利用拉曼光谱检测丙烯共聚物的性质

采用拉曼光谱检测了7个丙烯共聚物样品,并详细分析了谱图中所有特征峰来源;最终选择2 700～3 100 cm-1作为特征谱段,采用偏最小二乘(PLS)回归的方法分别建立了样品中二甲苯可溶物、乙烯含量及可溶物中乙烯含量与拉曼特征峰相对强度的关联模型。通过预测模型求得的预测含量与真实含量的相关系数(r)均大于0.94,平均相对误差(ARE)均小于5%。还对2 700～3 100 cm-1区域拉曼光谱的第二项PLS成分进行了研究,发现采用PLS回归能够准确、有效地提取出样品的原有信息。为采用拉曼光谱在线检测共聚聚丙烯中的二甲苯可溶物量、乙烯含量及可溶物中的乙烯含量提供了可能性。     

西瓜检测部位差异对近红外光谱可溶性固形物预测模型的影响

西瓜可溶性固形物含量的无损检测对提升其内部品质十分重要。为实现近红外光谱对小型西瓜表面各部位可溶性固形物含量的准确预测,减小检测部位差异对预测模型的影响,以“京秀”西瓜为研究对象,分别采集赤道、瓜脐和瓜梗三部位的漫透射光谱信息,利用偏最小二乘算法(PLS)建立并比较单一检测部位和混合所有检测部位的西瓜可溶性固形物近红外光谱预测模型,并分别采用连续投影算法(SPA)和竞争性自适应重加权算法(CARS)对西瓜可溶性固形物近红外光谱变量进行特征波长筛选。结果显示,相比于单一检测部位的模型,混合所有检测部位的校正集样本建立的模型取得了较优的预测结果。同时,利用CARS算法筛选的42个特征波长变量建模,对三种检测部位预测集样本的预测结果分别为赤道R_P=0.892和RMSEP= 0.684 °Brix,瓜脐R_P=0.905和RMSEP= 0.629 °Brix,瓜梗R_P=0.899和RMSEP= 0.721 °Brix。模型得到了很大的简化,且预测精度较高。比较发现,利用SPA算法筛选的19个特征波长变量所建模型的预测精度较低。利用三种检测部位的西瓜样本建立的PLS混合预测模型,结合CARS算法进行有效特征波长变量筛选,可提高西瓜可溶性固形物预测模型的精度,实现西瓜表面各部位可溶性固形物含量的准确预测,减小检测部位差异对近红外光谱预测模型的影响。结果为今后开发便携式设备检测西瓜表面各部位可溶性固形含量提供参考依据。     

一种危险液体混合物的拉曼光谱定性定量识别方法

危险液体混合物的拉曼光谱定性定量分析一直是现场应用难点,为解决该问题,分析了多种物质混合后拉曼光谱的峰位、峰值、峰型变化情况,选取拉曼光谱关键特征峰进行数学简化,构建了从混合物物质成分到混合物拉曼光谱的映射关系,该映射关系描述多种物质成分混合的混合物拉曼特征峰响应只和混合物中各成分本身拉曼特征峰响应以及各物质成分混合比例有关,各物质成分按混合比例贡献拉曼特征谱峰,共同形成最终的混合物拉曼光谱。由该映射关系求逆,可实现从采集到的混合物拉曼光谱计算出各物质成分的混合比例。基于此,设计了危险液体混合物成分定性定量识别方法,主要方法步骤包括,首先进行拉曼光谱数据采集,然后进行拉曼光谱数据处理并获得拉曼特征峰,再进行测试样品与数据谱库标准品的正反向特征峰匹配,如果正反向特征峰匹配系数都比较高,在满足一定阈值条件下,可认定测试样品是某种纯净物,如果不是纯净物,则进入混合物分析,通过拉曼光谱特征峰反向匹配系数筛选,确定混合物成分构成,混合物成分确定后再进行混合物成分比例计算,最终实现危险液体混合物定性定量分析。实验部分,选定丙酮、甲苯、三氯甲烷、乙醇及其混合物进行实验验证,当混合物样品是丙酮、乙醇两种成分按3∶7比例混合时,经拉曼光谱识别方法计算,混合成分计算值是丙酮占比0.245 7,乙醇占比0.706 0;当混合物样品是甲苯、三氯甲烷两种成分按3∶7比例混合时,经拉曼光谱识别方法计算,混合成分计算值是甲苯占比0.323 4,三氯甲烷占比0.763 0;当混合物样品是丙酮、甲苯、乙醇三种成分按4∶3∶3比例混合时,经拉曼光谱识别方法计算,混合成分计算值是丙酮占比0.795 9、甲苯占比0.303 5、乙醇占比0.287 5,实验结果表明,当危险液体混合物成分是两种或三种成分混合时,混合成分计算值基本和实际值吻合,应用危险液体混合物的拉曼光谱定性定量识别方法,可较准确的从拉曼混合光谱中解析出各混合物成分以及各成分在混合物中的比例,可以判断混合物每个拉曼特征谱峰都来自于哪个成分或哪些成分拉曼特征谱峰的混合,谱图解析结果良好,对危险液体混合物现场分析鉴别有较大应用价值。     

近红外光谱法对甲醇柴油中甲醇含量测定

应用近红外光谱结合化学计量学方法实现了对甲醇柴油中的甲醇含量的定量分析。以实验室配制的32种不同浓度[浓度范围为2%～25.8%(φ)]的甲醇柴油溶液为研究对象,在4 500～7 000 cm-1光谱范围内,建立偏最小二乘(PLS)、支持向量机(SVM)和最小二乘支持向量机(LS-SVM)三种定量分析模型。在建立SVM模型时,经过比较分析,径向基函数(radial basis function,RBF)作为SVM模型的核函数时可以获得更高的预测精度。最终获得甲醇含量的PLS, SVM和LS-SVM三种模型的预测相关系数R_P分别为0.985 9, 0.990 3, 0.998 9,预测均方根误差RMSEP分别为0.405 2, 0.356 3, 0.062 4,可以看出,三种预测模型都可以达到很好的效果,最优的预测模型是使用LS-SVM建模。研究结果表明,利用近红外光谱法结合化学计量学方法对甲醇柴油中甲醇含量的检测具有可行性,并可以达到很好的效果。采用近红外光谱技术结合化学计量方法对甲醇柴油中甲醇含量进行定量分析,也为近红外光谱技术快速无损检测甲醇柴油甲醇含量提供参考和应用价值。     

奥林达夏橙叶片锌含量可见近红外光谱监测模型研究

以奥林达夏橙叶片粉末干样为对象,利用化学分析与可见近红外光谱技术相结合的方法,通过样品原始光谱的二阶微分及消噪(Noise)处理,运用偏最小二乘法(PLS)与交叉验证方法建立的Zn含量数学模型,其中使用Zn含量特征光谱400～500nm和1201～1300nm的组合波段建模,具有较好的预测能力,校正建模和预测模型的相关系数分别为0.9975和0.9920,交互验证预测均方根误差为0.5868。因此,利用可见近红外光谱技术,运用PLS及交叉验证方法,建立叶片Zn含量与特征波段的光谱校正模型,能快速定量检测柑桔叶片Zn含量。     

老挝水洞桃花石和高山桃花石的宝石学与谱学特征对比

老挝水洞桃花石因与寿山石中的著名品种高山桃花石外观质地相似而受到关注。运用宝石显微镜、 X射线粉晶衍射(XRD)、红外光谱(FTIR)和拉曼光谱(LRM)等测试方法对老挝水洞桃花石样品的矿物组成、红外光谱特征、拉曼光谱特征、杂质矿物成分以及颜色成因进行了研究,并与高山桃花石的特征对比可知:老挝水洞桃花石的主要矿物组成为结晶度中等的地开石与高岭石的过渡矿物或结晶度较高的地开石,个别样品还含有石英。老挝水洞桃花石在官能团区的三个红外特征吸收峰位于3 697, 3 653和3 621 cm~(-1)处,与羟基的伸缩振动有关,其矿物成分为无序地开石-高岭石过渡矿物。高山桃花石样品的红外光谱存在3 702, 3 653和3 621 cm~(-1)三个特征吸收峰,吸收峰的位置及强度表明其基质部分的矿物组成为有序地开石。老挝水洞桃花石和高山桃花石样品在指纹区的红外光谱特征基本一致,均显示1 106, 1 034和1 006 cm~(-1)处Si—O和Al—O—H的伸缩振动吸收峰; 937和913 cm~(-1)处Al—O—H弯曲振动吸收峰, 695和538 cm~(-1)处Si—O—Al伸缩振动吸收峰; 471和430 cm~(-1)处Si—O弯曲振动吸收峰。老挝水洞桃花石样品基质部分的拉曼光谱中, 200～1 000 cm~(-1)范围内202和273 cm~(-1)处拉曼峰归属于O—H—O伸缩振动, 341 cm~(-1)拉曼峰归属于Si—O振动, 439和468 cm~(-1)处拉曼峰归属于Si—O弯曲振动, 754和800 cm~(-1)处拉曼峰归属于Al—O—Si的弯曲振动, 921 cm~(-1)处拉曼峰归属于OH弯曲振动。3 550～3 750 cm~(-1)范围内OH振动区通常显示与红外光谱高频区相似的三个谱峰。老挝水洞桃花石和高山桃花石中"桃花"内含物均为赤铁矿,特征拉曼峰位于225, 296, 411和1 318 cm~(-1)处,高山桃花石中还存在锐钛矿,特征拉曼峰出现在145和639 cm~(-1)处。结合显微放大观察和电子探针成分分析的结果可知,老挝水洞桃花石和高山桃花石都为杂质矿物致色,内部密集的微晶赤铁矿包裹体使之呈现红色。     

基于迭代逼近算法的土壤中机油和柴油混合物荧光信号重叠特性研究（英文）

随着我国经济的迅速发展,石油制品需求量与日俱增,伴随着工农业生产活动,大量石油制品进入土壤,造成严重的土壤石油污染。土壤中的石油污染物会对植物生长产生危害,并通过食物链威胁人类健康,因此需对土壤中的石油污染物进行现场、快速检测。激光诱导荧光技术(Laser-Induced fluorescence, LIF)具有检测速度快、灵敏度高、可现场检测等优点,但在检测土壤中有机污染物时,面临着荧光光谱重叠严重等问题。为了研究土壤中机油和柴油混合物荧光信号的重叠特性,制备了10种含有不同浓度机油、柴油混合物的土壤样品。通过搭建LIF实验系统,获取不同混合浓度的机油和柴油的荧光光谱,对油类荧光光谱进行了最大值归一化处理,建立土壤中机油、柴油混合光谱的反演关系,以最小残差平方和为指标,使用迭代逼近算法计算出土壤荧光光谱中柴油和机油样品的荧光贡献率。分别使用了全谱法和截取特征光谱两种方法计算机油和柴油的荧光贡献率。全谱法是在混合油样的全波段光谱(200~600 nm)范围进行迭代逼近,截取特征光谱方法是在截取油样光谱(330~460 nm)段进行迭代逼近。(330~460 nm)范围内包含了混合油样的所有光谱特征。用计算出的机油的荧光贡献率与机油样品浓度做线性拟合时发现,截取特征光谱法的拟合系数R为0.989,优于全谱法的0.923。分别用全谱法、截取特征光谱法计算出的荧光贡献率以及归一化机油、柴油光谱合成混合油归一化光谱,与实际归一化混合光谱比较,截取特征光谱法计算的平均相对误差为3.38%,优于全谱的8.79%,其原因是全谱法比截取特征光谱法引入了更多的噪声信号,所以在计算油类荧光贡献率时产生了较大的误差。选取机油和柴油归一化光谱上300, 350, 400, 450和500 nm等5个位置的荧光强度与归一化混合油光谱做多元线性回归拟合,计算出平均相对误差为10.31%。结果表明截取特征光谱方法优于多元线性回归方法;土壤中机油和柴油的荧光贡献率与自身的浓度之间成良好的线性关系,说明在土壤中机油和柴油混合后各自的化学性质保持稳定,在土壤中的荧光信号重叠特性是线性叠加的。这种这种方法同样可以用于其他石油类混合物的解离。通过该研究提高了LIF技术在土壤中石油烃类污染物定性与定量检测的准确性。为土壤中石油烃现场快速检测提供了方法支撑。     

20种氨基酸近红外光谱及其分子结构的相关性

旨在研究20种氨基酸的分子结构与其近红外光谱的相关性,为氨基酸近红外光谱在动物科学、食品和医药等方面的推广应用奠定一定的理论基础。应用岛津傅里叶变换红外光谱仪IRPrestige-21及其近红外附件FlexIRTM Near-Infrared Fiber Optics module,采集20种氨基酸标准物质在1 000～2 502 nm波长范围内的近红外光谱,分辨率8 cm-1,每个样品扫描3次,每次扫描50遍,取其平均值为氨基酸标准品的近红外光谱。根据氨基酸侧链基团的不同,分别比较脂肪族氨基酸、芳香族氨基酸和杂环氨基酸中各氨基酸分子结构与其近红外光谱的相关性。研究表明,20种氨基酸在1 000～2 502 nm区域有非常明显的近红外光谱吸收且差异显著。分子量较大的脂肪族氨基酸其近红外光谱受侧链基团的影响较大,而甘氨酸近红外光谱受羧基和氨基的影响较大;两种芳香族氨基酸近红外光谱的差异主要来自于苯环,酪氨酸苯环上的—OH基团降低了苯分子的对称性,导致更多振动吸收峰的出现;杂环氨基酸因其侧链上杂环分子基团构成不同,其近红外光谱在1 600～1 800 nm区域差异较大。综上,20种氨基酸主要存在4个特征光谱区：第1特征光谱区为1 050～1 200 nm主要由C—H基团的二级倍频构成;第2特征光谱区为1 300～1 500 nm主要由C—H基团的组合频构成;因侧链基团分子构成不同,在第3特征光谱区1 600～1 850 nm和第4特征光谱区2 000～2 502 nm表现出差异较大的特征吸收峰。因此,可以利用此4个近红外光谱特征区域对氨基酸进行定量和定性分析,提高氨基酸近红外光谱模型预测的准确性。     

基于SERS技术快速检测水溶液、尿液和血清中咪达唑仑的研究

为了快速检测水溶液、尿液和血清中的咪达唑仑,建立了一种基于表面增强拉曼光谱(SERS)技术的检测方案。使用BWS415-785H型便携式拉曼光谱仪采集了拉曼光谱,其激发光波长为785 nm,光谱测量范围为68～2 700 cm~(-1),光谱分辨率小于3 cm~(-1),激光功率为80 mW,积分时间为5 s。首先通过密度泛函理论对咪达唑仑的拉曼光谱进行了计算,并与实验值进行对比,对拉曼峰进行了归属。然后以银溶胶作为表面增强基底,以硫酸镁(MgSO_4)水溶液作为促凝剂,选取689和827 cm~(-1)处的拉曼峰作为特征峰,对咪达唑仑进行了SERS检测。在水溶液中咪达唑仑的检测限为6μg·mL~(-1),在5～40μg·mL~(-1)浓度范围内,拉曼特征峰的强度随咪达唑仑水溶液浓度的线性曲线方程为y=188.18x-743.05,相关系数为r=0.972,回收率范围为98.2%～107.2%, RSD范围为2.08%～3.25%。在尿液中咪达唑仑的检测限为20μg·mL~(-1),在20～125μg·mL~(-1)浓度范围内,拉曼特征峰的强度随咪达唑仑尿液浓度的线性曲线方程为y=59.78x-640.71,相关系数为r=0.958,回收率范围为96.9%～107.9%, RSD范围为4.45%～5.75%。在血清中咪达唑仑的检测限为20μg·mL~(-1),在15～125μg·mL~(-1)浓度范围内,拉曼特征峰的强度随咪达唑仑血清浓度的线性曲线方程为y=30.81x+176.66,相关系数为r=0.963,回收率范围为94.2%～105.7%, RSD范围为3.60%～4.41%。该方法具有快速、准确、无损、操作简便等优点,为咪达唑仑的现场快速检测打下了良好的基础。     

近红外特征光谱的羊肉TVB-N浓度预测模型

为提高生鲜羊肉储存期内（4,8和20 ℃环境）挥发性盐基氮（TVB-N）的近红外光谱（NIR）检测的稳定性和准确性,选取特征光谱和预测模型是关键步骤。以121个羊肉样品为实验对象,采集生鲜羊肉680~2 600 nm波段的近红外光谱。以多元散射校正（MSC）、标准正态变换（SNV）等散射校正方法,Savitzky-Golay卷积平滑（SGS）、移动平均平滑（MAS）等平滑处理方法,以及归一化（Normalization）、中心化（Centering）、标准化（Autoscaling）等尺度缩放方法分别预处理光谱数据后建立偏最小二乘法（PLS）预测模型。比较发现SGS处理的光谱建模效果最好。利用蒙特卡洛采样（MCS）法及马氏距离法（MD）消除了羊肉光谱的5个异常数据。运用光谱-理化值共生距离（SPXY）算法划分总样本的75%（87个）为校正集样本,剩余29个为验证集样本,利用竞争性自适应重加权法（CARS）、无信息变量消除法（UVE）、改进的无信息变量消除法（IUVE）和连续投影算法（SPA）提取特征光谱得到的波长个数分别为14,713,144和15。将全光谱和4种方法提取的特征波长作为输入变量建立预测模型,CARS提取的波长所建立模型的性能优于UVE、IUVE和SPA提取的波长所建立模型的性能,表明CARS方法可以有效简化输入变量并提高预测模型的性能。改进后得到的IUVE法相比于UVE法,筛选出的波长数更少且模型性能有所提升。以提取的特征波长建立PLS,支持向量机（SVM）和最小二乘支持向量机（LS-SVM）预测模型,SVM模型得到最优的校正集预测结果,其中CARS-SVM预测模型的校正决定系数（R2_C）和校正均方根误差（RMSEC）分别为0.939 1和1.426 7,最优的验证集预测效果为LS-SVM预测模型得到,其中IUVE-LS-SVM预测模型的验证决定系数（R2_V）和验证均方根误差（RMSEV）分别为0.856 8和1.886 2。基于近红外特征光谱建立简化、优化的生鲜羊肉储存期TVB-N预测模型,为实现快速无损检测生鲜羊肉中的TVB-N浓度提供技术支持。     

基于硝酸钠内标物的山梨酸钾拉曼特征峰强校正

根据硝酸钠自身化学性质较稳定且拉曼特征峰与被测组分山梨酸钾谱峰能完全分离的特点,以硝酸钠为内标物对食品中常用防腐剂山梨酸钾的拉曼光谱进行校正;以质量分数为0.1的硝酸钠在拉曼特征位移1053cm~(-1)处的特征峰作为内标峰,分别计算其与49个样品中相同浓度硝酸钠特征峰强的相对比值,用相对比值分别校正49个样品的山梨酸钾特征峰强,采用一元线性回归分析对山梨酸钾进行定量建模分析。结果表明:校正后,山梨酸钾预测模型校正集和预测集的相关系数显著增大,山梨酸钾在1399cm~(-1)处特征峰强的一元线性回归定量预测模型校正集和预测集相关系数的平方分别为0.9885、0.9865,均方根误差分别为3.0384×10~(-3)、3.7643×10~(-3);基于最佳预测模型对新配制的18个新样品进行预测,预测值和真实值的相关系数的平方为0.9799,均方根误差为4.8702×10~(-3),说明用硝酸钠内标法可以有效减小检测仪器、检测环境以及人为因素对山梨酸钾拉曼峰强的影响,提高被测物预测模型的精度。     

聚氯乙烯溶液浓度的拉曼光谱检测

借助拉曼光谱,对聚氯乙烯(PVC)-环己酮溶液的浓度进行了检测.通过偏最小二乘法(PLS)分析发现,第一项 PLS 成分(factor 1)的得分与 PVC 溶液浓度成正比关系,factor 1 的载荷分布能有效地反映出溶液浓度与溶液中的 PVC 和环已酮含量的关系.建立了 PVC 溶液浓度的 PLS 回归预测模型,模...     

近红外光谱法测定PDA中残留丙烯酰胺含量

选取38份实验室自制二甲基二烯丙基氯化铵与丙烯酰胺的共聚物(PDA)为样品,用紫外光谱法对PDA中残留丙烯酰胺(AM)含量进行测定,并进行近红外光谱扫描,在图谱中选取七个波段,将每个波段的特征峰作为自变量,吸收峰作为因变量,采用偏最小二乘法(PLS)的数学转换方法建立近红外反射光谱(NIRS)定标模型,采用小波分析对光谱进行降噪处理,建立PDA中残留AM含量的近红外预测模型,并将预测值与紫外光谱法测定值进行比较,其外部验证决定系数达到0.99,预测分布趋势良好,对预测值与实测值进行t检验,结果显示预测值与实测值差异不显著。试验结果表明,采用近红外光谱数据建立的定标模型预测PDA中残留AM单体含量具有较高可行性。     

饱和一元醇类分子拉曼光谱振动峰的归属研究

选用B3LYP/6-31G(d)优化并计算了31种饱和一元醇类分子的拉曼光谱,以甲醇为例,考察了理论计算结果的准确性,分析了碳原子数小于7的直链饱和一元醇拉曼光谱振动峰的归属。研究结果显示,B3LYP/6-31G(d)用于饱和一元醇类分子拉曼光谱振动的模拟计算较为准确,通过饱和一元醇拉曼光谱振动峰归属分析,确认C—O伸缩振动引起的振动峰可作为饱和一元醇类分子拉曼光谱的特征峰;进一步研究还发现,饱和一元醇类分子拉曼光谱的特征峰与其极化率、热力学、能量等主要参数具有显著的相关性(sig.为0.015),为同系物的拉曼光谱研究提供了一定的参考价值。     

2-巯基苯并咪唑的表面增强拉曼光谱检测方法研究

以表面增强拉曼光谱(SERS)方法对2-巯基苯并咪唑(2-MBI)进行了研究,以自组装在玻璃基片上的银纳米膜作为SERS增强基底,采集了2-MBI的SERS光谱图,并对其拉曼特征峰进行了指认。研究了吸附时间和分子浓度对拉曼光谱的影响,以411cm~(-1)拉曼谱峰为定性和定量分析的特征峰。在10-6~10-3mol·L~(-1)浓度范围内拉曼光谱强度与2-MBI浓度的负对数呈现较好的线性关系,线性方程为I=1 237.8logc+8 326.3,线性相关系数为0.999 8,相对标准偏差在0.025~0.084之间,此方法检测2-MBI的检测限为10-7 mol·L~(-1)。这些研究为发展新的针对2-MBI的检测方法奠定了基础。     

基于激光拉曼光谱技术探测溶液中酸根离子定量分析方法研究

激光拉曼光谱技术是水下原位探测酸根离子浓度的强有力工具,建立一套适用于海洋环境、基于拉曼光谱技术的定量分析方法对实时了解海洋化学信息具有重要意义。本文在实验室条件下,以SO2-₄和HCO-₃系列浓度水溶液及近海海域的海水为样品,532 nm激光作为激发光源,模拟原位探测方式采用侵入式光学探头采集拉曼光谱。分别采用内定标法、多元线性回归法(MLR)、偏最小二乘法(PLS)和基于主导因素的PLS法对光谱数据进行定量分析。研究结果表明,采用以1 640 cm-1水分子O—H振动谱峰为内标峰的内定标法预测待测离子浓度,预测误差均相对较大,定标曲线线性相关系数不高;采用多元线性回归法,定标曲线的线性相关系数有较大提高,在一定程度上提高了定量分析的精度;采用酸根拉曼峰强度、酸根峰面积、水峰强度、水峰面积作主导因素结合PLS法预测配置溶液中SO2-₄和HCO-₃浓度的定标曲线相关系数R2分别为0.990和0.916,对待测样30 mmol·L-1的SO2-₄预测相对误差为3.262%,对20 mmol·L-1的HCO-₃预测相对误差为5.267%。以海水中SO2-₄为分析对象时,与离子色谱法预测的28.01 mmol·L-1进行对比,以上四种定标方法的研究结果表明,主导因素结合PLS法优于其余三种分析方法,其均值相对误差降低为1.128%。因此,采用水的拉曼信号作为主导因素结合PLS法预测水溶液中的酸根离子浓度时能有效提高定量分析的精度,并可应用于现场和原位探测中的定标。     

Na2O-K2O-Al2O3三元系固体结构研究

制备了xNa₂O-(1-x)K₂O-Al₂O₃(x=0.33, 0.50, 0.66, 1)三元系固体,实验利用拉曼光谱技术获得了xNa₂O-(1-x)K₂O-Al₂O₃三元系固体的常温拉曼光谱和升温拉曼光谱,使用CASTEP软件优化晶体结构和计算拉曼光谱,获得了xNa₂O-(1-x)K₂O-Al₂O₃三元系样品的常温拉曼光谱,结果表明低波数区(100～400 cm^-1)的拉曼特征峰为Na—O键的振动。中波数区(400～700 cm^-1)的拉曼特征峰为铝氧四面体中桥氧键的振动。高波数区(700～1 000 cm^-1)的拉曼特征峰为Al-O_nb的振动。对三元系样品的拉曼特征峰进行有效归属。获得了0.5Na₂O-0.5K<...     

Lasso算法的油砂钠元素近红外建模

以油砂中钠元素为研究对象,首次应用近红外光谱,结合Lasso(least absolute shrinkage and selection operator)建模方法,建立了油砂金属钠含量的近红外光谱定量校正模型,并与传统的PLS建模方法进行比较。结果表明,两种方法建立的油砂金属钠含量校正模型都具有很高的精度,预测性能方面略有差异。在实验验证集与预测集中,PLS与Lasso算法的相关系数分别是：R_v=0.878 8,R_p=0.857 9和R_v=0.887 4,R_p=0.860 0。实验验证了使用近红外光谱快速测定油砂金属钠含量的有效性,并分析了PLS与Lasso算法的适用范围。     

KF光谱优选的木材抗弯强度预测方法

木材抗弯强度是评价木材力学性质的重要指标,其快速准确预测具有工程应用价值和科学意义。重点研究了使用近红外光谱分析光谱特征优选的卡尔曼滤波(KF)方法进行PLS建模,完成木材抗弯强度的预测。试验用126个蒙古栎无疵试样,依据国家标准《木材物理力学性质试验方法》测量抗弯强度得到力学真值;在900～1 700 nm波段进行近红外光谱采集,一阶导数与S-G卷积结合进行光谱预处理;然后,将光谱及抗弯力学样本视为动态系统,光谱冗余波长视为噪声信号,通过KF迭代得到系数矩阵和标准方差,并运用二者比值实现特征优选;最后建立蒙古栎的偏最小二乘(PLS)抗弯强度近红外模型。结果表明,经过KF优选后,光谱变量数由117减小到18个,预测模型的相关系数ｒ=0.81、预测误差均方根RMSEP=6.59;为了进一步验证方法有效性,与无信息变量消除法(UVE)、连续投影方法(SPA)特征选择方法进行了对比,KF特征优选后的预测相关系数r分别提高了0.05和0.16,预测误差均方根RMSEP降低了2.33和7.66,采用KF特征选择建立的模型预测结果最佳。KF作为特征方法可有效选择近红外光谱特征波长,降低模型维度,提高模型的适用性与准确性。     

脐橙表皮两种混合农药残留的表面增强拉曼光谱定量检测

针对水果生产中的农药残留问题,利用表面增强拉曼光谱技术(SERS),把害虫防治使用较多的有机磷农药亚胺硫磷与毒死蜱作为研究对象,探索性研究了将金胶用作增强基底检测以脐橙为载体的混合农药残留快速检测。采集混合农药样品的SERS光谱,通过对比农药的特征峰可以对混合农药进行定性分析。同时利用化学计量学方法,建立混合农药的定量数学模型,并通过对比不同的预处理方法和建模波段对混合农药样品拉曼光谱的处理结果,选择出最优预处理方法与算法的组合。在拉曼光谱范围200～2 300 cm-1内,利用PLS算法处理经一阶微分预处理后的光谱数据,建立的脐橙表皮混合农药残留回归模型效果较好,预测相关系数(R_p)为0.912,预测均方根误差(RMSEP)为3.601 mg·L-1。经过波段筛选后并对光谱处理结果对比,发现光谱在200～620,830～1 040及1 250～2 300 cm-1范围内,利用PLS算法处理经一阶微分预处理后的光谱数据,建立的回归模型效果较好,R_p为0.909,RMSEP为3.338 mg·L-1。研究表明使用SERS技术,可以对脐橙表皮上残留的混合农药进行定性与定量的分析。