化学需氧量（Chemical Oxygen Demand, COD）是评价水体污染程度的最重要指标。然而,传统检测方法繁琐费时,对某些难降解有机物的氧化能力弱,易产生二次污染;臭氧氧化等新方法虽显著提高了效率,但严重依赖实验室环境,不适于现场实时检测。因此,本文初步设计了一套性能稳定、响应快速、智能便携的COD在线监测网络节点系统,支持无线通信功能,具备在野外进行多点实时COD监测的能力。首先,本文分析了采用TiO₂纳米管阵列电极光催化降解有机物的方案,提出了COD在线监测网络节点的总体设计方案。随后,从硬、软件两方面展开:在硬件系统设计中,重点介绍了带溶液欧姆降补偿功能的恒电位控制电路、差分测量电路及ZigBee无线通信模块的设计,搭建出完整的硬件系统并进行恒电位控制性能测试;软件系统设计分为下位机和上位机两方面,下位机开发中重点介绍了数字滤波、终值判断、曲线拟合和数值积分算法,上位机开发介绍了基于Labview的虚拟仪器实现测量曲线的显示功能。初步开发成的COD在线监测网络节点进行了COD实测检验。最后,利用学习矢量量化（Learning Vector Quantization, LVQ）算法进行聚类,再将聚类向量作为概率神经网络（Probabilistic NeuralNetworks, PNN）隐层神经元以实现LVQ-PNN识别算法,并采取训练样本和聚类向量归一化、合理设置初始聚类向量个数、剔除死神经元、改进伸展系数等措施进一步优化。仿真实验结果表明,改进型LVQ-PNN算法克服了PNN占内存量大、响应慢的缺点,特别适用于在线检测。