拉曼光谱定量分析乙醇含量的非线性回归方法研究

传统拉曼特征峰峰比法一般采用线性回归法建立乙醇浓度与峰峰比的线性关系从而反演乙醇浓度实现乙醇定量分析,但仅在较低浓度范围适用。针对这一问题,采用自主研制的激光拉曼乙醇含量检测系统实验研究了不同浓度乙醇溶液拉曼光谱特征峰(非对称CH₂伸缩振动2 924.0 cm-1)与本底水峰(3 350 cm-1)相对强度关系,提出适用于大范围乙醇浓度测量的非线性回归分析方法。利用邻域平均算法去除拉曼光谱突变噪声,结合多点插值处理实现光谱基线校准。基线校准及归一化处理后,可有效消除突变噪声及强荧光背景的影响。分别采用二次多项式和e指数数学模型对拉曼峰值强度比随乙醇浓度变化关系进行非线性回归并与线性回归分析进行对比。结果表明,线性拟合相关系数约为0.991,线性回归模型乙醇浓度准确测量的适用范围为15%～60%;非线性拟合相关系数高于0.997,非线性回归模型乙醇浓度精确测量的适用范围为3%～97%。非线性数学模型可为乙醇溶液浓度定量分析提供理论基础,将该数学模型应用于乙醇含量检测系统,可实时反演较为精确的乙醇浓度,从而实现大浓度范围内具有荧光背景干扰的乙醇溶液快速、实时、准确的定量分析。     

水体中溶解有机物激光诱导荧光光谱分析方法

讨论了用激光诱导荧光(LIF)的方法分析水体中溶解有机物(DOM)的含量,利用拉曼散射信号对荧光光谱进行归一化处理,消除激发光强度和水体对荧光的二次吸收和接收条件等因素的影响,并给出了理论依据,由此依据得出了非线性浓度校准的数学模型。利用这个数学模型对实验数据进行非线性拟合,拟合的相关系数高于0.99。该浓度校准的数学模型,考虑到了水体对荧光信号的二次吸收以及溶液浓度的变化对二次吸收的影响,结果表明它可作为不同水体的通用浓度校准的数学模型对水体中的DOM进行定量分析。     

基于自适应加窗spline曲线拟合的拉曼光谱去基线方法

拉曼光谱是一种无损快速检测技术,可以提供材料的定性和定量信息,因而在医药、化工等诸多领域得到了广泛的应用。但是,由于样品荧光背景噪声的影响,造成拉曼光谱信号出现基线漂移现象,这给拉曼光谱的特征峰识别和拉曼成像带来十分严重的影响。目前,改进实验方法和数值处理是解决该问题的两种重要手段。改进实验方法上,有偏振调制法和高频调制法等,但存在实验设备复杂,检测技术难度大等缺点;数值处理上,有多项式拟合和小波变换等,但容易出现欠拟合和过拟合等现象。本文在不改换高精密设备的前提下,针对传统基线校正的方法进行了改进,提出一种基于自适应加窗spline曲线拟合的拉曼光谱去基线方法。首先,基于谱峰识别算法和初始搜索步长求得谷值的最优搜索间距,并利用谱谷识别算法完成谷值曲线的拟合;其次,利用最优搜索间距和谱峰识别算法,求得谷值曲线峰值位置,并在该位置处对称添加自适应矩形窗函数去除峰值,重新划分整个区间,拟合谷值曲线;再次,逐点比较拟合曲线与原拉曼光谱信号,取较小值,拟合曲线;最后,重复加窗去除峰值操作,直至自适应窗函数宽度低于阈值,完成拉曼光谱信号的基线拟合。在实验中,选用乙酸丁酯、聚甲基丙烯酸甲酯(polymethyl methacrylate, PMMA)作为实验样品,利用该方法对其拉曼光谱信号进行了基线校正,观察并比较该方法和传统方法的校正结果。实验结果表明,该方法能够有效地消除拉曼光谱信号的基线漂移,较好的保留一些较弱的拉曼特征峰,且不易出现欠拟合和过拟合的现象,获得了良好的基线校正效果,为进一步分析光谱数据和实现拉曼成像提供准确可靠的信息。     

对强荧光背景拉曼光谱定量分析的研究

针对拉曼光谱定量分析中的难点问题—对具有强荧光背景物质的定量分析,文章分别对具有较强荧光背景的不同浓度下的纯甲醇溶液及不同浓度比例的甲醇和乙醇混合溶液的拉曼光谱数据采用新的归一化法结合基线校准技术进行拉曼光谱定量分析;同时,对由数据采集时的时空差异所引起的样品数据组间的波动性进行了研究。模拟时空变化来采集定量分析中所需的谱数据,并使用统计学方法评价样品的组间差异,讨论了此方法对样品组间差异的消除效果。研究证明,此方法具有较好的分析精度和消除不同样品组数据的组间差异的能力,对甲醇的定量分析,其相对误差为4.7%,组间数据的相对标准偏差为4.2%。从而使对具有强荧光背景干扰的溶液进行简单、快速、精确的定量分析成为可能。     

一种提高生物体拉曼光谱痕量测量精度的方法

微量物质拉曼光谱测量精度的提高是拉曼分析技术的难点之一,特别是高荧光背景下生物体中微量物质的测量。根据拉曼谱峰突发、离散特点,分别给出荧光背景和噪声拟合函数,通过监测总体拟合偏差A类不确定度函数实现拉曼谱峰定位和干扰信号滤波;进一步根据谱峰位置划分光谱区间,在单调区间内弱化非谱峰信号,实现谱峰信号增强。与其他光谱处理方法比较,可以准确拆分重叠特征峰,不会降低特征峰高度,提供更加灵敏的半谱峰面积指标。实验表明,该方法在处理皮肤拉曼光谱时,可以准确得到螺旋构象的酰胺I带、神经酰胺和CO的归属拉曼谱峰;另外经过该方法处理后数据建立水溶性糖(水稻叶片)含量测量模型,其精度优于小波分解、多项式拟合和非线性最小二乘法。     

自适应的EEMD残余相关基线校正算法

基线校正是光谱分析的重要环节,现有算法通常需要设定关键参数,不具备自适应性。根据总体平均经验模态分解(ensemble empirical mode decomposition,EEMD)残余量特点,提出用残余量拟合光谱基线。通过残余量与信号相关性、残余量自相关和互相关性(称为残余相关准则)判断残余量是否是基线组成部分,以此为基础提出一种自适应的EEMD残余相关基线校正算法。对叠加曲线背景和线性背景的模拟光谱数据进行实验,结果显示在已知基线数学假设情况下,EEMD残余相关法逊于多项式拟合,同非线性拟合相差不多,优于小波分解。在没有光谱背景知识情况下,对真实拉曼光谱数据进行试验。经过上述方法预处理过的玉米叶片光谱采用3层BP神经网络建立与叶绿素之间预测模型,经过残余相关基线校正的模型具有最大校正相关系数和预测相关系数,最小交叉验证标准差和相对分析误差。各种基线校正方法中,残余相关基线校正对特征峰峰位、峰强和峰宽影响最小。实验表明,该算法可用于拉曼谱图基线校正,无需分析样品成分的先验知识,无需选择合适的拟合函数、拟合数据点、拟合阶次以及基函数和分解层数,也无需基线信号分布的数学假设,自适应性很强。     

改进的紫外拉曼光谱分段线性拟合基线校正方法

紫外拉曼光谱具有拉曼散射强度高、易于荧光光谱分离、受环境干扰影响小以及人眼安全性高等特性,所用的紫外拉曼光谱仪采用波长266 nm激光器,拉曼和荧光光谱会有部分重叠,增加了准确获取拉曼光谱特征信息的难度,进一步影响样品的辨识。因此,需要在分析拉曼光谱之前进行基线校正来消除荧光干扰。根据紫外拉曼+荧光混合光谱中,荧光光谱具有逐渐增加且接近分段线性递增的特点,利用分段线性函数拟合荧光光谱基线是一种较简捷的方法,于是针对传统分段线性拟合基线校正方法基线点定义过度依赖操作人员、自动化水平较低等问题,研究了一种改进的紫外拉曼光谱分段线性拟合基线校正方法:(1)首先求原始信号经不同次平滑迭代后的光谱数据。由于波峰相对于基线是高频信号,在多次平滑过程中,波峰附近的光谱强度逐渐下降且变化较大,基线部分逐渐上升且相对变化很小,经不同次迭代平滑的光谱波峰和基线点处的光谱强度标准差SD差异较大。(2)然后通过对光谱强度偏差的比较确定准有效基线点位置。通过适当设定的阈值SD_0提取出准有效基线点位置;(3)再利用线性迭代拟合法提取并修正过校正基线点。准有效基线点将整个拉曼光谱分割成N个特征峰区间,分别连接特征峰区间两端点得到一条直线,若特征峰全部在直线以上表明不存在过校正,否则区间端点向其峰方向移动并再次直线连接,重复以上过程,直到特征峰全部在直线以上,得到有效基线点;(4)最后逐段直线连接所有相邻有效基线点得到整个光谱的基线。原始光谱减去基线就是基线校正后的拉曼光谱。通过对模拟和实际测量的紫外混合光谱的基线校正处理实验表明:该方法能自动确定基线点位置,且较传统方法能获得更好的基线校正效果,为下一步的光谱分析提供更准确的光谱信息。     

肝、肝癌及肝纤维细胞的荧光光谱及其荧光饱和强度分析

对肝细胞及肝病变细胞进行荧光光谱特性研究,能为早期筛查与攻克肝癌提供光谱学依据。实验目的包括,通过光谱实验获得细胞特异性荧光光谱;结合流式细胞仪获得最大饱和荧光强度与细胞直径的相关性。实验过程,首先使用荧光光谱仪来检测肝细胞、肝纤维细胞以及两种肝癌细胞;采用去拉曼散射的方法消除背景噪声,获得五种浓度下细胞荧光光谱;其次,使用流式细胞仪检测四种细胞直径的大小,根据双参数散点图分析四种细胞的直径特点;最后,利用高斯多峰拟合对比光谱差异,并且分析细胞直径对荧光饱和强度变化趋势的影响,得出细胞大小对荧光饱和强度非线性拟合曲线的影响规律。光谱实验发现,在550~750 nm之间,肝细胞存在两个特异性荧光峰,第一个峰值位于592 nm处,第二个峰位于682 nm处,且前者明显高于后者;肝癌,肝纤维细胞除具备与肝细胞相同位置的两个峰外,在726 nm处出现第三个特异性荧光峰,并在592 nm处获得最大激发光强,在726 nm处的荧光峰高于在682 nm处的第二个荧光峰;结合高斯多峰拟合法对峰值和各峰位置,以及峰型展宽进行分析。肝癌细胞和肝纤维细胞三个峰的展宽基本相同,正常肝细胞最大激发峰展宽略小于另三种细胞,但是682 nm处的小峰展宽略大于病变细胞;流式细胞仪实验结果显示,肝癌细胞直径大于肝纤维细胞大于肝细胞,同种浓度下荧光强度也是肝癌细胞高于肝纤维细胞高于肝细胞;利用非线性曲线拟合细胞最大荧光强度随浓度变化曲线,根据曲线斜率的变化规律,发现四种细胞的最大荧光强度会随着细胞浓度增大而增强,但是逐渐呈现荧光饱和状态。随着细胞直径增加,最大荧光强度饱和趋势更为明显,单个细胞自激发效率降低。结果显示,将细胞形态学与光谱学有机的融合,结合两种分析方式,能提高细胞判断的准确性和有效性。通过对肝细胞、肝癌细胞以及肝纤维细胞的荧光光谱特性进行研究,并结合细胞直径分析荧光饱和变化趋势,能够为肝病变细胞的研究提供一定的光谱学依据。     

基于主成分分析的复杂光谱定量分析方法的研究

针对超短脉冲激光与气体相互作用产生的非线性荧光光谱的特点,提出了光谱分析的预处理、特征提取以及定量分析的有效方法.采用小波算法对光谱数据进行压缩和降噪处理,使光谱数据由3979点压缩降噪至664点.对处理后的光谱特征峰团的强度进行主成分分析,结果表明2个主成分即可包含98%的光谱信息.采用第一主成分对不同浓度下的谱线强度进行拟合与误差计算,有效地提取了与气体浓度有关的特征参量.实现了气体的定量分析.同已有的定量分析方法相比,定量分析的精度有较大提高,特别在所关心的低浓度情况下,定量分析的精度改善更为明显.3种气体的拟合与计算显示同以往方法相比误差由0.2694降为0.02.     

基于拉曼光谱的已知混合物组分定量分析方法

利用拉曼光谱进行混合物组分定量分析一直是分析化学领域的一大难题。针对现有的基于机器学习(如支持向量回归机、偏最小二乘)的混合物定量分析方法存在的训练样本难以获得、模型推广性能差的问题,提出了一种基于拉曼光谱谱峰强度最小二乘拟合的已知混合物组分直接定量分析方法。该方法首先采集已知混合物及其各组分的拉曼光谱,利用连续小波变换和惩罚最小二乘法相结合的方法对采集的拉曼光谱进行去噪、基线校正等预处理。通过斜率比较法将预处理后的拉曼光谱分为多个光谱子区间,将各子区间的拉曼光谱看作是多个Voigt函数的线性叠加,并利用levenberg-marquardt-fletcher(LMF)算法求解获得各谱峰的位置、强度、半高宽等表达系数。根据各组分参考光谱的谱峰位置,确定各组分对混合物光谱中每个谱峰的贡献度。依据朗伯-比尔定律中拉曼光谱的谱峰峰强与其所对应的浓度的正比关系,建立超定方程;最后利用最小二乘法拟合该超定方程得到各组分对应的系数,从而获得各组分的体积浓度。利用乙醇、乙腈、丙酮、环己烷、二丙酮醇、丙二酸二乙酯六种组分配置了10种三元混合物(每种三元混合物9个体积浓度比),采集了90组混合物及6种组分的拉曼光谱数据。在混合物及其组分参考光谱测量条件(功率和积分时间)相同情况下,所有组分的相关系数(r)均在0.96以上,均方根误差(RMSE)小于6%,剩余预测偏差(RPD)均大于2.5;在混合物及其组分参考光谱在不同测量条件下,各组分的r均大于0.93,最大RMSE为7.94%, RPD均大于2.0,证明了算法具有良好的准确性和鲁棒性。所提出的方法能够实现对三组分混合物的快速、准确的直接定量分析,为混合物的定量分析提供了一种有效的途径。     

基于绝对拉曼差谱技术的白酒乙醇浓度测量

随着拉曼光谱技术的快速发展,尤其是便携式拉曼光谱仪的普及,拉曼光谱在食品安全快速分析领域显得极为重要。目前拉曼光谱用于白酒质量的定量分析还较少。因为在不同乙醇浓度下,乙醇水溶液微观结构不同,所以其拉曼光谱会有区别。提出一种绝对拉曼差谱分析新方法来定量分析这些光谱区别,并用于定量获取乙醇的浓度。把拉曼光谱进行强度归一化,然后把待测样品的光谱减去纯乙醇的光谱,再取绝对值就获得了绝对拉曼差谱。绝对拉曼差谱的强度和浓度有很好的相关性。利用这种关联测量了一系列瓶装白酒的乙醇含量。测量值与白酒标识的度数吻合得非常好,这也证明了绝对拉曼差谱的可靠性。基于该方法,系统地测量了西安市一系列散酒的拉曼光谱。绝对拉曼差谱分析显示散酒的乙醇浓度普遍比其标识值偏低几度,这也凸显了散装白酒需要加强监管。实验证明利用绝对拉曼差谱技术可为白酒乙醇浓度测量提供一种快速检测方法。     

基于拉曼光谱的苹果中农药残留种类识别及浓度预测的研究

应用拉曼光谱技术结合化学计量学方法能有效的实现果蔬中农药残留的定性定量分析。本研究借助实验室自主研发的拉曼光谱检测系统,对苹果中溴氰菊酯和啶虫脒的快速无损识别和检测进行了探索。定性分析时将拉曼峰574 和843 cm-1分别作为识别溴氰菊酯和啶虫脒的拉曼指纹,当苹果中的溴氰菊酯和啶虫脒残留的含量分别为0.78和0.15 mg·kg-1时,两种农药的特征峰仍清晰可见。定量分析首先对光谱进行多种预处理（Savitzky-Golay平滑、一阶导、二阶导、基线校准、标准正态变量变换）,结合偏最小二乘法分别建立苹果中溴氰菊酯和啶虫脒含量的定量模型。结果表明,采用8次多项式拟合进行基线校准的预处理方法效果最好,对于溴氰菊酯,偏最小二乘模型预测值与气相色谱法测定值的相关系数和预测均方根误差分别为0.94和0.55 mg·kg-1,对于啶虫脒,其偏最小二乘模型的相关系数与预测均方根误差分别为0.85和0.12 mg·kg-1。本研究证实了利用拉曼技术对苹果农残进行无损检测的可行性,使用该方法进行检测时,在光谱测定前不需要进行前处理,光谱测定后样品无任何损伤,该技术实现了果蔬农残的现场检测,可在检测部门、果蔬加工企业、超市、市场等场所得到推广使用,为果蔬品质安全提供了一种无损、快速和环保的检测方法。     

基于激光拉曼光谱归一化法的乙醇定量分析研究

拉曼光谱具有分辨率高、分析速度快、检测样品制备简单、无损以及可在线测量等优点，被广泛用于分析物质的成分与分子结构信息，可以对多种有机物和无机物进行定性和定量的分析。目前主要应用多以相对比较成熟的定性分析为主，用于定量分析时，一方面由于拉曼光谱的重现性较差，会受到很多内部因素干扰；另一方面，拉曼光谱的分析理论相比于传统技术还不够完善，分析结果的误差较大，限制了其在定量分析中的应用。在基于强度比值的定量分析中，拉曼强度归一化理论的出现为拉曼光谱的应用提供了理论依据，参考峰/内标峰及拟合方法的选择对测量准确性和稳定性有较大的影响。采用激光拉曼系统研究了不同浓度乙醇溶液拉曼光谱特征峰(C—C—O对称伸缩，874 cm^-1)与其他参考峰/内标峰的相对强度关系，分别提出了基于乙醇本征峰位比值法和基于CCl₄特征峰位的内标法，建立了线性回归分析模型，经归一化处理后两种方法均可有效消除系统中的突变噪声及强荧光背景的影响。通过联合假设检验等统计学方法对比了不同组内与组间的数据差异，确定了两种方法中准确性和稳定性最好的参考峰/内标峰。F检验与t检验表明，用乙醇自...     

二元混合溶液闪点行为的激光拉曼光谱研究

本文以乙醇-甲酰胺,乙腈-甲酰胺,乙醇-环己酮,乙腈-环己酮四种混合溶液为研究对象,采用激光拉曼光谱对四种溶液体系的闪点行为进行讨论和研究。通过测定四种溶液体系的拉曼光谱和闪点,结合溶液拉曼光谱的特征峰强度比和拉曼位移的变化,探索四种溶液闪点的变化规律。试验结果表明,随着溶液浓度的增大,溶质的拉曼特征峰强线性增加,混合溶液的闪点降低。采用三次多项式分别对四种溶液体系的闪点与拉曼特征峰、溶液浓度的关系进行拟合,拟合结果良好。混合溶液的闪点随拉曼特征峰强比、溶液浓度的变化趋势相同。该试验方法将有助于从分子结构角度分析混合溶液的闪点变化规律,同时该方法可用于混合溶液闪点的实时在线检测。     

甲醇和乙醇的三维荧光光谱特性研究

为阐明甲醇和乙醇的光谱学特性,建立两者快速的辨析方法。采用三维荧光光谱,对甲醇和乙醇的荧光特性进行了研究。分析结果显示,甲醇的三维荧光光谱中出现了两个特征荧光峰,其荧光强度在甲醇体积浓度小于15%时与其浓度成正相关,乙醇的三维荧光光谱中出现了一个完整的特征荧光峰,其荧光强度在乙醇体积分数小于50%时与乙醇浓度成相关,甲醇比乙醇具有更高的荧光效率,以甲醇为有机溶剂研究化合物的荧光特性时,需要考虑甲醇的本底荧光。甲醇和乙醇的特征荧光峰位置差别较大,前者特征荧光峰出现在225/35 0nm和250/375nm处,而后者特征荧光峰位于240/310nm,据此可以有效辨析两种醇。     

拉曼光谱的局域动态移动平均全自动基线校准算法

基线校准是极其重要的光谱预处理步骤,能够显著提高后续光谱分析算法的准确性。目前基线校准算法大多数都是手动或半自动的,手动基线校准算法完全依赖于用户的经验,个人主观因素会严重影响基线校准的准确性,半自动基线校准需要针对不同的拉曼光谱设置不同的优化参数,使用不便。提出了一种局域动态移动平均(LDMA)全自动基线校准算法,并且详细阐明了该算法的基本思想和具体算法步骤。该算法采用了改进移动平均算法(MMA)实现拉曼光谱峰的逐渐剥离,通过自动识别原始拉曼光谱的基线子区间来将整个拉曼光谱区间自动分割为多个拉曼峰子区间,从而实现了在每个拉曼峰子区间中动态改变MMA窗口半宽度和控制平滑迭代次数,最大程度地避免了基线校准过度和基线欠校准现象。无论对于凸形基线、指数形基线、反曲线形基线模拟拉曼光谱,还是真实物质的拉曼光谱,LDMA全自动基线校准算法都取得了很好的基线校准效果。     

基于IABC-SVR算法的拉曼光谱定量分析山羊血清蛋白含量

提出了一种基于拉曼光谱和改进人工蜂群算法优化支持向量机回归（IABC-SVR）算法快速定量检测山羊血清蛋白含量的方法。传统人工蜂群算法在数据区域规模较大时,收敛速度逐渐减慢, 出现效率低、精准度下降、局部最优解概率高等问题。所提出的算法解决了这些问题,使算法在进化前期避免陷入局部最优解,在进化中后期能够保持解的全局搜索能力。常规测定血清蛋白总量的方法通常采用凯氏定氮法、双缩脲法等,但存在时效慢、污染样本等缺点。采用拉曼光谱法进行检测,具有快速、无损的优点。以山羊血清为分析对象,按一定体积比配置35组待测样本,用拉曼光谱仪采集拉曼光谱,光谱采集范围为300~1 300 cm-1,采用基线矫正去除荧光背景,使用Savitzky-Golay光谱平滑法对原始光谱进行平滑处理,归一化处理光谱数据,并对拉曼光谱特征峰进行归属。实验结果表明,拉曼光谱能够表征血清中主要化学集团的信息,且由于官能团浓度差异,光谱特征峰强度随浓度变化明显,因此基于特征峰信息可以测定血清蛋白总量。实验中,以购买的山羊血清蛋白含量为基准,通过配置样本的体积比得到各组待测血清样本的蛋白含量,配置的单个液体样本体积为3 mL,随机选取8组实验样本作为模型测试集,剩余27组作为模型训练集。以经过处理的光谱特征峰强度和对应的血清蛋白含量分别作为模型的输入值及输出值,建立IABC-SVR,ABC-SVR和BP三种算法的定量模型,对测试集血清蛋白总量进行预测。最后通过均方差(MSE),相关系数（r）与建模时间分别进行对比,结果表明通过IABC-SVR建立的山羊血清蛋白定量矫正模型效果最佳,模型的相关系数为0.990 27,均方误差为0.244 3,建模时间为1.9 s,预测值方差均小于0.001 g·mL-1,预测准确率为99.8%。实验结果表明,应用激光拉曼光谱技术结合IABC-SVR算法,对快速定量检测山羊血清蛋白含量,具有较高的准确率和稳定性。     

不同数据重构方法对多元曲线分辨的影响

多元曲线分辨在实际应用中能够对未知体系解析获得其中的主成分对应的纯光谱信息和浓度信息。但是当信号响应中存在非线性响应的情况下往往会出现一些难以解释的结果。为此本文分别采用主成分分析、小波变换、流形学习等线性和非线性的方法对原始数据进行重构,去除其中可能存在的干扰背景和非线性主成分,然后通过MCR的方法在特定约束条件下解析其中的主成分信息,获得更接近于真实情况的结果。本文通过MCR方法分析了重构后的宫颈癌组织切片成像和萌发种子成像数据,消除了拉曼光谱中的荧光背景的影响,也降低了一部分极强的拉曼吸收峰波段产生的非线性影响,提供了更为清晰地光谱解析结果,使光谱中更为细微的特征峰凸显出来,并提高了分析结果的可解释性。     

利用拉曼光谱测定甲醇浓度

为了建立利用拉曼光谱测量甲醇浓度的方法,采用激光拉曼方法对甲醇和乙醇液体样品进行了拉曼光谱研究。利用溶液中CH3对称伸缩峰(2 843cm-1)作为甲醇的特征谱线,同时以溶液中乙醇为内标物组成相对强度,对溶液中的甲醇含量进行了测定研究。结果表明,利用拉曼光谱可以快速测定甲醇浓度,其线性相关系数达到0.999以上。     

基于拉曼特征峰的甲醇汽油甲醇含量测定

采用拉曼光谱分析技术定量分析甲醇汽油中的甲醇含量。首先,对采集到的原始拉曼光谱进行平滑除噪、荧光背景消除、标准归一化等预处理;其次,根据甲醇含量与拉曼光谱的相关性分析找出甲醇含量的特征点;最后,建立了基于拉曼特征峰的甲醇含量一元线性回归模型。针对实验室配制的19个甲醇汽油样本的实验结果表明,该方法准确、稳健、所需训练样本少,可以应用于甲醇汽油中甲醇含量的快速测定。