结合小波压缩和APTLD的三维荧光光谱技术在掺伪麻油鉴别中的应用

将三维荧光光谱技术、小波压缩和交替惩罚三线性分解算法(APTLD)结合,提出了一种鉴别掺伪芝麻油的新方法。利用荧光光谱仪测量纯芝麻油及掺伪芝麻油样本的三维荧光光谱,通过激发校正和发射校正消除仪器带来的误差,得到样本的真实三维荧光光谱数据;利用小波压缩对处理后的真实数据进行压缩,以减少冗余信息,其中压缩分数和数据恢复分数分别大于94.00%和98.00%;利用APTLD算法对压缩后的数据进行定性及定量分析,得到的回收率为97.0%～99.8%,预测方均根误差不大于0.120。研究结果表明,所提方法能够准确鉴别纯芝麻油及掺伪芝麻油样本,并对其组分含量进行预测。     

分子内裂分G-四链体脱氧核糖核酸酶用于Hg2+的特异性定量检测

G-四链体DNA酶是由核酸G-四链体与氯化血红素(Hemin)结合后形成的一种具有过氧化物酶活性的人工酶,利用这种DNA酶,可进行多种化学及生物传感器的设计。为提高G-四链体DNA酶类Hg2+传感器的选择性,本研究在传感器的设计过程中引入了分子内裂分G-四链体,即将形成G-四链体的富G序列拆分成两部分,分别放置在Hg2+探测序列的两端。在无Hg2+存在时,部分富G序列被包埋在某一分子内二倍体结构中,无法形成G-四链体。而在Hg2+存在下,Hg2+对T-T碱基错配的稳定能力可以促使Hg2+探测序列形成分子内二倍体结构,并伴随着原有分子间二倍体结构的破坏及分子内裂分G-四链体的生成。利用生成的裂分G-四链体与Hemin作用后检测体系酶活性的提高,实现Hg2+传感器的设计。利用该传感器,可在50～500 nmol/L及2.0～7.5μmol/L两个浓度范围内实现Hg2+的定量检测,检出限为47 nmol/L。由于裂分G-四链体DNA酶的使用强化了传感器对Hg2+的依赖性,极大地提高了设计的Hg2+传感器的选择性。对实际水样的加标回收结果显示,回收率为97.5%～104.5%,证明此传感器可以满足实际水样中痕量Hg2+的分析要求。     

工科物理实验教学改革思路与实践

针对工科物理实验教学中存在的问题,提出了物理实验教学 改革的基本思路和教学框架体系,并介绍了教改初步实施情况.     

基于TSFS结合高阶张量特征提取方法的海水半潜油种类鉴别研究

半潜油是一种隐藏于海面之下并呈现悬浮状态的溢油,其长期毒害并侵蚀着海洋生态环境。然而,针对半潜油污染到目前还未形成有效地监测手段和处理方式,致使其污染的突发性和危害性更甚于海面溢油。因此,研究有效地半潜油鉴别方法对保护海洋生态环境具有重要意义。三维荧光光谱技术中的总同步荧光光谱(TSFS)在油类污染物检测与鉴别中具有不存在瑞利散射干扰以及冗余数据少的优势,但由于TSFS数据本身不具备三线性结构,使得多维校正分析方法在其应用上受到了一定的限制。基于此,开展基于TSFS结合高阶张量特征提取方法的海水半潜油种类鉴别研究。首先,利用有机分散剂和六种不同种类的油品配制了90个半潜油实验样本;然后,利用FS920荧光光谱仪采集实验样本的TSFS数据,并对该数据进行标准化预处理;最后,通过高阶张量特征提取方法二维线性判别分析(2D-LDA)以及二维主成分分析(2D-PCA)分别建立了半潜油样本的鉴别模型;并将所建模型与常规方法多元曲线分辨率交替最小二乘法(MCR-ALS)结合线性判别分析(LDA)以及多维偏最小二乘判别分析(NPLS-DA)进行了对比。分析结果表明,2D-LDA和2D-PCA所建立的半潜油样本鉴别模型具有可靠的性能,鉴别模型的精确率、灵敏度及特异性分别为100%,100%和100%。并且,2D-LDA和2D-PCA能够直接提取TSFS光谱图像矩阵在空间、统计学以及图形学上的精细光谱特征,为区分半潜油样本带来更为精准的鉴别依据。因此,相较于常规的基于展开或分解数据的方法,高阶张量特征提取方法所建立鉴别模型所得到的预测结果更加精确。该研究为半潜油种类鉴别提供了一种参考。     

席夫碱大环铜配合物的化学核酸酶活性研究

对3种结构相近的席夫碱四氮大环草酰胺铜配合物（CuL^1～3）的化学核酸酶活性进行比较研究。结果表明：这类配合物的化学核酸酶活性与中心金属离子的类型、配体的结构、溶液的pH值、离子强度及配合物的浓度等都有关系。3种配合物表现出来的化学核酸酶活性顺序为CuL³＞CuL²＞CuL¹。CuL³的DNA切割反应表现为典型的假一级连续反应。在80 μmol·L^-1 CuL³和2 mmol·L^-1 H₂O₂的存在下,就超螺旋DNA向切口开环型DNA进而向线型DNA的转化而言,反应速率常数分别为0.044 0±0.001 5 min^-1(k₁)和0.003 52±0.000 18 min^-1(k₂)。     

融合拉曼散射光和荧光信号反演海面溢油厚度的算法研究

随着海洋溢油问题的日益严重,多种遥感技术被用于海面溢油监测,其中激光诱导荧光(LIF)技术是目前被认为最有效的海面溢油探测技术之一。Hoge等基于LIF技术提出了一种利用拉曼散射光评估薄油膜厚度的积分反演算法并广泛应用于海面溢油探测,针对该算法存在误差较大的问题,提出一种融合拉曼散射光和荧光信号评估海面溢油厚度的反演算法。首先利用拉曼散射光信号反演油膜厚度,然后利用该反演结果计算获取溢油油品的荧光特征光谱,最后利用荧光信号反演油膜厚度。文中推导了利用荧光信号反演油膜厚度的算法,给出了油品荧光特征光谱的逼近算法,并给出了利用荧光信号反演油膜厚度的误差分析。通过实验对该方法进行了验证,选用原油和柴油为实验油品,以波长405 nm的激光作为激发光源,采集波长范围为420～700 nm,采集了海水的背景荧光和拉曼散射光信号、实验油品2,5,10和20 μm等不同厚度油膜的光谱信号。将采集数据分为训练集和测试集,利用训练集数据采用梯度下降法获取油品的荧光特征光谱,利用测试集数据分别采用积分拉曼法和该方法反演油膜厚度。采用积分拉曼法,原油不同厚度油膜反演结果的平均误差分别为12.6%,4.6%,4.4%和2.3%,柴油不同厚度油膜反演结果的平均误差分别为14.0%,7.0%,4.2%和3.6%;采用本文方法,原油不同厚度油膜反演结果的平均误差分别为2.5%,2.2%,1.2%和1.1%,柴油不同厚度油膜反演结果的平均误差分别为3.0%,2.4%,2.7%和1.6%。实验结果表明,2 μm油膜反演结果的误差降低最多,原油和柴油2 μm油膜的反演结果误差分别由12.6%和14.0%降低为2.5%和3.0%,其他厚度油膜反演结果的误差也有较大程度的降低,油膜厚度反演结果的误差均小于3%,采用本文算法可以有效提高油膜厚度反演结果的精度。     

一种海面水包油溢油量等效评估算法的研究

水包油乳化液的溢油量是海面溢油污染评估分析的一个重要指标。激光诱导荧光(LIF)是目前海面溢油遥感探测领域一项最好的技术之一。基于LIF探测技术的海面水包油溢油量的评估目前尚无一套有效且完整的算法。鉴于此,首先设计了一种水包油乳化液溢油量的等效评估模型：将水包油乳化液中分散相油滴假设聚集为漂浮在海面上的成片油膜,如此就将水包油乳化液溢油量的评估问题转化为具有相同荧光效果的等效模型中油膜厚度的估测问题;其次基于LIF探测机理和荧光辐射传输过程,建立了LIF系统接收的荧光信号方程,进而反演求得油膜厚度的计算公式;最后选择具有代表性的重质、轻质两种油品,通过仿真实验验证了等效模型的正确性和将探测的水包油乳化液的荧光信号强度通过等效算法求取了油膜厚度,并对等效误差进行了分析,得出了等效评估算法的适用条件：即当水包油乳化液的实际溢油厚度≤其荧光平稳时的最小溢油厚度时,本文的等效评估算法具有较高精度,其平均误差在8%以内;而当实际溢油厚度＞荧光平稳时的最小溢油厚度时,等效评估误差增大,其平均值超出25%。另外,采用本文算法对重质、轻质水包油乳化液的溢油量进行等效评估时,实际溢油厚度分别不大于2和16 μm时可得到较好估测结果。所以,本文研究内容对基于LIF技术探测的海面水包油乳化液的溢油量评估是一种可行和有借鉴意义的方法。     

数字图像识别在混合油类三维荧光光谱分析中的应用

海上溢油已成为全球环境污染的重要问题之一,溢油严重破坏了海洋生态的平衡,并导致人类健康受到危害。因此,研究高效的溢油检测方法对保护海洋生态环境具有重要意义。三维荧光光谱技术因能获得溢油的“指纹”图谱而成为溢油鉴别领域的有效分析手段,其与平行因子分析算法相结合获得了良好的溢油鉴别效果。但平行因子算法在使用过程中需要确定不同石油产品本身所适用的浓度范围,且其对预估计组分数敏感,组分数选择是否准确直接影响最终定性定量结果,这些问题都会对油类检测造成使用上的限制。油类组分极为复杂,其中各组分间不存在统一的线性浓度范围,其相互之间还受到荧光猝灭效应的影响。直接对未经稀释的油类样本进行光谱数据采集,所获得的三维荧光光谱会因样本中组分的种类及其含量不同而存在较大差异,导致对三维荧光光谱数据进行解析的平行因子分析算法不再适用。但组分的种类及含量相近的油样其光谱特征相似度较高,并且随着特定组分及其含量的改变,其光谱形状的变化规律也较为明显。基于此,将三维荧光光谱和数字图像识别相结合,提出一种针对混合油类样本的辨识方法。首先,利用五种矿物油（汽油、柴油、航空煤油、机油和润滑油）配制三类混合油样本,其中每类混合油是用其中两种不同矿物油以不同体积比直接混合配制而成;然后利用FS920荧光光谱仪获取样本的三维荧光光谱数据,并对该数据进行求导及灰度化预处理,进而得到三维荧光导数光谱灰度图;其次提取样本三维荧光导数光谱灰度图的颜色、纹理和形状等数字图像特征;最后,通过Fisher判别分析建立样本的分类模型,采用逐步回归建立混合油样本各组分相对体积的定量模型。分类模型对三类混合油样本的分类及识别效果良好。所建立的定量模型的线性相关性R大于0.99,显著性检验p值小于0.05。研究结果表明,三维荧光光谱的数字图像特征可以被本文所述方法有效提取并用于对油类样本的定性定量分析。该研究为海面溢油检测提供了一种简单、可靠的识别方法。     

三维荧光光谱结合交替加权残差约束四线性分解算法对石油类混合油液的检测

石油作为重要的能源和工业原料,在造福人类社会的同时,其引起的环境污染问题日益严重。因此针对混合油液的快速、准确检测成为鉴别溢油来源和保护生态环境的重要内容。石油类物质一般由具有较强荧光特性的芳香烃成分及其衍生物组成,荧光光谱分析技术以其灵敏度高、分析速度快和受风化影响程度小等优点成为了混合油液检测的重要手段之一,并与二阶校正和三阶校正的各类算法相结合取得了较好的成分鉴别和浓度预测效果。但二阶校正算法普遍存在对噪声的容忍能力弱和对组分数敏感、收敛速度慢等不足,限制了在实际混合油液检测中的应用。针对上述存在的问题,将三维荧光光谱技术和交替加权残差约束四线性分解(AWRCQLD)算法相结合,提出一种用于混合油液检测的新方法。首先以乙醇作为溶剂,将航空煤油和润滑油按不同浓度比配制7个校正样本、4个预测样本和3个空白样本;然后利用FLS920荧光光谱仪采集拟进行成分检测的混合油液在不同实验温度条件下共42个样本的荧光光谱数据,并通过空白扣除的方法消除散射的干扰;再利用核一致诊断法和残差分析法估计出最佳的组分数;最后分别利用AWRCQLD算法、4阶平行因子(4-PARAFAC)算法和二阶校正算法解析样本的荧光光谱数据,做出混合油液样本的定性鉴别和定量预测。研究结果表明,经AWRCQLD算法解析后得到的航空煤油预测样本的回收率为96.7%~102.7%、预测均方根误差为0.015 mg·mL-1;润滑油预测样本的回收率为96.9%~101.7%、预测均方根误差为0.009 mg·mL-1;在不同实验温度条件构建的四维响应数阵能够更为准确地测定出航空煤油和润滑油的组分浓度,其回收率更高和预测均方根误差更小,满足准确定量分析的要求;AWRCQLD算法在航空煤油和润滑油样本的荧光光谱严重重叠的情况下,较之二阶校正算法和4-PARAFAC算法,AWRCQLD算法更能够体现出三阶校正算法所具有的优势,综合预测能力更强,达到了对混合油液进行快速检测的目的。该研究提供了一种不依赖于“物理和化学分离”的快速、准确的对混合油液进行检测的“数学分离”方法,为石油类混合油液检测提供了必要的技术支持。     

利用对G-四链体环部的构型调节进行传感器的设计

对鸟嘌呤碱基G重复序列之间连接环结构对G-四链体形成的影响进行了研究。发现在连接环较长,DNA链不易形成G-四链体的情况下,可以通过将环序列设计成双链结构的方式促进G-四链体的重新形成。这就为传感器的设计提供了一个新途径,即可以利用目标分子对环部双链的调节作用控制G-四链体DNA酶的活性。为证明这一点,在双链区域引入T-T碱基错配,破坏双链结构使DNA链不能形成G-四链体。Hg2+对T-T错配的稳定作用可以促进双链结构的形成,DNA链重新折叠成G-四链体,得到的G-四链体与氯化血红素(Hemin)结合后形成具有过氧化物酶活性的G-四链体DNA酶,据此构建了Hg2+传感器。利用此传感器可在10~700 nmol/L范围内实现Hg2+的定量检测,检出限为8.7 nmol/L。在此基础上,利用半胱氨酸可以将Hg2+从T-Hg2+-T碱基对上竞争下来的能力,设计了一种半胱氨酸的检测方法。此方法可以在20~600 nmol/L范围内实现半胱氨酸的定量检测,检出限为14 nmol/L。