标准芳烃及其混合溶液的同步荧光光谱分析

为了提供区分标准芳烃的实验依据,并为环境中芳烃污染检测提供参考.对10个标准芳烃样品(萘、芴、蒽、菲、荧蒽、苊、芘、1,2-苯并[A]蒽、苯并[k]荧蒽、苯并菲)及其混合溶液(蒽、萘、芴混合溶液,苊、荧蒽、菲混合溶液和芘、1,2-苯并[A]蒽、苯并[k]荧蒽、苯并菲混合溶液)的同步荧光特性进行了分析,获得10种标准芳烃标志峰最好时对应的Δλ值及其标志峰位.在此基础上,通过同步荧光光谱分析区分了三种标准芳烃混合溶液的组分,实验发现对蒽、萘、芴混合溶液,Δλ=3nm时最易区分三种组分;对苊、荧蒽、菲混合溶液,Δλ=3nm或Δλ=10nm均可区分三种组分,相对而言,Δλ=10nm更简便些;对芘、1,2-苯并[A]蒽、苯并[k]荧蒽、苯并菲混合溶液,Δλ=5nm时是最好的,但也仅能区分芘、1,2-苯并[A]蒽、苯并[k]荧蒽三种组分,苯并菲不确定.     

标准芳烃及其混合溶液的同步荧光光谱分析

为了提供区分标准芳烃的实验依据,并为环境中芳烃污染检测提供参考.对10个标准芳烃样品(萘、芴、蒽、菲、荧蒽、苊、芘、1,2-苯并[A]蒽、苯并[k]荧蒽、苯并菲)及其混合溶液(蒽、萘、芴混合溶液,苊、荧蒽、菲混合溶液和芘、1,2-苯并[A]蒽、苯并[k]荧蒽、苯并菲混合溶液)的同步荧光特性进行了分析,获得10种标准芳烃标志峰最好时对应的Δλ值及其标志峰位.在此基础上,通过同步荧光光谱分析区分了三种标准芳烃混合溶液的组分,实验发现对蒽、萘、芴混合溶液,Δλ=3 nm时最易区分三种组分|对苊、荧蒽、菲混合溶液,Δλ=3 nm或Δλ=10 nm均可区分三种组分,相对而言,Δλ=10 nm更简便些|对芘、1,2-苯并[A]蒽、苯并[k]荧蒽、苯并菲混合溶液,Δλ=5 nm时是最好的,但也仅能区分芘、1,2-苯并[A]蒽、苯并[k]荧蒽三种组分,苯并菲不确定.     

拉曼光谱的16种多环芳烃（PAHs）特征振动光谱辨识

借助密度泛函理论中B3LYP/6-311++G(d, p)方法对美国EPA优先控制污染物中的16种多环芳烃(PAHs)：萘、苊烯、苊、芴、菲、蒽、荧蒽、芘、苯并[a]蒽、稠二萘、苯并[b]荧蒽、苯并[k]荧蒽、苯并[a]芘、二苯并(a, h)蒽、二苯并[g, h, i]芘以及茚苯(1, 2, 3-cd)芘进行结构优化,并计算拉曼光谱振动频率和去偏振度,在此基础上辨识多环芳烃的拉曼特征光谱。研究显示,16种PAHs的拉曼振动主要分布在3个频区：200～1 000 cm-1（指纹区）、1 000～1 700和3 000～3 200 cm-1（基团频率区）,3个频区主要振动归属分别为环变形(ring def),碳碳伸缩(CCStr)、碳氢摇摆(CHw)及其耦合振动(CCStrCCw),碳氢伸缩(CHStr)。进一步分析显示,指纹区16种PAHs的去偏振度随苯环变形振动对称性增强而降低,在该频区去偏振度最小的频移处苯环呼吸振动的对称性最强,指纹区的峰强也在此处出现最大值。任意PAHs在指纹区的最强峰之间的波数差较大,在显微拉曼光谱的可分辨范围内,因而利用指纹区的去偏振度和最强峰可将16种PAHs逐一识别。烷烃、烯烃、炔烃、醇类和酚类、脂肪醚、芳基烷基醚、醛类、酮类、羧酸、酯类、胺类、腈类、酰胺类、酸酐、芳烃的振动频率和峰强分布不完全一致,利用PAHs与这几类物质拉曼频率和峰强分布的差异可以逐一排出干扰。     

荧光光谱法和ABC-RBF神经网络在多环芳烃浓度检测中的应用

多环芳烃(polycyclic aromatic hydrocarbon,PAHs)具有强致癌性,极大威胁着人类身体健康。因此,寻找一种高效、精确的多环芳烃浓度检测方法十分必要。采用FS920荧光光谱仪分析了苯并(k)荧蒽(BkF)、苯并(b)荧蒽(BbF)、苯并(a)芘(BaP)混合溶液的荧光光谱特性。发现在激发波长260~400 nm、发射波长300~500 nm范围内,混合溶液的荧光光谱重叠严重。当混合物浓度配比不同时,荧光特性也存在很大差异。针对光谱图不能直接反映混合物各组分浓度的特点,将人工蜂群(ABC)算法优化的径向基函数(RBF)神经网络应用于浓度检测中,对比分析普通RBF和ABC-RBF神经网络模型。结果表明,ABC-RBF神经网络模型预测误差相对较小,训练到95次时,均方差精度达到10~(-3)。BkF、BbF和BaP的回收率平均值分别为99.20%、99.12%和99.23%,证明此网络适用于检测多环芳烃溶液,为检测多环芳烃浓度提供了一种快速、有效的新方法。     

静水压力对蒽和多环芳烃二元混合物三维荧光光谱的影响

利用荧光分光光度计对处于常温、压力范围为0.1~60 MPa、浓度为10~(-6)mol·L~(-1)的蒽的三维荧光光谱及浓度比为1∶1的蒽-芴、蒽-萘、蒽-菲、蒽-苊、蒽-荧蒽的三维荧光光谱进行了测定,并通过分析不同压力下蒽的荧光峰位置和峰强度的变化来探讨压力对荧光光谱的影响。结果显示,随着压力升高,蒽的荧光峰并未发生漂移,但是荧光强度发生了显著变化。峰位置为250/382 nm的荧光峰在60 MPa时荧光强度达到最大值,相较于常压下,荧光强度增加了13.6%。其他多环芳烃的加入会改变蒽的高压荧光特性,当蒽中加入了萘,峰位置为250/382 nm的荧光峰强度在10 MPa时达到最大值,相较于常压下,荧光强度增加了9.35%。     

基于二维相关荧光谱定量分析水中的PAHs

针对水环境中多环芳烃(PAHs)污染现状,提出并建立一种基于二维相关荧光谱水体中PAHs的检测方法。以菲和荧蒽为研究对象,配置36个蒽荧蒽混合水溶液样品(蒽和荧蒽的浓度范围均为1×10-4~1×10~(-6) g·L~(-1)),采集了所有样品的三维荧光光谱。以激发波长为外扰,构建同步二维相关荧光谱。在此基础上建立了定量分析水溶液中蒽和荧蒽浓度的多维偏最小二乘(N-PLS)模型,对蒽和荧蒽的预测均方根误差(RMSEP)分别为5.48×10~(-6) g·L~(-1)和6.25×10~(-6) g·L~(-1)。为了比较,基于常用的三维荧光谱建立了NPLS模型,对蒽和荧蒽的RMSEP分别为5.92×10~(-6) g·L~(-1)和7.33×10~(-6) g·L~(-1)。研究结果表明:基于二维相关荧光谱检测环境中PAHs污染物是可行。     

蒽芘混合溶液二维相关荧光谱定量分析研究

为了实现对水中多环芳烃的快速、准确检测,基于同步二维相关荧光谱中自相关峰强度与水中多环芳烃浓度之间的关系实现其定量分析。配置蒽芘混合水溶液19个(芘浓度范围为1×10-6~1×10-4 g·L-1)。采集了所有样品在320nm波长激发下的荧光谱。在研究单组分蒽、芘水溶液一维荧光特性和蒽芘混合水溶液二维相关荧光谱特性的基础上,建立了同步二维相关荧光谱主对角线394nm处自相关峰强度与水溶液中芘浓度之间的数学关系:F=3 003.56-2843.86c+1 436.92 C2,其复相关系数为0.999。该研究为快速检测水中多环芳烃污染物提供了一种技术手段,同时该方法也可推广到环境中其他污染物的检测中。     

三维荧光光谱结合HGA-RBF神经网络在多环芳烃浓度检测中的应用

采用FS920荧光光谱仪分析了苯并[k]荧蒽(BkF)、苯并[b]荧蒽(BbF)和两者混合物的荧光特性.结果表明BkF的两个荧光峰分别位于306 nm/405 nm和306 nm/430 nm,BbF的两个荧光峰分别位于306 nm/410nm和306 nm/435 nm.BkF和BbF不同浓度配比及其相互间的荧光干扰,使得混合物荧光特性差异较大,荧光强度和浓度间关系变得复杂.为准确测定混合物中BkF和BbF的浓度,采用递阶算法优化的径向基神经网络对其进行检测,结果表明BkF和BbF的平均回收率分别为98.45％和97.71％.该方法能够实现多环芳烃类污染物共存成分的识别和浓度预测.     

三维荧光光谱结合HGA-RBF神经网络在多环芳烃浓度检测中的应用（英文）

采用FS920荧光光谱仪分析了苯并[k]荧蒽(BkF)、苯并[b]荧蒽(BbF)和两者混合物的荧光特性.结果表明BkF的两个荧光峰分别位于306nm/405nm和306nm/430nm,BbF的两个荧光峰分别位于306nm/410nm和306nm/435nm.BkF和BbF不同浓度配比及其相互间的荧光干扰,使得混合物荧光特性差异较大,荧光强度和浓度间关系变得复杂.为准确测定混合物中BkF和BbF的浓度,采用递阶算法优化的径向基神经网络对其进行检测,结果表明BkF和BbF的平均回收率分别为98.45%和97.71%.该方法能够实现多环芳烃类污染物共存成分的识别和浓度预测.     

多环芳烃时间分辨荧光光谱特性研究

利用时间分辨荧光光谱技术,研究了菲、荧蒽、芴、蒽、芘等五种多环芳烃的荧光时间分辨发射光谱特性。以289 nm受激拉曼光作为激发光源,研究了289 nm激发光作用下五种多环芳烃的延时特性和门宽特性。并以多环芳烃随延时时间的荧光峰强度衰减关系曲线,得到菲、荧蒽、芴、芘的荧光寿命分别为37.0, 32.7, 10.9, 147.0 ns。不同荧光物质具有特定的荧光光谱特性,多环芳烃时间分辨荧光光谱特性的研究可以为复杂水体中不同种类多环芳烃的诊断提供依据。