集中的第2个吸光度值、为历史样本数据训练集中的第2个余氯浓度值、为历史样本数据训练集中的第个显色时间、为历史样本数据训练集中的第个吸光度值、为历史样本数据训练集中的第个余氯浓度值。例如：历史样本数据训练集中的数据可以是60min中的整分时刻采集的数据。0037模型构建训练模块420构建余氯浓度检测模型，并且通过历史样本数据训练集训练余氯浓度检测模型。0038计算机设备构建三维曲面模型作为余氯浓度检测模型，如图3所示，并且将显色时间作为余氯浓度检测模型的输入，将吸光度值作为余。

31、氯浓度检测模型的输入，将余氯浓度 值 作 为 余 氯 浓 度 检 测 模 型 的 输 出。具 体 的，余 氯 浓 度 检 测 模 型 为；其 中，为 显 色 时 间，；为显色时间的指数系数；为显色时间的权重系数；为吸光度值，；为吸光度值的指数系数；为吸光度值的权重系数；为显色时间和吸光度值的联合权重系数；为余氯浓度值；为余氯浓度值的调整值。0039然后，计算机设备将历史样本数据训练集中的显色时间作为 余 氯 浓 度 检 测 模 型 的 输 入，将 历 史 样 本 数 据 训 练 集中 的 吸 光 度 值、作为余氯浓度检测模型的输入，将历史样本数据训练集中的余氯浓度值作为余氯浓度检测模型的输出，。

32、输入至余氯浓度检测模型中对其进行训练。训练得到显色时间的权重系数的值、显色时间的指数系数的值、吸光度值的权重系数的值、吸光度值的指数系数的值、显色时间和吸光度值的联合权重系数的值、余氯浓度值的调整值的值。如图4所示，训练得到的余氯浓度检测模型的参数如下：、。可选的，、。0040测试集构建模块430针对当前样本采集显色时间、吸光度值和余氯浓度值，构建当前样本数据测试集。0041在对余氯浓度检测模型训练好后，计算机设备需要测试训练好的余氯浓度检测模说明书7/10 页10CN 117524339 A10型的准确度，因此还需要针对当前样本（例如：当前医疗废水样本）采集显色时间、吸光度值和余氯浓度值，当。

33、前样本可以是通过传感器进行的采集，并将采集的数据传输给计算机设备的，计算机设备将采集的显色时间、吸光度值和余氯浓度值集合在一起，从而构建出当前样本数据测试集，其中，为当前样本数据测试集中的第1个显色时间、为当前样本数据测试集中的第1个吸光度值、为当前样本数据测试集中的第1个余氯浓度值、为当前样本数据测试集中的第2个显色时间、为当前样本数据测试集中的第2个吸光度值、为当前样本数据测试集中的第2个余氯浓度值、为当前样本数据测试集中的第个显色时间、为当前样本数据测试集中的第个吸光度值、为当前样本数据测试集中的第个余氯浓度值。0042预测误差计算模块440将当前样本数据测试集中的显色时间和吸光度值输入。

34、训练好的余氯浓度检测模型中，预测得到余氯浓度值，通过当前样本数据测试集中的余氯浓度值与预测得到的余氯浓度值，得到训练好的余氯浓度检测模型的预测误差。0043计算机设备将当前样本数据测试集中的显色时间作为训练好的余氯浓度检测模型的输入，将当前样本数据测试集中的吸光度值作为训练好的余氯浓度检测模型的输入，训练好的余氯浓度检测模型预测得到余氯浓度值，其中，为预测得到的第1个余氯浓度值、为预测得到的第2个余氯浓度值、为预测得到的第个余氯浓度值。0044然 后，计 算 机 设 备 将 当 前 样 本 数 据 测 试 集中 的 余 氯 浓 度 值以及通过训练好的余氯浓度检测模型预测得到余氯浓度值输 入 误。

35、 差 检 测 模 型 中，具体 的 误 差 检 测 模 型 依 据 公 式进行预测误差的计算；其中，为预测得到的第 个余氯浓度值，为当前样本数据测试集中的第 个余氯浓度值，为预测得到的第个余氯浓度值，为当前样本数据测试 集中的第个余氯浓度值，为余氯浓度值的序号，为取值的最大值，为非0调整值，可选的，的取值范围为0.010.03。通过实验得到本申请训练好的余氯浓度检测模型的预测误差为0.04。0045若预测误差未达到阈值，则余氯浓度值预测模块450使用训练好的余氯浓度检测模型进行余氯浓度值的预测，若预测误差已达到阈值，则模型构建训练模块420重新训练余氯浓度检测模型。0046若预测误差（阈值），。

36、则说明训练好的余氯浓度检测模型可以投入余氯说明书8/10 页11CN 117524339 A11浓度值的预测，这样计算机设备就可以使用训练好的余氯浓度检测模型对医疗废水样本进行检测，若预测误差（阈值），说明训练好的余氯浓度检测模型的预测准确率未达到要求，则计算机设备重新对余氯浓度检测模型进行训练。0047在通过训练好的余氯浓度检测模型进行余氯浓度值的预测时，传感器检测到样品显色后，得到当前待测样本的显色时间（例如：可以是60min中的任意时刻），其中，为当前待测样本的第1个显色时间，为当前待测样本的第2个显色时间，为当前待测样本的第个显色时间，并且通过分光光度计（波长设置为515nm）检测得到。

37、当前待测样本的吸光度值，其中，为当前待测样本的第1个吸光度值，为当前待测样本的第2个吸光度值，为当前待测样本的第个吸光度值，将当前待测样本的显色时间和吸光度值集合在一起形成当前待测样本的数据预测集。计算机设备将当前待测样本的数据预测集的显色时间和吸光度值输入到训练好的余氯浓度检测模型，自动预测得到余氯浓度值，其中，为预测得到的第1个余氯浓度值、为预测得到的第2个余氯浓度值、为预测得到的第个余氯浓度值，并将预测得到的余氯浓度值进行显示,从而实现待测样品余氯浓度值的自动读出。0048通过实验得到，本申请提供的测定余氯的方法及系统具有如下特征：1.提升检测结果的准确性；对照标准分析方法，配制含氯质量。

38、浓度为0.15、0.76和1.36 mg/L的三份样品，运用本申请的测定余氯的方法及系统进行检测，三份样品测定的相对标准偏差分别为4.8%、1.4%、1.0%，均优于标准分析方法测定的相对标准偏差11.6%、3.9%、2.2%。00492.提升检测结果的稳定性；对照标准分析方法，运用本申请的测定余氯的方法及系统对浓度为0.3 mg/L、1.0 mg/L的校准曲线中间浓度点进行检测，并计算测定值与校准曲线相应标准点浓度的相对误差，相对误差在10%以内，优于标准分析方法规定的15%要求。00503.提升检测效率；对比标准分析方法，运用本申请的测定余氯的方法及系统能实现平均0.5min完成1个样品检。

39、测，优于标准分析方法1min完成1个样品检测。0051由于本申请应用传感器对显色时间和吸光度值进行采集，并且利用运行于计算机设备中的通过大量历史样本数据训练好的余氯浓度检测模型进行预测，由于该余氯浓度检测模型的训练应用了显色时间，所以应用该余氯浓度检测模型对余氯浓度值进行预测时考虑了显色时间对余氯浓度值预测的影响，因此本申请可以在较长的显色稳定时间（60min）内进行样品的处理，能够满足样品批量化检测要求，并且由于预测时考虑了显色时间对余氯浓度值的影响，还解决了因余氯显色稳定时间过长引起的检测结果不准确的问题，从而在提升检测结果准确性和稳定性的同时，通过样品批量化检测，提升了检测效率。说明书9。

40、/10 页12CN 117524339 A120052对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。0053此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。说明书10/10 页13CN 117524339 A13图 1说明书附图1/4 页14CN 117524339 A14图 2说明书附图2/4 页15CN 117524339 A15图 3说明书附图3/4 页16CN 117524339 A16图 4说明书附图4/4 页17CN 117524339 A17。