处理低浓度难降解有机工业废水技术

　　申请日2016.01.28

　　公开(公告)日2016.06.22

　　IPC分类号C02F1/00; C02F1/28; C02F1/78

　　摘要

　　本发明公开了一种处理低浓度难降解有机工业废水装置，所述处理低浓度难降解有机工业废水装置设置有带卡盘接头的第一阀门、第一卡盘和带卡盘接头的第三阀门，所述带卡盘接头的第一阀门和第一卡盘之间设置有过滤装置，所述过滤装置包括：进水口、蓄水池外壁、滚轮、横梁、过滤网、减速机、支撑立柱、出水口;在所述的带卡盘接头的第三阀门处安装有物联网水质检测模块，安装在不同地点的处理低浓度难降解有机工业废水装置上的水质检测模块通过物联网路由器连接。本发明在继承过滤法和臭氧催化氧化法的优点的基础上，克服过滤法和臭氧催化氧化法的缺点，使得低浓度难降解有机工业废水的深度处理成为可能。

　　权利要求书

　　1.一种处理低浓度难降解有机工业废水装置，其特征在于，所述处理低浓度难降解有机工业废水装置设置有带卡盘接头的第一阀门、第一卡盘和带卡盘接头的第三阀门，所述带卡盘接头的第一阀门和第一卡盘之间设置有过滤装置，

　　所述过滤装置包括：进水口、蓄水池外壁、滚轮、横梁、过滤网、减速机、支撑立柱、出水口;

　　所述蓄水池外壁左端靠上位置设置有进水口，横梁的两端连接有滚轮，蓄水池外壁的上端设置有导轨，滚轮在导轨上滚动，减速机设置在横梁的中间的减速机安装座上，减速机的正下端为支撑立柱，减速机与支撑立柱连接在一起，横梁的下端设置有可拆卸的过滤网，蓄水池外壁的右端靠下位置设置有出水口;所述进水口和出水口的外段焊接有连接法兰盘，所述横梁整体为十字行，中间设置有减速机安装座，横梁的两侧设置有栏杆，所述支撑立柱设置在蓄水池的正中间，支撑立柱的上端设置有与减速机输出轴配合的轴孔，所述过滤网材料为不锈钢丝焊接而成的网面，网面的上端包裹着有机废水吸附降解剂;

　　在所述的带卡盘接头的第三阀门处安装有物联网水质检测模块，安装在不同地点的处理低浓度难降解有机工业废水装置上的水质检测模块通过物联网路由器连接;

　　所述水质检测模块包括：

　　使用时上下分布的测量管，该测量管下端口上设有照明装置并在使用时该下端口进入水面，测量管的上端口处设摄像装置，该摄像装置适于拍摄所述测量管内的水面影像;

　　视频采集模块，与所述摄像装置相连，适于将采集得的图像变换为数字图像;

　　与所述视频采集模块相连的图像处理模块，该图像处理模块存储有第一样本数据，所述第一样本数据适于记录各种水质的灰度值;

　　与所述图像处理模块相连的用于接收远程控制信号并输出水质情况的无线通讯模块;无线通讯模块设置有信任值计算模块;

　　所述图像处理模块适于对所述数字图像进行灰度处理，以获得所述水面影像的灰度值，该灰度值与第一样本数据进行比对得出水质情况，图像处理模块包括高光谱图像色彩可视化模块。

　　2.如权利要求1所述的处理低浓度难降解有机工业废水装置，其特征在于，所述信任值计算模块的实现方法包括：

　　步骤一，采集节点间不同时间片的交互次数，根据得到的数据建立时间序列，通过三次指数平滑法来预测节点间下一个时间片的交互次数，将交互次数预测值与实际值的相对误差作为节点的直接信任值;直接信任值的具体计算步骤为：

　　采集网络观测节点i与节点j之间的n个时间片的交互次数：

　　选取一定时间间隔t作为一个观测时间片，以观测节点i和被测节点j在1个时间片内的交互次数作为观测指标，真实交互次数，记作yt，依次记录n个时间片的yn，并将其保存在节点i的通信记录表中;

　　预测第n+1个时间片的交互次数：

　　根据采集到的n个时间片的交互次数建立时间序列，采用三次指数平滑法预测下一个时间片n+1内节点i和j之间的交互次数，预测交互次数，记作计算公式如下：

　　 ${\hat{y}}_{n + 1} = a_{n} + b_{n} + c_{n}$

　　预测系数an、bn、cn的取值可由如下公式计算得到：

　　 $a_{n} = 3 {\hat{y}}_{n + 1}^{(1)} - 3 {\hat{y}}_{n + 1}^{(2)} + {\hat{y}}_{n + 1}^{(3)}$

　　 $b_{n} = \frac{α}{2 {(1 - α)}^{2}} [(6 - 5 α) {\hat{y}}_{n + 1}^{(1)} - 2 (5 - 4 α) {\hat{y}}_{n + 1}^{(2)} + (4 - 3 α) {\hat{y}}_{n + 1}^{(3)}]$

　　 $c_{n} = \frac{α^{2}}{2 {(1 - α)}^{2}} [{\hat{y}}_{n + 1}^{(1)} - 2 {\hat{y}}_{n + 1}^{(2)} + {\hat{y}}_{n + 1}^{(3)}]$

　　其中：分别是一次、二次、三次指数平滑数，由如下公式计算得到：

　　 ${\hat{y}}_{n + 1}^{(1)} = α \times y_{n} + (1 - α) \times {\hat{y}}_{n}^{(1)}$

　　 ${\hat{y}}_{n + 1}^{(2)} = α \times {\hat{y}}_{n + 1}^{(1)} + (1 - α) \times {\hat{y}}_{n}^{(2)}$

　　 ${\hat{y}}_{n + 1}^{(3)} = α \times {\hat{y}}_{n + 1}^{(2)} + (1 - α) \times {\hat{y}}_{n}^{(3)}$

　　是三次指数平滑法的初始值，其取值为

　　 ${\hat{y}}_{0}^{(1)} = {\hat{y}}_{0}^{(2)} = {\hat{y}}_{0}^{(3)} = \frac{y_{1} + y_{2} + y_{3}}{3}$

　　α是平滑系数0<α<1，体现信任的时间衰减特性，即离预测值越近的时间片的yt权重越大，离预测值越远的时间片的yt权重越小;一般地，如果数据波动较大，且长期趋势变化幅度较大，呈现明显迅速的上升或下降趋势时α应取较大值0.6～0.8，可以增加近期数据对预测结果的影响;当数据有波动，但长期趋势变化不大时，α可在0.1～0.4之间取值;如果数据波动平稳，α应取较小值0.05～0.20;

　　计算直接信任值：

　　节点j的直接信任值TDij为预测交互次数和真实交互次数yn+1的相对误差， ${TD}_{i j} = \frac{| {\hat{y}}_{n + 1} - y_{n + 1} |}{{\hat{y}}_{n + 1}};$

　　步骤二，采用多路径信任推荐方式而得到的计算式计算间接信任值;采用多路径信任推荐方式而得到的计算式计算间接信任值的具体计算步骤为：

　　收集可信节点对节点j的直接信任值：

　　节点i向所有满足TDik≤φ的可信关联节点询问其对节点j的直接信任值，其中φ为推荐节点的可信度阈值，根据可信度的要求精度，φ的取值范围为0～0.4;

　　计算间接信任值：

　　综合计算所收集到的信任值，得到节点j的间接信任值TRij，其中，Set(i)为观测节点i的关联节点中与j节点有过交互且其直接信任值满足TDik≤φ的节点集合;

　　步骤三，由直接信任值和间接信任值整合计算得出综合信任值，由直接信任值和间接信任值整合计算得出综合信任值的具体计算步骤为：

　　综合信任值Tij的计算公式如下：Tij=βTDij+(1-β)TRij，其中β表示直接信任值的权重，0≤β≤1;当β=0时，节点i和节点j没有直接交互关系，综合信任值的计算直接来自于间接信任值，判断较客观;当β=1时，节点i对节点j的综合信任值全部来自于直接信任值，在这种情况下，判断较为主观，实际计算可以根据需要确定β的取值。

　　3.如权利要求1所述的处理低浓度难降解有机工业废水装置，其特征在于，所述高光谱图像色彩可视化模块的实现方法包括以下步骤：

　　步骤一，对于高光谱图像数据的每个像素，由各谱段的灰度值计算出辐亮度值，并进行归一化构成一条光谱曲线;采用各像素在各谱段的灰度值计算出辐亮度值以构成光谱曲线，具体包括以下步骤：

　　第一步，对于光谱成像仪器进行定标，选取5个～10个定标灰度值D测量对应的定标辐亮度值F，采用最小二乘法拟合出下式映射表达式的参数α、β、ε，从而对被测区域的每个像素，将各谱段的灰度值代入下式计算辐亮度值;

　　D=αFβ+ε;

　　第二步，以最大灰度值Dmax对应的辐亮度值Fmax为基准，将每个像素在各谱段的辐亮度值进行归一化，构成一条光谱曲线;

　　步骤二，针对每个像素在步骤一所获的光谱曲线，采用Savitzky-Golay滤波器进行平滑处理，在保留较多曲线特征的基础上消除光谱噪声，得到各像素平滑后的光谱曲线

　　步骤三，将步骤二所获各像素平滑后的光谱曲线结合CIE1931标准色度系统的色匹配函数采用下式计算得CIE1931标准色度系统下的CIEXYZ三刺激值(X，Y，Z)，其中Δλ是成像光谱仪器的光谱采样间隔;

　　步骤四，根据标准照明体D65的三刺激值(XD65，YD65，ZD65)，通过下式将步骤三所获每个像素的CIEXYZ三刺激值转换至均匀色彩感知空间CIEL*C*h*，获得三个色彩感知参量，即明度彩度及色调h1;

　　 $\{\begin{matrix} L_{1}^{*} = 116 f (Y / Y_{D 65}) - 16 \\ a^{*} = 500 [f (X / X_{D 65}) - f (Y / Y_{D 65})] \\ b^{*} = 200 [f (Y / Y_{D 65}) - f (Z / Z_{D 65})] \end{matrix};$

　　 $\{\begin{matrix} f (X / X_{D 65}) = \{\begin{matrix} {(X / X_{D 65})}^{1 / 3} & X / X_{D 65} > 0.008856 \\ 7.787 (X / X_{D 65}) + 16 / 116 & X / X_{D 65} \leq 0.008856 \end{matrix} \\ f (Y / Y_{D 65}) = \{\begin{matrix} {(Y / Y_{D 65})}^{1 / 3} & Y / Y_{D 65} > 0.008856 \\ 7.787 (Y / Y_{D 65}) + 16 / 116 & Y / Y_{D 65} \leq 0.008856 \end{matrix} \\ f (Z / Z_{D 65}) = \{\begin{matrix} {(Z / Z_{D 65})}^{1 / 3} & Z / Z_{D 65} > 0.008856 \\ 7.787 (Z / Z_{D 65}) + 16 / 116 & Z / Z_{D 65} \leq 0.008856 \end{matrix} \end{matrix};$

　　 $\{\begin{matrix} C_{1}^{*} = {[{(a^{*})}^{2} + {(b^{*})}^{2}]}^{1 / 2} \\ h_{1} = \arctan (b^{*} / a^{*}) \end{matrix};$

　　其中，

　　XD65=95.047，YD65=100，ZD65=108.883;

　　步骤五，设置明度系数kL、彩度系数kC和色调系数kh的取值，通过下式调制步骤四所获各像素的明度彩度及色调h1，得到调制后的色彩感知参量，即明度彩度及色调h2，使可视化效果满足保真复现需求，则kL=kC=1，kh=0，改变kL实现调节图像明暗的需求，改变kC实现调节图像鲜艳程度的需求，改变kh实现调节图像白平衡的需求;

　　 $\{\begin{matrix} L_{2}^{*} = k_{L} C_{1}^{*} \\ C_{2}^{*} = k_{C} C_{1}^{*} \\ h_{2} = h_{1} + k_{h} \end{matrix};$

　　步骤六，根据显示设备的白点三刺激值(XW，YW，ZW)，通过下式，将步骤五所获各像素的明度彩度及色调h2转换至在显示设备上待显示的CIEXYZ值(X′，Y′，Z′);

　　 $\{\begin{matrix} L^{*} = L_{2}^{*} \\ a^{*} = C_{2}^{*} \cdot c o s ({πh}_{2} / 180) \\ b^{*} = C_{2}^{*} \cdot s i n ({πh}_{2} / 180) \end{matrix};$

　　 $\{\begin{matrix} Y^{'} = \{\begin{matrix} Y_{W} \cdot {[(L^{*} + 16) / 116]}^{1 / 3} & {[(L^{*} + 16) / 116]}^{1 / 3} > 0.008856 \\ Y_{W} \cdot L^{*} / 903.3 & {[(L^{*} + 16) / 116]}^{1 / 3} \leq 0.008856 \end{matrix} \\ f_{Y} = \{\begin{matrix} {(Y^{'} / Y_{W})}^{1 / 3} & Y^{'} / Y_{W} > 0.008856 \\ 7.787 (Y^{'} / Y_{W}) + 16 / 116 & Y^{'} / X_{W} \leq 0.008856 \end{matrix} \\ X^{'} = \{\begin{matrix} X_{W} \cdot {(a^{*} / 500 + f_{Y})}^{3} & {(a^{*} / 500 + f_{Y})}^{3} > 0.008856 \\ X_{W} \cdot (a^{*} / 500 + f_{Y} - 16 / 116) / 7.787 & {(a^{*} / 500 + f_{Y})}^{3} \leq 0.008856 \end{matrix} \\ Z^{'} = \{\begin{matrix} Z_{W} \cdot {(f_{Y} - b^{*} / 200)}^{3} & {(f_{Y} - b^{*} / 200)}^{3} > 0.008856 \\ Z_{W} \cdot (f_{Y} - b^{*} / 200 - 16 / 116) / 7.787 & {(f_{Y} - b^{*} / 200)}^{3} \leq 0.008856 \end{matrix} \end{matrix};$

　　步骤七，根据显示设备红、绿、蓝三通道的原色三刺激值(XRmax，YRmax，ZRmax)、(XGmax，YGmax，ZGmax、(XBmax，YBmax，ZBmax)结合三通道的伽马系数γR、γG、γB，建立起如下式的特征化模型，通过特征化模型，步骤六所获各像素的CIEXYZ值(X′，Y′，Z′)计算至对应的数字驱动值(dR，dG，dB)，即完成了高光谱图像的色彩可视化，其中N是显示设备单通道的存储位数;

　　 $[\begin{matrix} T_{R} \\ T_{G} \\ T_{B} \end{matrix}] = {[\begin{matrix} 1 & X_{G \max} / Y_{G \max} & X_{B \max} / Z_{B \max} \\ Y_{R \max} / X_{R \max} & 1 & Y_{B \max} / Z_{B \max} \\ Z_{R \max} / X_{R \max} & Z_{G \max} / Y_{G \max} & 1 \end{matrix}]}^{- 1} [\begin{matrix} X^{'} \\ Y^{'} \\ Z^{'} \end{matrix}];$

　　 $[\begin{matrix} d_{R} \\ d_{G} \\ d_{B} \end{matrix}] = [\begin{matrix} (2^{N} - 1) \cdot {(T_{R})}^{1 / γ_{R}} \\ (2^{N} - 1) \cdot {(T_{G})}^{1 / γ_{G}} \\ (2^{N} - 1) \cdot {(T_{B})}^{1 / γ_{B}} \end{matrix}] .$

　　说明书

　　一种处理低浓度难降解有机工业废水装置

　　技术领域

　　本发明属于废水处理领域，尤其涉及一种处理低浓度难降解有机工业废水装置。

　　背景技术

　　对于低浓度难降解有机工业废水(COD的浓度低于150mg/L)，一方面该类废水中有机物浓度过低基本没有回收价值;另一方面该类废水即达不到相应行业的废水排放标准更不能满足废水回用的相应标准。所以不得不进行深度处理。

　　目前该类废水的处理方法主要有以下三种，即：一、树脂吸附法，二、过滤法，三、臭氧催化氧化法。其中，对于第一种方法：树脂吸附法来说，由于树脂价格高且吸附容量有限、再生困难、寿命短、运行成本高等缺点，大大限制了它的使用;对于第二种方法：过滤法来说，由于低浓度难降解有机工业废水中的化合物多数分子量相对较小，其分子直径也较小，需要用较小孔径的滤膜才能滤除，而使用较小孔径的滤膜，则会大大降低单位面积膜的过滤能力，致使吨水处理投资成本大大增加，且滤膜极易堵塞，堵塞后再生困难，以至运行成本高昂，大大限制了滤膜的使用;而对于第三种方法，臭氧催化氧化法来说，以下3方面的因素影响臭氧催化氧化法的效率和效果：1)低浓度难降解有机工业废水随着浓度的降低废水中单位体积内可被氧化的活化分子数量也逐渐降低，从而也降低了有机物被氧化分解的机会;2)臭氧在常压下，在废水中的溶解度有限，即单位体积污水中溶解的臭氧浓度过低，影响了臭氧氧化污水中有机物的速率和效果;3)臭氧曝气头的曝气孔径不能做到足够小，致使曝气气泡直径过大，不能与污水中的有机物充分接触，进而影响其与有机物的反应(目前，耐臭氧氧化的钛合金曝气头的孔径最小可做到：450nm)。这些因素不但大大影响了臭氧催化氧化法的效率和效果，而且致使部分低浓度的有机工业废水中的难降解有机物根本无法被臭氧催化氧化法氧化分解。

　　由于以上三种方法本身存在的种种缺点，大大制约和限制了它们的推广应用，因此如何低成本、高效的处理低浓度难降解有机工业废水业已成为污水处理行业亟待解决的难题。

　　发明内容

　　本发明的目的在于提供一种处理低浓度难降解有机工业废水装置，旨在解决目前低浓度难降解有机工业废水的处理方法运行成本高、处理效率低的问题。

　　本发明是这样实现的，一种处理低浓度难降解有机工业废水装置，其特征在于，所述处理低浓度难降解有机工业废水装置设置有带卡盘接头的第一阀门、第一卡盘和带卡盘接头的第三阀门，所述带卡盘接头的第一阀门和第一卡盘之间设置有过滤装置，

　　所述过滤装置包括：进水口、蓄水池外壁、滚轮、横梁、过滤网、减速机、支撑立柱、出水口;

　　所述水质检测模块包括：

　　视频采集模块，与所述摄像装置相连，适于将采集得的图像变换为数字图像;

　　与所述视频采集模块相连的图像处理模块，该图像处理模块存储有第一样本数据，所述第一样本数据适于记录各种水质的灰度值;

　　与所述图像处理模块相连的用于接收远程控制信号并输出水质情况的无线通讯模块;无线通讯模块设置有信任值计算模块;

　　进一步，所述信任值计算模块的实现方法包括：

　　采集网络观测节点i与节点j之间的n个时间片的交互次数：

　　预测第n+1个时间片的交互次数：

　　 ${\hat{y}}_{n + 1} = a_{n} + b_{n} + c_{n}$

　　预测系数an、bn、cn的取值可由如下公式计算得到：

　　 $a_{n} = 3 {\hat{y}}_{n + 1}^{(1)} - 3 {\hat{y}}_{n + 1}^{(2)} + {\hat{y}}_{n + 1}^{(3)}$

　　 $b_{n} = \frac{α}{2 {(1 - α)}^{2}} [(6 - 5 α) {\hat{y}}_{n + 1}^{(1)} - 2 (5 - 4 α) {\hat{y}}_{n + 1}^{(2)} + (4 - 3 α) {\hat{y}}_{n + 1}^{(3)}]$

　　 $c_{n} = \frac{α^{2}}{2 {(1 - α)}^{2}} [{\hat{y}}_{n + 1}^{(1)} - 2 {\hat{y}}_{n + 1}^{(2)} + {\hat{y}}_{n + 1}^{(3)}]$

　　其中：分别是一次、二次、三次指数平滑数，由如下公式计算得到：

　　 ${\hat{y}}_{n + 1}^{(1)} = α \times y_{n} + (1 - α) \times {\hat{y}}_{n}^{(1)}$

　　 ${\hat{y}}_{n + 1}^{(2)} = α \times {\hat{y}}_{n + 1}^{(1)} + (1 - α) \times {\hat{y}}_{n}^{(2)}$

　　 ${\hat{y}}_{n + 1}^{(3)} = α \times {\hat{y}}_{n + 1}^{(2)} + (1 - α) \times {\hat{y}}_{n}^{(3)}$

　　是三次指数平滑法的初始值，其取值为

　　 ${\hat{y}}_{0}^{(1)} = {\hat{y}}_{0}^{(2)} = {\hat{y}}_{0}^{(3)} = \frac{y_{1} + y_{2} + y_{3}}{3}$

　　计算直接信任值：

　　节点j的直接信任值TDij为预测交互次数和真实交互次数yn+1的相对误差， ${TD}_{i j} = \frac{| {\hat{y}}_{n + 1} - y_{n + 1} |}{{\hat{y}}_{n + 1}};$

　　步骤二，采用多路径信任推荐方式而得到的计算式计算间接信任值;采用多路径信任推荐方式而得到的计算式计算间接信任值的具体计算步骤为：

　　收集可信节点对节点j的直接信任值：

　　节点i向所有满足TDik≤φ的可信关联节点询问其对节点j的直接信任值，其中φ为推荐节点的可信度阈值，根据可信度的要求精度，φ的取值范围为0～0.4;

　　计算间接信任值：

　　综合计算所收集到的信任值，得到节点j的间接信任值TRij，其中，Set(i)为观测节点i的关联节点中与j节点有过交互且其直接信任值满足TDik≤φ的节点集合;

　　步骤三，由直接信任值和间接信任值整合计算得出综合信任值，由直接信任值和间接信任值整合计算得出综合信任值的具体计算步骤为：

　　进一步，所述高光谱图像色彩可视化模块的实现方法包括以下步骤：

　　D=αFβ+ε;

　　第二步，以最大灰度值Dmax对应的辐亮度值Fmax为基准，将每个像素在各谱段的辐亮度值进行归一化，构成一条光谱曲线;

　　步骤二，针对每个像素在步骤一所获的光谱曲线，采用Savitzky-Golay滤波器进行平滑处理，在保留较多曲线特征的基础上消除光谱噪声，得到各像素平滑后的光谱曲线(λ);

　　步骤三，将步骤二所获各像素平滑后的光谱曲线(λ)结合CIE1931标准色度系统的色匹配函数采用下式计算得CIE1931标准色度系统下的CIEXYZ三刺激值(X，Y，Z)，其中Δλ是成像光谱仪器的光谱采样间隔;

　　步骤四，根据标准照明体D65的三刺激值(XD65，YD65，ZD65)，通过下式将步骤三所获每个像素的CIEXYZ三刺激值转换至均匀色彩感知空间CIEL*C*h*，获得三个色彩感知参量，即明度、彩度及色调h1;

　　 $\{\begin{matrix} L_{1}^{*} = 116 f (Y / Y_{D 65}) - 16 \\ a^{*} = 500 [f (X / X_{D 65}) - f (Y / Y_{D 65})] \\ b^{*} = 200 [f (Y / Y_{D 65}) - f (Z / Z_{D 65})] \end{matrix};$

　　 $\{\begin{matrix} f (X / X_{D 65}) = \{\begin{matrix} {(X / X_{D 65})}^{1 / 3} \\ 7.787 (X / X_{D 65}) + 16 / 116 \end{matrix} & \begin{matrix} X / X_{D 65} > 0.008856 \\ X / X_{D 65} \leq 0.008856 \end{matrix} \\ f (Y / Y_{D 65}) = \{\begin{matrix} {(Y / Y_{D 65})}^{1 / 3} \\ 7.787 (Y / Y_{D 65}) + 16 / 116 \end{matrix} & \begin{matrix} Y / Y_{D 65} > 0.008856 \\ Y / Y_{D 65} \leq 0.008856 \end{matrix} \\ f (Z / Z_{D 65}) = \{\begin{matrix} {(Z / Z_{D 65})}^{1 / 3} \\ 7.787 (Z / Z_{D 65}) + 16 / 116 \end{matrix} & \begin{matrix} Z / Z_{D 65} > 0.008856 \\ Z / Z_{D 65} \leq 0.008856 \end{matrix} \end{matrix};$

　　 $\{\begin{matrix} C_{1}^{*} = {[{(a^{*})}^{2} + {(b^{*})}^{2}]}^{1 / 2} \\ h_{1} = \arctan (b^{*} / a^{*}) \end{matrix};$

　　其中，

　　XD65=95.047，YD65=100，ZD65=108.883;

　　步骤五，设置明度系数kL、彩度系数kC和色调系数kh的取值，通过下式调制步骤四所获各像素的明度、彩度及色调h1，得到调制后的色彩感知参量，即明度、彩度及色调h2，使可视化效果满足保真复现需求，则kL=kC=1，kh=0，改变kL实现调节图像明暗的需求，改变kC实现调节图像鲜艳程度的需求，改变kh实现调节图像白平衡的需求;

　　 $\{\begin{matrix} L_{2}^{*} = k_{L} C_{1}^{*} \\ C_{2}^{*} = k_{C} C_{1}^{*} \\ h_{2} = h_{1} + k_{h} \end{matrix};$

　　步骤六，根据显示设备的白点三刺激值(XW，YW，ZW)，通过下式，将步骤五所获各像素的明度、彩度及色调h2转换至在显示设备上待显示的CIEXYZ值(X′，Y′，Z′);

　　 $\{\begin{matrix} L^{*} = L_{2}^{*} \\ a^{*} = C_{2}^{*} \cdot c o s ({πh}_{2} / 180) \\ b^{*} = C_{2}^{*} \cdot s i n ({πh}_{2} / 180) \end{matrix};$

　　 $\{\begin{matrix} \begin{matrix} Y^{'} = \{\begin{matrix} Y_{W} \cdot {[(L^{*} + 16) / 116]}^{1 / 3} \\ Y_{W} \cdot L^{*} / 903.3 \end{matrix} \\ f_{Y} = \{\begin{matrix} {(Y^{'} / Y_{W})}^{1 / 3} \\ 7.787 (Y^{'} / Y_{W}) + 16 / 116 \end{matrix} \\ X^{'} = \{\begin{matrix} X_{W} \cdot {(a^{*} / 500 + f_{Y})}^{3} \\ X_{W} \cdot (a^{*} / 500 + f_{Y} - 16 / 116) / 7.787 \end{matrix} \\ Z^{'} = \{\begin{matrix} Z_{W} \cdot {(f_{Y} - b^{*} / 200)}^{3} \\ Z_{W} \cdot (f_{Y} - b^{*} / 200 - 16 / 116) / 7.787 \end{matrix} \end{matrix} & \begin{matrix} {[(L^{*} + 16) / 116]}^{1 / 3} > 0.008856 \\ {[(L^{*} + 16) / 116]}^{1 / 3} \leq 0.008856 \\ Y^{'} / Y_{W} > 0.008856 \\ Y^{'} / X_{W} \leq 0.008856 \\ {(a^{*} / 500 + f_{Y})}^{3} > 0.008856 \\ {(a^{*} / 500 + f_{Y})}^{3} \leq 0.008856 \\ {(f_{Y} - b^{*} / 200)}^{3} > 0.008856 \\ {(f_{Y} - b^{*} / 200)}^{3} \leq 0.008856 \end{matrix} \end{matrix};$

　　本发明在继承过滤法和臭氧催化氧化法的优点的基础上，克服过滤法和臭氧催化氧化法的缺点，使得低浓度难降解有机工业废水的深度处理成为可能。本发明包括：直接信任值计算、间接信任值计算和综合信任值计算三个阶段，直接信任值计算首先采集节点间不同时间片的交互次数，根据得到的数据建立时间序列，然后通过三次指数平滑法来预测节点间下一个时间片的交互次数，将交互次数预测值与实际值的相对误差作为节点的直接信任值，间接信任值的计算式采用多路径信任推荐方式而得到的，综合信任值是由直接信任值和间接信任值整合计算得出;本发明为节点信任值计算提供了一种方法，根据网络的具体情况，可选择相适应的平滑系数α、可信度阈值φ、直接信任值权重β的取值，确保信任值的时间衰减特性和客观性，客观准确地描述节点的可信度、计算复杂度低及通信代价小，可适用于无线网络，具有较强的推广与应用价值。本发明可以有效引入不同显示设备间表色参数方面的影响，使不同设备以不同数字驱动值显示相同的色彩感知参量，有效解决了色彩可视化效果因设备而异的问题;此外，本发明提出了以明度因数kL、彩度系数kC和色调系数kh调节色彩感知参量的方法，可以通过制定对明度、彩度、色调等参量的调制要求，满足不同类型的色彩复现需求。本发明针对高光谱图像进行色彩可视化，色彩复现结果与人眼视觉感知一致性好，方法实施简单，实用，适用性强。本发明能够最大限度的处理低浓度难降解有机工业废水，结构简单，处理速度快，通过有机废水吸附降解剂的吸附作用还能最大限度的再生回收水里的低浓度有机物。解决现今处理低浓度难降解有机工业废水时成本高、难度大，废水中的有机物无法回收利用的问题。