水体COD的光谱学在线测量方法-紫外和近红外光谱比较分析

水体COD的光谱学传感技术是现代环境监测的一个重要发展方向, 与传统的分析方法相比,光谱分析技术更具有可连续监测、可在线监测和检测快速的明显优势,适合对环境水样COD的定点实时监测。分别获取水样的紫外吸收光谱和近红外光谱,通过不同的光谱预处理方法结合偏最小二乘法、多元线性回归法建立水样的COD定量预测模型,对水体COD的紫外和近红外光谱的定量预测及相关模型参数进行分析,发现用S-G平滑处理后的紫外光谱和近红外光谱建立的PLS模型均得到最佳预测效果,预测集R2分别为0.992 1和0.987 7,RMSEP分别为10.438 6和5.972 0。紫外和近红外光谱法的MLR模型预测效果较差,预测集R2分别为0.928 0和0.957 3。通过实验结果综合对比分析,紫外吸收光谱在280～310 nm谱区建模预测性能较好,近红外光谱在7 250～6 870 cm-1谱区建模预测性能较好,紫外光谱对应定量预测模型的决定系数较高,而近红外光谱的稳定性和重复性更好。研究表明光谱传感技术可用于环境实际水体COD的定量预测分析,为开发便携式水体检测设备奠定了理论基础。     

近红外透射光谱法检测三组分食用调和油含量的研究

以大豆油、花生油和玉米油三组分食用调和油为研究对象,采集样品在10 000～4 200 cm-1范围内的近红外透射光谱,对光谱进行不同预处理后结合偏最小二乘法分别建立调和油中三组分的定量分析模型,并检验模型预测的准确度和精密度。结果显示,一阶导数结合多元散射校正(FD+MSC),一阶导数结合减去一条直线(FD+SLS)以及一阶导数(FD)进行光谱预处理,可以得到大豆油、花生油以及玉米油含量的最优定标模型,分别是在5 450.1～4 597.7 cm-1,7 521.3～6 098.1 cm-1和9 993.7～7 498.2 cm-1谱区范围内获得的。各预测模型的相关系数R2和预测均方根RMSEP分别为99.89%,1.09%;99.88%,1.17%;99.76%,1.48%;配对t检验值在0.371 9～0.007 9之间;预测相对标准偏差RSD均小于1.50%。表明傅里叶变换近红外透射光谱分析技术可以快速准确可靠地检测三组分食用调和油中大豆油、花生油、玉米油的含量。     

低浓度水质化学需氧量紫外吸光检测中浊度与pH影响分析

采用紫外吸光法采集浓度范围1～25 mg·L-1的邻苯二甲酸氢钾配置的标准液图谱,对光谱进行不同的预处理后运用偏最小二乘法建立紫外吸光光谱下的COD定量分析模型,并对所建模型进行了浊度、pH值的影响分析。结果显示采用平滑一阶导数预处理方法,内部交叉验证均方根RMSECV值为0.122 27,主成份数为4,预测模型的平方相关系数r为0.999 8,预测相对误差在0.03％～1.7％的范围内;对0～100 NTU不同浊度的溶液,应用所建模型补偿后相对标准偏差RSD达到2.3%;pH在3～10变化时,影响可以忽略。     

近红外光谱温度修正定量分析模型的研究

以小麦粉末样品为实验材料,研究了环境温度对近红外光谱定量分析结果的影响。将环境温度作为外部变量,使用不同温度下的45个样品建立了测定小麦蛋白质含量的温度修正模型,预测不同温度下的小麦样品的蛋白质含量,结果同以22 ℃恒温下45个样品建立的模型进行了比较。分析结果表明：温度修正模型的预测标准差(SEP)平均为0.333,而恒温模型(22 ℃)的预测标准差随着环境温度与建模时温度差的增大而增大,当环境温度4 ℃时,SEP=0.601 6。温度修正模型可以有效的提高近红外光谱定量分析精度。     

蚁群算法在近红外光谱定量分析中的应用研究

蚁群算法是新近发展的基于群体智能的仿生优化算法,它模拟蚂蚁的觅食行为来解决复杂的组合优化问题。蚁群算法的优点是智能搜索、全局优化、鲁棒性、分布式计算和容易与其他算法相结合等。近红外光谱定量分析技术在很多领域得到广泛的应用,而其关键技术环节之一是建立近红外光谱测量数据的多元校正模型。文章将蚁群算法应用于近红外光谱定量分析中,建立了谷物样品的傅里叶变换近红外漫反射光谱和谷物中蛋白质含量的定量分析模型,得到了较好的结果。校准集的相关系数与相对标准偏差分别为0.943和3.41％,预测集的相关系数与相对标准偏差分别为0.913和4.67%。     

基于光谱分析的紫外水质检测技术

提供了一种基于紫外可见光谱的水质检测系统,各水样吸光度与COD线性拟合R2均大于0.99,单次测量在1s内。同时提出了光谱直接对比和归一化分析方法以及对应的指标参数。通过对大量的邻苯二甲酸氢钾标准溶液和实际水样的实验验证,采用这些光谱分析方法可将水样进行归类,从数据库中寻找适合待测水体的数学模型,进而提高紫外水质检测技术的泛化能力,同时还能得到其他水质指数。     

茶叶定性和定量近红外光谱分析方法研究

分别采集了茉莉花茶、苦丁茶、龙井和铁观音4个种类茶叶共120个样本,利用NIRSystems6500型近红外光谱分析仪对样本进行光谱测量,应用近红外光谱分析技术对茶叶进行定性和定量分析。采用主成分分析法,结合聚类分析法,对4种类别的茶叶进行定性鉴别,通过对不同光谱数据预处理方式和不确定因子系数进行比较,确立了最优定性判别定标模型。同时,采用修正的偏最小二乘法,比较不同光谱预处理方法对定标模型的影响,建立了茶叶中水分、茶多酚和咖啡碱含量的定量分析模型,并对未知样本进行预测。定性分析模型的种类识别准确率达到100％,定量分析模型的决定系数均大于0.91,相对分析误差RPD均大于3。结果表明,利用NIRS分析技术可以快速定性和定量分析鉴别茶叶的类别和成分含量。     

近红外光谱检测技术在聚合物领域的应用研究进展

近红外光谱(NIR)检测技术能够提供样品丰富的结构和组成信息,且具有分析速度快、样品无需处理等突出特点,在聚合物领域有了越来越广泛的应用。综述了该技术在聚合物合成到成型加工再到回收利用整个生命周期过程中各个环节的应用研究进展。在聚合物的合成和加工过程中,近红外光谱检测技术可用于材料参量的定量测量,且由于光纤良好的化学和热稳定性,使其能够在强腐蚀、高温、高压等危险环境下进行在线实时监测。对于聚合物合成,选择聚合反应转化率、聚合产物粒径和聚合物组成三个关键参量,概述了近红外光谱在线测量上述参量的相关研究进展;对于聚合物加工,主要讨论了反应性挤出加工过程中近红外光谱在线测量聚合物分子量、残余单体含量、接枝率等反映材料加工状态参量的应用研究。在聚合物的回收利用过程中,近红外光谱可用于废旧塑料制品的定性分类识别,围绕该应用分析了其国内外的研究现状。指出了近红外光谱检测技术在应用中存在的问题,并提出几点建议,最后对该技术在聚合物领域的发展方向进行了展望,并认为随着研究工作的深入和在线测量仪器的发展,近红外光谱检测技术将在聚合物领域有着更加广阔的应用前景。     

基于PSO-PLS混合算法的水体COD紫外吸收光谱检测研究

化学需氧量（COD）是反映水体受有机物污染程度的重要指标。紫外吸收光谱法是目前水体COD检测研究中应用最为广泛的方法,具有样品无需预处理,成本低,无污染,测定速度快等优点。但是,原始光谱数据维数高,光谱信息中包含大量冗余变量,直接将全光谱数据进行建模存在精度低,计算复杂等问题。针对紫外吸收光谱全光谱建模精度低,光谱数据存在大量共线性的问题,提出了一种基于粒子群算法（PSO）结合偏最小二乘（PLS）优选特征波长建立预测模型的方法,以提高紫外吸收光谱预测模型的精度和适用性,简化模型。利用搭建的紫外吸收光谱装置,采集29份不同浓度的COD标准溶液的紫外光谱数据,每份标准溶液采集5次取平均值并对其进行平滑处理,减少仪器和环境带来的误差。考虑到标准溶液在200～310 nm的光谱范围内存在吸收,故选取该波段范围内246个波长点作为建模数据,每个波长点下的吸光度数据作为一个粒子并按照顺序编号,以PLS为建模方法,相关系数r和均方根误差（RMSE）为评价指标,设置粒子群算法适应度函数f(x)=min（RMSE）,取粒子初始种群数为20个,惯性权重w=0.6,自我学习因子c1=1.6,群体学习因子c2=1.6,最大迭代次数为200次,算法终止条件为达到最大迭代次数。算法输出全局最优变量取值为168,94,181,183,175,209,106和142。采用粒子群算法优选的8个波长点建立PLS预测模型的相关系数r和预测均方根误差RMSE分别为0.999 98和0.155 1。为了验证PSO-PLS建立的预测模型效果,建立了PLS,iPLS和SVR三种预测模型进行对比。验证结果表明,PSO-PLS模型的相关系数r和均方根误差RMSE均优于其他三种预测模型,说明粒子群算法能有效的提取用于PLS建模的特征波长,消除子区间变量的共线性,提高预测模型的精度。该方法为实现水体COD实时在线监测提供了一种有效途径。     

用近红外漫反射光谱无损检测血糖的初步研究

利用近红外漫反射光谱技术研究了无损定量监测血糖的方法。使用BRUKERVECTOR 2 2傅里叶变换光谱仪和GRACEⅡ型血糖仪对一组健康自愿受试者 (两名年轻男子和两名年轻女子 )测试后 ,获得了不同的状态条件下 2 6个样本的光谱及其血糖值 ,选择一部分有代表性的样本作为建立模型使用 ,而被预测的样本来自不参加建模的数据。选择不同的谱区、预处理方法对数据进行处理得到以下结果 :1)谱区选在 90 0 0～12 0 0 0cm- 1 选择MIN MAX归一化预处理方法建模、预测 ,预测结果差值在 36mg·dL- 1 以上 ,选择平滑和二阶导数 ,则建模结果≤ 16mg·dL- 1 ,预测结果≤ 2 5mg·dL- 1 ;另选谱区 4 0 0 0～ 5 0 0 0cm- 1 ,选择平滑和一阶导数 ,建模与预测结果的差值在 2 5mg·dL- 1 以上。 2 )选择 4 0 0 0～ 90 0 0cm- 1 谱区 ,经平滑和二阶导数处理并在此区建模并预测 ,其中建模中预测差值≤ 15mg·dL- 1 ,预测≤ 31mg·dL- 1 ;由OPU 3 0 1自动挑选的谱区6 0 0 0～ 75 0 0cm- 1 和 4 2 0 0～ 4 70 0cm- 1 ,采用平滑、一阶导数和矢量归一化在此区建模和预测 ,其中建模中预测差值≤ 11mg·dL- 1 ,预测≤ 2 2mg·dL- 1 。 3)采用个体自我建模方法 ,在 90 0 0～ 12 0 0 0cm- 1 选择平滑和二阶导数进行预处理 ,建模结果≤ 15mg     

基于拉曼光谱的海水COD检测方法的研究

海水的化学需氧量大小直接决定海水水质的污染程度,传统的紫外-可见光波段检测时荧光干扰较大,近红外光波段检测时,水分子红外吸收峰影响较严重。提出一种基于拉曼光谱的海水化学需氧量检测方法,以不同浓度的模拟海水样本为被测对象,确定特征拉曼位移为981.6 cm-1,对拉曼光谱预处理后,通过偏最小二乘法对拉曼光谱的相对强度与碱性高锰酸钾法检测得到的海水化学需氧量进行回归建模。实验结果显示,训练集和预测集相关系数达到0.99,验证集决定系数可达到0.990 9,预测均方根误差为0.79 mg/L。     

一种检测低浓度化学需氧量的双波长光谱方法

提出了一种基于双波长光谱法快速测定低污染水样的化学需氧量(COD)的方法.结果表明:对低COD样品采用440和560 nm双波长的测定方法可有效地提高可靠性和检测灵敏性.该法的灵敏度(即定量检测下限)为8.6 mg·L-1;在低COD范围标样(≤100mg·L-1)的准确性对比测定相对标准误差在2%～15%的范围内.另外,该方法不需要用标准样品进行校正,可以通过光谱法检测消解液中重铬酸根的消耗直接计算出样品的COD值,使实验步骤得到了进一步的简化.     

棉籽17种氨基酸含量的NIRS定标模型构建与测定方法研究

选用氨基酸含量差异较大的多年份、多品种、多地点种植的445份棉花种子为材料,分别对其进行近红外光谱扫描。用一阶导数的数学处理(1,4,4,1)、标准正态变换和去趋势(SNV+D)最佳组合的预处理方法,结合改良的偏最小二乘法(MPLS)构建棉籽17种氨基酸成分的近红外定标模型。定标结果表明,天冬氨酸、苏氨酸、谷氨酸、甘氨酸、丙氨酸、缬氨酸、异亮氨酸、亮氨酸、苯丙氨酸、赖氨酸、组氨酸和精氨酸等12种氨基酸含量的定标模型较好,其RPDc为3.735~7.132,外部检验r2为0.910~0.979,近红外光谱分析完全可以替代化学测定;而丝氨酸、蛋氨酸、酪氨酸和脯氨酸等四种氨基酸的定标模型次之,其RP-Dc为2.205~2.814,外部检验r2为0.800~0.830,近红外分析技术虽不能完全替代化学测定的结果,但仍可用于大量样品的筛选。半胱氨酸定标方程的RPDc较小(RPDc=1.358),因此,棉籽中半胱氨酸含量不能用近红外分析方法进行检测。     

基于可见-近红外光谱技术的润滑油含水量无损检测方法研究

研究了基于可见-近红外光谱技术的发动机润滑油含水量快速检测方法。在获取光谱信息的基础上,提出了采用不同的光谱建模方法以提高检测精度和简化分析计算。分别采用主成分分析(PCA)和连续投影算法(SPA)方法进行模型输入变量的提取。SPA最终选择了476,483,544,925,933,938,952,970和974nm共9个波长为最优变量。基于SPA选择的变量,分别应用偏最小二乘回归(PLSR)和多元线性回归(MLR)建模。效果均优于全波段PLSR模型和PCA-PLSR模型。说明SPA选择的有效变量能够包含最重要的全波段光谱信息,同时可以去除无用的信息变量。为了进一步提高检测效果,采用LS-SVM分别基于SPA选择后的有效变量和全波段光谱进行建模。两个模型的预测确定系数(Rp2)均在0.9以上。SPA-LS-SVM的效果要优于全波段LS-SVM模型的效果。SPA-LS-SVM模型的Rp2达到了0.983,剩余预测偏差(RPD)值为6.963。表明可见-近红外光谱可以用于发动机润滑油含水量的检测。     

应用光谱技术快速测定发动机润滑油的粘度值

提出了一种应用可见近红外光谱技术快速测定发动机润滑油动力粘度值的新方法.对5种不同粘度的润滑油共150个样本进行光谱扣描,经过光谱预处理后应用偏最小二乘法(PLS)建立了润滑油动力粘度值的预测模型,并提取出前6个有效主成分作为最小二乘-支持向最机(LS-SVM)预测模型的输入变量,建市相应的最小二乘-支持向量机(LS-SVM)预测模型,采用径向基函数(RBF)作为核函数,超参数γ和RBF核函数参数σ2的最佧组合为)γ=27.321 2和σ2=3.229 5.用125个样本建模,25个样本验证.实验结果表明,LS-SVM模型比PLS模型能获得更满意的预测效果.说明应用光谱技术可以实现发动机润滑油动力粘度值的快速无损检测.     

氯化钠近红外光谱检测技术研究

氯化钠(NaCl)近红外光谱分析在生物医学上有着重要的意义。钠离子(Na+)是人体血液中电解质的主要成分,而电解质有助于维持身体的酸碱平衡。采用近红外光谱技术测量氯化钠浓度,在分析钠离子近红外光谱检测机理的基础上,选定波长建立了NaCl浓度线性回归预测模型,同时为了减小温度对水吸收的扰动,使用选定光谱区建立偏最小二乘(PLS)非线性回归模型。结果表明所建立的非线性校正模型决定系数(R2)=99.82%,交叉验证均方误差(RMSECV)=14.5,剩余预测偏差(RPD)=23.7。完全满足日常生化检测精度要求,该技术可以应用于医院实验室钠离子浓度定量分析。     

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。     

近红外反射光谱法测定PDA阳离子度的研究

以37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,用沉淀滴定法对PDA阳离子度进行测定,并进行近红外光谱扫描,分别采用特征峰和全波谱段作为输入层神经元,采用RBF神经网络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预处理,建立PDA阳离子度的近红外预测模型,并将预测值与沉淀滴定法测定值进行比较,其外部验证决定系数大于0.90,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。结果表明,采用近红外光谱数据建立的定标模型预测PDA阳离子度具有较高可行性。     

冷射流方法脱除单重态氧气流中的水汽

为提高化学氧碘激光性能,分别使用-117 ℃乙醇、-110 ℃氟里昂和-45 ℃质量分数为50%过氧化氢冷射流进行单重态氧气流中的水汽脱除实验。实验结果表明:这3种冷射流的除水效果并不显著,乙醇基本上没有任何脱水效果,氟里昂和过氧化氢仅可以将水汽含量分别降低至原来的约1/5和1/4;乙醇和氟里昂因极易挥发而对气流产生严重干扰,并不适合用于除水;只有难挥发的过氧化氢才是合适的候选。     

冷射流方法脱除单重态氧气流中的水汽

为提高化学氧碘激光性能,分别使用-117 ℃乙醇、-110 ℃氟里昂和-45 ℃质量分数为50%过氧化氢冷射流进行单重态氧气流中的水汽脱除实验。实验结果表明：这3种冷射流的除水效果并不显著,乙醇基本上没有任何脱水效果,氟里昂和过氧化氢仅可以将水汽含量分别降低至原来的约1/5和1/4;乙醇和氟里昂因极易挥发而对气流产生严重干扰,并不适合用于除水;只有难挥发的过氧化氢才是合适的候选。