一种用于火焰原子吸收/发射光谱分析的火焰温度测量的新方法

对于火焰原子吸收/发射光谱分析来说,火焰温度是一个非常重要的参数。然而,一般的测量火焰温度的方法,如钠谱线翻转法等,是比较困难的。我们从Planck-Wein辐射定律出发,导出如下方程,该方程中的三个物理量,从实验上可方便地测得,这样就能准确地计算出火焰温度。该方程为:其中T_F是火焰温度;T_L是标准钨带灯的亮温;I_L是标准钨带灯在5890A处的相对辐射强度;I_F是钠谱线5890A的相对辐射强度;I_L+F是标准钨带灯的光通过钠火焰后,在Na5890A处的相对辐射强度;k是Boltzmann常数;C是光速;h是Planck常数。在实验上测I_L、I_F和I_L+F是比较方便的。实验证明,该方法是可靠的,它比之钠谱线翻转等方法要简单、快速。在任何一台火焰原子吸收/发射光谱仪上都可进行火焰温度的测量。     

Effect of Atmospheric Interfering Absorption on Measurement of BTX by DOAS

利用差分吸收光谱技术(DOAS)研究了去除BTX(大气中芳香烃污染物的主要成分)测量中O2、O3和SO2的干扰吸收. 针对O2的非线性吸收以及特征吸收结构随柱浓度的不同而变化的特点,研究了O2吸收组成成份－各个吸收带的非同步变化,即三个Herzberg吸收带与O2二聚体吸收带间的非同步变化,以及三个Herzberg吸收带之间,O2-O2和O2-N2两种二聚体吸收带之间也存在的非同步变化;结合各个吸收带的来源与特点研究了各个吸收带在O2吸收中的比重,以及对O2吸收在大气谱中校准误差的影响,最后得出最佳去除方法并证明了光程插值去除O2吸收的可能性. 针对大气中含量较高的O3与SO2的吸收,主要研究了吸收谱主要的影响因素-温度效应对于O3和SO2吸收结构去除误差的影响,讨论了用插值方法去除O3吸收结构时应选择的最佳温度条件. 最后,通过对实际大气进行了实际监测,获得了与点式仪器GC的检测结果的较好相关性,并得到了较低的BTX的检测限,验证了该方法的可行性.     

人工神经网络对VOCs的自动识别

利用人工神经网络(ANN)对严重混叠的傅里叶变换红外光谱图进行了定性和定量解析。通过大量模拟数据训练神经网络后,引用了新的评价标准——逼近度来选择最优网络模型。利用此优化网络对两类光谱图进行了解析,考察了网络的泛化能力。结果表明：该网络不仅能够对两组分同时存在时的样本进行准确解析,而且对于未知单组分光谱图,也能够进行准确鉴别和定量分析。可见, 该研究为人工神经网络在单组分和多组分未知物的定性和定量分析方面提供了一种新思路。     

多项式偏最小二乘法对非线性体系红外谱图的分析

文章利用了一种非线性模型多项式偏最小二乘法(PPLS),结合傅里叶变换红外光谱遥感技术,对大气中的五组分混合体系进行了同时分析。并与偏最小二乘法(PLS)得到的结果进行了比较,PPLS显示出较好的处理非线性数据的能力。尤其是对混合物中的苯和氯仿的预测,均方根预测误差(RMSEP)分别是0.043和0.087,用PLS预测相应的RMSEP为0.402和0.842。PPLS的这一预测精度,可以满足遥感傅里叶变换红外光谱对大气中有毒气体的实时、在线监测的需要。同时PPLS可以用较少的潜变量对变量进行解释,显示出PPLS模型的稳健性和简单化。     

模型传递用于解析遥感傅里叶变换红外谱图

基于模型传递的原理,建立了一种可对存在背景干扰,谱峰严重混叠的遥感傅里叶变换红外(remote sensing Fourier transform infrared: RS-FTIR)谱图进行解析的方法。分别用4组分气体混合物的EPA红外标准谱图和RS-FTIR谱图,建立校正和预测模型,经过正交信号校正(OSC)处理后,用EPA红外谱图数据所建立的校正模型,对RS-FTIR谱图数据进行预测,得到的丙酮、甲醇、苯和三氯甲烷的均方根预测误差(RMSEP)分别为：0.008 5,0.018 0,0.064 0,0.002 8。未经OSC处理时的RMSEP依次是0.085 6,0.047 9,1.065 3,0.014 2。经优化,支集选择的方法为Kennard-Stone法,OSC在实现过程中循环次数为3时得到的预测结果最好。研究结果表明,该方法能够克服背景和校正模型给RS-FTIR监测大气污染物带来的制约。     

PLS-GRNN法近红外光谱多组分定量分析研究

研究了偏最小二乘(partial least squares ,PLS)与广义回归神经网络(generalized regression neural networks, GRNN)联用在近红外光谱多组分定量分析中的应用。以饲料样品为实验材料,采用PLS-GRNN法建立了饲料中水溶性氯化物、粗纤维、脂肪三项组分含量近红外光谱定量分析模型。马氏距离法剔除强影响点和奇异点,用PLS法将原始数据压缩为主成分,取8个主成分吸收峰与4个原始图谱特征峰值输入GRNN网络,网络光滑因子σ_i为0.1。PLS-GRNN模型对样品3个组分含量的预测决定系数(r2)分别为：0.984 0,0.987 0,0.983 0;样品平行扫描光谱预测值的标准偏差分别为：0.003 26,0.065 5,0.031 4。结果表明所建PLS-GRNN模型通过近红外光谱能够准确预测饲料中水溶性氯化物、粗纤维、脂肪三项组分含量,为近红外光谱进行多组分定量分析提供了新思路,同时为解决近红外快速检测技术在预测组分含量较低的样品时误差相对较大的问题提供了可靠的方法。     

基于Elman网络的近红外光谱技术多组分定量分析研究

研究了Elman神经网络(反馈神经网络,Recurrent Network)在近红外光谱定量分析中的应用。以饲料样品为实验材料,采用Elman网络建立了饲料中苯丙氨酸(Phe)、赖氨酸(Lys)、酪氨酸(Tyr)和胱氨酸(Cys)四种氨基酸含量的近红外光谱定量分析模型。用偏最小二乘法(partial least squares ,PLS)将原始数据压缩为主成分,取前3个主成分的12个吸收峰值输入Elman网络,网络中间层神经元个数为47。Elman网络模型对样品4个氨基酸含量的预测决定系数(r2)分别为0.960,0.981,0.979,0.952。表明所建Elman网络预测模型通过近红外光谱能够较准确预测饲料中苯丙氨酸、赖氨酸、酪氨酸和胱氨酸四种氨基酸的含量,为通过近红外光谱技术进行多组分定量分析提供了新思路。     

遥感FTIR测定固体推进剂燃烧的红外光谱特性

应用高分辨率的Bruker EQUINOX55型遥感FTIR,对含有大量高氯酸铵和聚四氟乙烯的高红外活性的固体推进剂燃烧火焰的红外光谱特性进行了研究。设定遥感FTIR光谱仪的光谱分辨率为4 cm-1,连续实时地收集燃烧进行到0,9,18,27和36 s时火焰的红外发射光谱图。采用分子转振光谱测温法,实时测定了固体推进剂的燃烧温度,测得的温度分别为1 992.5,2 610.9,2 294.4,2 361.1和1 916.9 K,校正了仪器的响应函数,得到了固体推进剂燃烧火焰的绝对光谱能量分布图,以及在不同时刻燃烧产物HCl,HF,CO₂和CO的实时浓度。研究结果表明,遥感FTIR可以用于研究特种红外源的红外光谱特性,特别是用于军事上红外目标识辨和制导与反制导,以及研究和改进固体推进剂的配方,是一种很有潜力的技术。     

被动式OP-FTIR的新近发展

被动式OP-FTIR是一种开路FTIR技术,它具有OP-FTIR的所有优点,而且在缺乏背景信息的情况下,有对准任意方向收集数据的能力,是一种可移动、快速的遥测手段。文中给出了被动式OP-FTIR在高海拔大气污染物测量、有毒气体自动识别、热耗气体测量(包括飞行器尾气测量、烟囱释放化学烟羽测量和遥测火山发射物)、温度及燃烧产物的测量(包括云层温度测量)及军事上等几个方面的新近应用。随着FTIR和计算机技术的不断发展,被动式OP-FTIR将在环境监测、航空航天、发动机排放、燃烧和军事等方面,有着非常广阔的应用前景。     

染料结合2μm无孔硅胶亲和填料的制备与应用

在２μｍ无孔硅胶表面键合３ 氨丙基 三乙氧基硅烷（ＡＰＳ）,并与三嗪染料活性蓝Ｆ３ＧＡ（ＣｉｂａｃｒｏｎＢｌｕｅＦ３ＧＡ,ＣＢ）反应,制得亲和色谱填料,并采用扫描电镜、元素分析、ｐＨ稳定性测试对此填料进行鉴定与表征。该填料具有良好的色谱性能,且对生物大分子有一定的亲和选择性,改变ｐＨ值及离子强度对溶菌酶的结合量有明显影响,可用于分离卵清蛋白（Ｏｖａｌ）和溶菌酶（Ｌｙｓ）,且对α ,β ,γ 球蛋白有不同的亲和作用,并可从鸡蛋清中制备少量溶菌酶。