三维荧光光谱结合自加权交替三线性分解算法检测农药类混合物

三维荧光光谱技术与自加权交替三线性分解(SWATLD)算法相结合,对三类农药混合溶液进行检测。在乙腈溶剂中配制西维因、速灭威和三唑磷不同浓度比的混合溶液为测量样品(西维因、速灭威及三唑磷的最佳激发波长/发射波长分别为285/325,305/345和265/305 nm),利用荧光光谱仪获取样品的三维荧光光谱,经过空白扣除以及激发与发射校正,有效地去除仪器误差以及散射产生的影响,得到样品的真实光谱。采用基于自加权交替三线性分解算法对测得的光谱数据进行分析,得到的三种农药的平均回收率为96.9%±1.9%,99.8%±1.0%和100.8%±3.2%。根据SWATLD算法预测结果,计算三类农药的预测均方根误差(RMSEP)值为0.616×10-2,0.539×10-2和0.374×10-2 μg·mL-1,低于平行因子(PARAFAC)分析法预测结果的RMSEP值,且最低检测限均在0.005~0.022 μg·mL-1范围内。和PARAFAC算法相比较,突出了SWATLD算法的优势,表明该算法对光谱重叠严重的三类农药混合物有较好的分解能力。     

三维荧光光谱结合交替惩罚三线性分解同时对水中三种酚类测定

酚类化合物对动植物机理有着严重危害,利用三维荧光光谱结合交替惩罚三线性分解（APTLD）算法,完成了不含干扰物和干扰物共存时激发-发射荧光光谱重叠严重的麝香草酚、对苯二酚和苯酚的直接快速准确定性、定量分析。研究了温度对三种酚类化合物荧光强度的影响。对扫描所得激发-发射矩阵信号（EEM）进行二次去散射和光谱校正预处理,最大程度保留了原光谱信息,避免光谱严重失真。将APTLD算法与平行因子（PARAFAC）和交替三线性分解（ATLD）算法进行对比,突显该算法的优势。实验得出,APTLD算法能够较好的解析荧光光谱数据的重叠峰,分别得到三种目标分析物的荧光光谱,实现快速定性分析;定量分析时平均回收率为（97.4±4.5）%~（103.1±3.0）%;预测均方根误差（RMSEP）低于1.664×10-2 μg·mL-1,且检测限低于国家标准;处理过程简洁快速,为水环境中酚类化合物实现现场检测和在线实时监测提供了有力依据。     

交替惩罚三线性分解算法结合三维荧光光谱法同时分辨和测定酪氨酸、苯丙氨酸和色氨酸

用交替惩罚三线性分解算法(APTLD)结合三维荧光光谱法给出的二维数据对酪氨酸、苯丙氨酸和色氨酸进行了同时定性定量分析,为直接同时测定混合氨基酸中此三种物质提供了一种新的分析方法, 其测定相关系数分别为0.9987,0.9995和0.9993。采用超声波组织细胞破碎法对木槿叶中的氨基酸进行提取,利用APTLD法对提取液中氨基酸进行定量测定,测定相对标准偏差分别为0.84％,0.36％,1.59％, 回收率分别在101.0％～92.7％, 106.5％～93.0％, 103.0％～95.0％之间,方法简洁、快速、准确可靠,结果令人满意。     

基于激光诱导荧光的油类污染物检测系统研究

油类污染物具有破坏海洋生态系统和间接污染大气及土壤的危害,快速、准确地检测污染物的成分及其浓度具有重要意义。由于油类污染物光谱重叠严重,因此难以通过传统荧光分析准确加以区分。本文基于激光诱导荧光技术,以氙灯作为激发光设计荧光光谱检测系统,并对0#柴油、92#汽油和煤油进行扫描和检测,从而获得激发/发射光谱以及最佳激发/发射波长。并对该系统的软件算法部分进行改进,运用Savitzky-Golay卷积平滑直接获得更加精确的激发/发射光谱,更能全面、准确地反映油类物质的荧光特性信息。并与传统的荧光光谱仪得到的光谱图进行对比,经实验验证激光诱导荧光技术的荧光光谱检测系统的有效性,对油类污染物的荧光光谱信号的检测具有更高的灵敏度。     

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。     

三维荧光光谱结合IGOA-SVM分类鉴别油类污染物

溢油污染是一种典型的环境污染形式,通过多重渠道危害着生物多样性和人类自身安全。因此,针对油类污染物自身组成成分及其特性,采用多种方法相结合的方式,对其进行实时、精确、高效的检测对生态环境监测具有重要意义。三维荧光光谱分析法以其检测精度高、实时性好、操作简便、干扰性小等优势在荧光类物质检测领域应用十分广泛。三维荧光光谱结合支持向量机等算法在物质分类鉴别和浓度预测方面取得较好的成效,但仍存在收敛速度慢、易陷入局部最优等缺陷。将三维荧光光谱与改进蚱蜢优化支持向量机算法(IGOA-SVM)相结合,提出一种对油类污染物分类鉴别的新方法。首先,以0.1 mol·L^-1十二烷基硫酸钠溶液作为溶剂,将0#柴油、 95#汽油和煤油以不同浓度配比配制成0#柴油和95#汽油、 0#柴油和煤油两组分混合样本20个和18个,三组分混合样本20个,各取一半为训练集和测试集。然后,采用F-7000荧光光谱仪采集混合溶液的荧光数据,分析三种油的标准溶液及配制的混合溶液,发现荧光光谱均在一定范围内存在不同程度的重叠现象,仅利用光谱检测无法准确鉴别。最后,结合混沌初始化、精英优化算法和差分进化算法对...     

基于APTLD的猪肉中莱克多巴胺残留含量的三维同步荧光光谱快速测定

应用三维同步荧光光谱法结合交替惩罚三线性分解(APTLD)来建立猪肉中莱克多巴胺残留含量的定量测定模型,以实现猪肉中莱克多巴胺残留含量的快速测定。首先分析了莱克多巴胺的荧光光谱产生机理和样本的三维同步荧光光谱;其次对猪肉提取液中的莱克多巴胺荧光的浓度猝灭现象进行了分析;然后应用核一致诊断法确定了APTLD的三线性分解组分数为2,并建立了猪肉提取液中莱克多巴胺的相对荧光峰值强度与训练样本中莱克多巴胺的相对荧光峰值强度之间的标定曲线,用于待测样本中的相对荧光峰值强度的校正;最后,建立了基于APTLD的猪肉中莱克多巴胺残留含量的三维同步荧光光谱预测模型。试验结果表明,该方法可以较好的解决猪肉样本中莱克多巴胺与背景之间的同步荧光光谱严重重叠的问题,省去了一些烦琐的“化学分离”过程,模型预测集的决定系数(R2)和均方根误差(RMSEP)分别为0.986 3和0.496 6 mg·L-1,达到了猪肉中莱克多巴胺残留含量快速定量测定目的。     

基于非负矩阵分解的重叠三维荧光光谱解析

重叠三维荧光光谱的解析是荧光光谱解析中的难点,非负矩阵分解(NMF)作为一种有效的盲分离方法,能够提取光谱的局部特征和内在联系,克服光谱严重重叠带来的干扰,在解析重叠光谱中具有不可比拟的优势。首先用模拟三维荧光光谱验证了NMF在三维荧光光谱解析中的有效性,然后将四种不同的NMF算法(乘性迭代算法、交替最小二乘算法、二阶方法、投影梯度算法)用于实测的酚类化合物(百里酚、间甲酚、苯酚)三维荧光光谱的解析中,并讨论了在酚类化合物分离应用中四种NMF算法的收敛速度和计算复杂度的差异。实验结果表明,四种方式的NMF标准偏差均在0.06%以下,其中交替最小二乘算法在收敛行为和鲁棒性上最为优越。     

BP神经网络结合ATLD与三维荧光光谱法测量水中多环芳烃

多环芳烃(PAHs)是煤,石油,木材,烟草等燃料和有机高分子化合物等有机物不完全燃烧时产生的一种持久性有机污染物。迄今已发现有200多种PAHs,其中有多种PAHs具有致癌性。PAHs广泛分布于我们生活的环境中,水中的PAHs主要来源于生活污水,工业排水和大气沉降。使用三维荧光光谱法,结合BP神经网络与交替三线性分解(ATLD)算法对水中的PAHs进行定性和定量分析。以苊（ANA）和芴（FLU）2种PAHs为目标分析物,用甲醇（光谱级）制备样本。使用FS920稳态荧光光谱仪对样本进行检测,设置激发波长为200～370 nm,间隔10 nm记录一个数据;发射波长为240～390 nm,间隔2 nm记录一个数据。设置初始发射波长总是滞后激发波长40 nm,以消除一级瑞利散射的干扰。随后使用BP神经网络法对待测样本数据进行预处理。利用BP神经网络基于误差反向传播算法(error back propagation training,BP)原理,对测得的三维荧光数据进行数据压缩处理,该方法具有柔性的网络结构与很强的非线性映射能力,网络的输入层、隐含层和输出层的神经元个数可根据实际情况设定,并且网络的结构不同时,性能也有所差异。随后,用ATLD算法分解预处理后的三维荧光光谱数据。采用核一致诊断法确定待测样本的组分数为2。结果表明,ATLD算法分解得到两种PAHs(ANA和FLU)的激发、发射光谱图与目标光谱非常相似,能实现光谱重叠严重的PAHs(ANA和FLU)的快速定性和定量分析,实现了以“数学分离”代替“化学分离”。将预测样本导入训练好的BP神经网络中,得到处理后待测样本数据的网络均方差（MSE）均小于0.003,网络的峰值信噪比（PSNR）均大于120dB（数据压缩中典型的峰值信噪比值在30～40 dB之间,越高越好）,可见BP神经网络对样本数据的压缩效果较好。BP神经网络训练后,得到输出值与目标值之间的拟合度高,拟合系数达0.998,具有较好的数据压缩效果。使用ATLD算法对待测样本进行分解后得到平均回收率为97.1％和98.9％,预测均方根误差为0.081 8和0.098 5 μg·L-1。三维荧光光谱结合BP神经网络和ATLD能够实现痕量PAHs的快速检测。     

基于激光诱导荧光的溢油厚度定量检测实验研究

海上溢油油膜厚度的定量检测是实现溢油量准确估计的重要依据和手段,为制定石油污染应急响应提供了基础数据。本文基于激光诱导荧光（LIF）的方法以柴油（0# diesel）、机油（Mobil motor oil 20w-40）、润滑油（Shell Helix 15w-40,Shell Helix 10w-40,Shell Helix 5w-40）为研究对象,重点分析了油膜厚度-荧光发射强度关系,检出限以及油膜厚度在不同水体中定量检测的准确性。结果表明：0#柴油和美孚机油20w-60的荧光光谱特征与润滑油的光谱特征有明显不同,柴油的荧光峰位于326 nm其FWHM为60 nm,美孚机油20w-60则具有三个荧光峰分别位于360 nm/375 nm/390 nm其FWHM为100nm。三种润滑油（壳牌润滑油15w-40、壳牌润滑油10w-40、壳牌润滑油5w-40）的荧光光谱重叠明显,荧光峰分别位于334,344和343 nm且FWHM分别为75,45和50 nm。5种油膜的荧光强度均随油膜厚度的增加而增加,校正曲线的相关性分别为0.997 8,0.997 9,0.996 4,0.997 8和0.996 0,均具有较好的相关性,5种油膜检出限分别为0.03,0.02,0.02,0.03和0.05 μm,0#柴油在合成海水A和B中的平均相对误差为5.04%和8.73%,平均相对标准偏差分别为4.37%和8.36%,美孚机油20w-40在合成海水A和B中的平均相对误差为7.99%和9.97%,平均相对标准偏差为4.78%和6.23%。壳牌润滑油15w-40在合成海水A和B中的平均相对误差为8.54%和13.69%,相对标准偏差为5.05%和9.08%。壳牌润滑油10w-40在合成海水A和B中的平均相对误差为6.33%和12.38%,平均相对标准偏差为2.85%和7.92%。壳牌润滑油5w-40在合成海水A和B中的平均相对误差为4.28%和11.57%,平均相对标准偏差为3.56%和7.73%。可见5种油膜在不同水体中定量检测的平均相对误差均小于14%,平均相对标准偏差均小于10%,研究结果可以实现对薄油膜的测量,为海上油膜厚度的在线监测提供了技术手段。     

同步荧光光谱方法测定柴油中的溶剂油

同步荧光光谱方法与表面荧光技术结合,研究了柴油中混120#溶剂油的荧光光谱.通过佑发射峰位置蓝移程度可以快速分析出柴油中是否含有120#溶剂油,并发现含有120#溶剂油的柴油其发射峰相对纯柴油的发射峰偏移量与柴油中含有120#溶剂油的百分含量具有一定的关系.通过这种关系可以定性的判断出柴油中掺杂120#溶剂油的多少,这对于分析市场上柴油的真伪、维护市场稳定具有重要的意义.     

一种基于荧光信号的海面厚油膜评估方法

油膜厚度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)技术是目前最有效的海面溢油探测技术之一,基于LIF探测技术的油膜厚度反演算法当下仅有适用于薄油膜(≤10~20 μm)的评估方法,而对于较厚油膜(>20 μm)的评估目前尚无有效的反演算法。鉴于此,提出一种基于LIF技术适用于较厚油膜的反演算法,该算法采用油膜荧光信号反演油膜厚度,推导了油膜厚度反演公式,并给出了基于该反演算法的油膜厚度评估方法。首先采用最大类间方差算法(Otsu)选取合适的荧光光谱波段,然后根据选取波段内每个波长的光谱数据反演油膜厚度,最后采用反演油膜厚度的平均值作为油膜厚度评估结果。研究了该算法的适用范围,给出了该算法有效评估范围最大值与测量相对误差的关系,并结合消光系数给出了在多种测量误差条件下不同消光系数油品有效评估范围的最大值。通过实验对本文方法进行了验证,选用原油和白油的混合油(1∶50)作为实验油品,以波长为405 nm的激光作为激发光源,采集波长范围为420～750 nm,采集了海水背景荧光和拉曼散射光光谱、实验油品的荧光特征光谱和多种不同厚度的较厚油膜的荧光光谱。采用Otsu算法选取420～476 nm波段评估油膜厚度,在实验油品油膜厚度≤800 μm时,该算法对油膜厚度的评估具有较高的精度,平均误差为10.5%;在油膜厚度>800 μm时,平均误差为28.8%,评估误差较大且随油膜厚度的增加快速变大,该实验结果与利用测量相对误差和消光系数的分析结果一致。实验结果表明,该方法可以实现对海面较厚油膜厚度的有效评估,并可以根据测量相对误差和消光系数判断评估结果的有效性。     

基于荧光光谱的轻质油乳化物油水比估测研究

海面溢油在其风化迁移过程中,会形成不同溢油乳化物,对海洋环境造成极大危害.科学量化溢油乳化物,有助于溢油污染应急处理和灾损评估.已有对溢油乳化物展开的研究由于缺乏系统的实验数据、理化与光学参数,尚不清楚不同类型油水乳化物的精细光谱响应特征与变化规律,无法给出不同类型溢油乳化物光谱与海水表层油水比的数据关系.通过轻质油乳...     

次生作用对原油和油包裹体荧光颜色及光谱参数的影响

在采集多个含油气盆地油样和岩样基础上,利用显微荧光光谱和有机地化参数研究了次生作用对原油和油包裹体荧光颜色及光谱参数的影响。结果表明,原油次生蚀变主要通过改变原油中饱/芳比来影响荧光参数,其中生物降解和水洗作用使原油荧光颜色、谱形发生改变,并使荧光参数发生红移,气侵分馏和裂解作用使得原油荧光参数发生蓝移,混源作用则使两端元油分别发生红移和蓝移。通过原油和油包裹体的QF-535频率直方图可以定性识别研究区的次生作用或主成藏期。建立研究区衡量次生变化的参数与QF-535的关系式,可半定量判别原油遭受次生蚀变的程度。在显微荧光测试中应该剔除遭受过拉伸或渗漏、热裂解和光氧化作用的油包裹体。     

荧光分析法在环境有机污染物检测中的应用

综述了近十年来荧光分析法在环境有机污染物检测中的应用,主要介绍了国内的应用情况.依据检测时所采用的方法如直接荧光分析法、间接荧光分析法及其他的一些荧光分析方法分别进行归纳总结.     

同步荧光光谱法测定石油中的晕苯

用苯做溶剂对原油样品进行逐级稀释,恒波长同步荧光法对原油样品中晕苯进行定性、定量分析。分别从溶剂选择、波长差、狭缝宽度等参数对其测定的光谱条件进行优化。实验结果表明：用苯为溶剂、Δλ=6nm,狭缝宽度为2.5nm,为原油样品中晕苯的最佳测试条件。所建立方法测定晕苯的线性范围为0.5—100μg/mL,校准曲线的相关系数r大于0.99,相对标准偏差小于3%（n=5）。该法分析快速、准确,对石化工厂中对原油样品中晕苯的快速检测具有一定的应用价值。