拉曼光谱结合偏最小二乘法在柴油正丁醇快速定量分析中的应用

正丁醇具有互溶性好、挥发性低、价格低廉以及腐蚀性低等优势,被认为是理想的柴油添加物。柴油中正丁醇的精准定量分析对其品质快速评价与市场监督具有重要科学意义与实用价值。提出了一种基于拉曼(Raman)光谱结合偏最小二乘(PLS)的柴油中正丁醇快速定量分析方法。首先,采集了40个柴油样品的Raman光谱,并考察了不同预处理方法[一阶导数、二阶导数、多元散射校正、标准正态变换、归一化(Normalization)和小波变换]对PLS校正模型预测性能的影响;其次,采用变量重要性投影(VIP)对Normalization方法预处理后的光谱数据进行特征变量提取,并采用五折交叉验证优化VIP的阈值;最后,基于最优的光谱预处理方法、输入变量和模型参数,构建PLS校正模型对柴油中正丁醇含量进行快速定量分析,结果与基于原始光谱(RAW)和Normalization光谱的PLS校正模型的预测性能进行对比。结果表明：Normalization-VIP-PLS校正模型展现出优异的预测能力(R_CV²和RMSECV为0.998 4和0.236 2%:R²     

基于拉曼光谱的卵巢癌诊断研究

卵巢癌是一种发病率和致死率极高的女性妇科疾病。目前卵巢癌的临床诊断主要依靠病理学检测,超声法以及检测血液中肿瘤标志物CA125,但是上述几种方法都存在其固有的缺陷。本研究提出应用拉曼光谱结合偏最小二乘-判别分析(PLS-DA)模型,实现在分子水平上判别诊断卵巢癌。拉曼光谱在正常组织与癌组织之间存在反映其癌变过程物质结构变化的微小差异。因此,通过结合PLS-DA数据模型分析拉曼光谱信息,能够将微小差异放大化,捕获生物分子的显著特征。在研究中,模型的变量数目选择其分类错误率最小时的数值,即隐变量的数目为5,能够捕获大量的官能团特征性信息,通过分析隐变量的p值大小可知5个隐变量均可实现对正常组织与癌组织的有效区分,并且第一个隐变量具有最明显的区分结果。通过模型运算结果可知,该模型对卵巢癌判别的准确性达到85.2%(其中灵敏性为86.2%,特异性为85.4%)。研究结果表明,拉曼光谱技术,通过与PLS-DA模型相结合,可作为卵巢癌临床诊断中的辅助诊断方法,从分子水平上实现对卵巢癌的诊断判别。     

拉曼光谱结合偏最小二乘法测定血清胆固醇含量

以日常体检用血清样品为分析对象,采集了其拉曼光谱,波数范围为250～2 400cm-1,并对信号进行归属,与临床传统生化法测定得到的胆固醇含量对比,结合偏最小二乘法建立了血清胆固醇拉曼光谱定量模型(n=73)。结果表明,拉曼光谱能够表征血清中主要化学基团的信息。所建立的血清胆固醇定量校正模型的相关系数R为0.909 6,交叉验证校正标准差(RMSECV)为0.24;检验集(n=17)预测标准差(RMSEP)为0.69,相关系数r为0.926 2。证明了应用拉曼光谱技术结合偏最小二乘法建立血清胆固醇定量模型,用于未知血清样品胆固醇含量无损快速检测是可行的。     

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。     

利用拉曼光谱检测乙丙共聚物中乙烯含量

通过分析不同乙烯含量的聚丙烯样品的拉曼光谱,并结合偏最小二乘法(PIS),对聚丙烯中的乙烯含量进行了研究.对比聚乙烯和聚丙烯的拉曼光谱,分析了 50～600,600～1 600及2 700～3 100 cm-1 等三个特征谱段的拉曼光谱谱图;建立了乙烯含量的 PLSI 回归模型,发现利用 50～3 600 cm-1 全谱段拉曼光谱建立的乙烯含量模型的预测效果最佳,与近红外光游(NIR)的检测值结果相近,与真实值间的线性相关系数(r)、平均相对误差(RAI))和均方根误差(RMSE)分别为0.995,2.65%和0.319.对50～3 600 cm1 范围的拉曼光谱进行 PLS 分析,发现第一项 PLS 成分的载荷分布能够反映乙烯含量与聚丙烯分子结构间的关系,即与 CH2 的数量成正相关,而与CH3,C-H 和 C-C 键的数量成负相关.研究表明,利用拉曼光谱可实现乙丙共聚聚丙烯中乙烯含量的快速检测.     

拉曼光谱定量分析乙醇含量的非线性回归方法研究

传统拉曼特征峰峰比法一般采用线性回归法建立乙醇浓度与峰峰比的线性关系从而反演乙醇浓度实现乙醇定量分析,但仅在较低浓度范围适用。针对这一问题,采用自主研制的激光拉曼乙醇含量检测系统实验研究了不同浓度乙醇溶液拉曼光谱特征峰(非对称CH₂伸缩振动2 924.0 cm-1)与本底水峰(3 350 cm-1)相对强度关系,提出适用于大范围乙醇浓度测量的非线性回归分析方法。利用邻域平均算法去除拉曼光谱突变噪声,结合多点插值处理实现光谱基线校准。基线校准及归一化处理后,可有效消除突变噪声及强荧光背景的影响。分别采用二次多项式和e指数数学模型对拉曼峰值强度比随乙醇浓度变化关系进行非线性回归并与线性回归分析进行对比。结果表明,线性拟合相关系数约为0.991,线性回归模型乙醇浓度准确测量的适用范围为15%～60%;非线性拟合相关系数高于0.997,非线性回归模型乙醇浓度精确测量的适用范围为3%～97%。非线性数学模型可为乙醇溶液浓度定量分析提供理论基础,将该数学模型应用于乙醇含量检测系统,可实时反演较为精确的乙醇浓度,从而实现大浓度范围内具有荧光背景干扰的乙醇溶液快速、实时、准确的定量分析。     

拉曼光谱结合偏最小二乘同时测定烟草中叶黄素和β-胡萝卜素含量

色素是烟草中的重要组成成分,烟草的外观质量和内在品质都与色素相关。色素主要分为绿色素、黄色素和黑色素。在生长期,烟草中的绿色素主要是叶绿素,成熟期的烟草中黄色素则主要为叶黄素和胡萝卜素,黑色素则存在于成熟的烟叶中,或在调制和发酵的过程中产生。色素的检测对于烟草原料评价和成品质量都非常重要。鉴于烟草色素基于液相色谱的传统检测方法耗时较长、样品制备过程复杂,以及拉曼光谱操作简单、测定时间短、能提供有关分子官能团信息的特点,开发了一种应用拉曼光谱同时定量检测烟草中叶黄素和β-胡萝卜素的快检方法。烟草样品的有机溶剂提取物,密封在透明玻璃瓶中,将激光聚焦于瓶内溶液样品直接测定拉曼光谱。研究发现,不同于常见的514和785 nm激发波长,在短波455 nm激光作用下,可获得更理想的拉曼信号,光谱强度较高,荧光干扰较低。对色素萃取溶剂、焦平面与光学平台间的距离等实验条件进行了优化。考虑到不同检测日期仪器操作条件的变化可对拉曼光谱产生影响,以溶剂峰为内标峰,对光谱进行归一化处理,以校正因测定条件不稳定而引起的物理干扰。为了解决荧光干扰,以及色素分子之间的拉曼光谱干扰问题,采用偏最小二乘法（PLS）建立光谱分析的多元校正模型。建模中对波长区域以及光谱预处理方法进行了优化。研究结果表明,光谱归一化处理显著降低了因物理因素产生的光谱干扰,光谱求导运算对建模影响不大,而波长选择能明显改善模型的预测能力。利用798.2～1 752.8 cm-1波段建立叶黄素的PLS定量模型时,预测效果最佳,预测集的均方根误差（RMSEP）为6.68 μg·g-1;对于β-胡萝卜素,798.2～1 752.8 cm-1组合2 254.2～2 784.5 cm-1用来建模时得到的RMSEP最小,为2.56 μg·g-1。该方法操作简便、耗时少、结果准确可靠,为烟草样本中色素的定量分析提供了一种切实有效的新途径。     

拉曼光谱和MLS-SVR的食用油脂肪酸含量预测研究

为实现食用植物油中饱和脂肪酸、油酸、亚油酸含量的快速预测,对一批纯食用油以及不同比例两两混合油共91个样品进行了拉曼光谱检测,在800～2 000 cm-1范围内,通过基于寻峰算法的自动确定支点的基线拟合方法,对获得的光谱数据进行预处理,提取八个特征峰作为拉曼光谱的特征值。以这些特征值为输入,以样品油中实际饱和脂肪酸、油酸、亚油酸含量为输出,运用偏最小二乘回归(PLS)和多输出最小二乘支持向量回归机(MLS-SVR)方法,分别建立了可以同时预测三种脂肪酸含量的数学模型,结果表明MLS-SVR方法具有较好的效果。将MLS-SVR模型的预测结果与气相色谱法结果相比较,可得到三种脂肪酸的预测均方根误差分别为0.496 7%,0.840 0%和1.019 9%,相关系数分别为0.813 3,0.999 2和0.998 1;对未知样品三种脂肪酸的预测均方根误差不超过5%。表明,拉曼光谱和MLS-SVR相结合的食用油脂肪酸含量预测方法,具有快速、简便、无损、准确等优点,为食用油脂肪酸含量分析提供了一种可行的方法。     

拉曼光谱技术的汽油组分含量测定

为实现汽油中所含组分含量的快速测定,对93号、97号汽油,芳烃、烯烃、苯、甲醇、乙醇等几类物质,以及往汽油中添加几类物质后的410个汽油混合物进行拉曼光谱检测。将获取的原始拉曼光谱经过有效波段提取、平滑去噪、基线扣除、数据归一化等一系列预处理过程,最终提取出每个汽油混合样品光谱中所含的33个特征峰信息,依据现行的国标检测方法,以气相色谱法测定的汽油中各组分含量值为基础,结合化学计量学多重回归分析方法,建立了汽油组分含量测定模型。经过比较,使用多输出最小二乘支持向量回归机(MLS-SVR)建立的模型优于偏最小二乘(PLS)模型。MLS-SVR模型对汽油中芳烃、烯烃、苯、甲醇、乙醇测定精度均较好,预测均方根误差(RMSEP)分别为0.27%,0.30%,0.16%, 0.17%, 0.12%;相应的相关系数(r)为0.999 2,0.998 4,0.998 5,0.992 6,0.996 8。通过对未知混合汽油样品的测定,证明了该方法具有较好的推广预测精度,预测均方根误差不超过0.5%,能够满足工业中的测量需求。拉曼光谱结合多输出最小二乘支持向量机为汽油组分测定提供了一种高精确、快捷、方便的测定方法。     

最小二乘支持向量机结合中红外光谱测定甲醇柴油甲醇含量

采用中红外光谱法对甲醇柴油的甲醇含量进行检测分析。首先,对采集到的原始光谱进行预处理(标准正则变换、多元散射校正、一阶微分、二阶微分、Savitzky-Goly平滑),采用偏最小二乘法和最小二乘支持向量机建立了甲醇柴油的甲醇含量预测模型,并比较了不同预处理方法对模型预测能力的影响。实验结果表明,LSSVM的建模效果最佳,其预测集相关系数R~2为0.981 8,预测均方误差RMSEP为1.3917%(体积比)。因此,中红外光谱技术可用于甲醇柴油中甲醇含量的快速检测,且可以达到很好的效果。     

基于拉曼光谱技术的桑椹花色素苷快速检测研究

花色素苷是一种天然的水溶性黄酮类色素,具有多种药用价值,广泛存在于桑椹中,成为评价桑椹产品品质的重要指标。传统检测方法费时费力,因此实现花色素苷含量的快速检测对于桑椹产品的开发利用至关重要。该研究以桑椹中的花色素苷为研究对象,探索花色素苷与拉曼光谱特性之间的关系及拉曼光谱技术对其定量检测的可行性。对桑椹及3种花色素苷标准品的拉曼光谱进行了分析,其中可将545,634和737 cm-1处的峰位作为桑椹中花色素苷的拉曼特征峰,以此判断桑椹中是否含有花色素苷,并根据其峰值的高低来定性判断花色素苷含量多少。运用多元散射校正（MSC）、基线校正（airPLS）、归一化（Normalized）三种方法及其组合方法进行光谱数据预处理,并结合PLSR筛选最佳预处理方式。比较发现最佳预处理为airPLS+MSC+Normalized,其PLSR模型效果较好,建模集决定系数为0.97,RMSE_c为2.74,预测集决定系数为0.82,RMSE_p为13.69。基于airPLS+MSC+Normalized预处理后的光谱,采用竞争性自适应重加权算法（CARS）对光谱进行特征波长筛选,将筛选出的波长变量作为输入变量分别建立了PLSR模型和SVR模型,研究两种模型的预测效果。结果表明经过CARS处理的两种模型均能对花色素苷的含量进行准确预测,其中经过CARS变量筛选建立的SVR模型效果最好,建模集决定系数为0.98,RMSE_c为1.92,预测集决定系数为0.94,RMSE_p为4.70,预测精度较高。因此拉曼光谱技术可以实现对桑椹中花色素苷含量的快速、准确预测。     

拉曼光谱结合偏最小二乘的甲醇汽油甲醇含量快速定量分析方法研究

甲醇汽油是一种用以替代传统汽油的新型燃料,其品质受到甲醇含量的严重影响.因此,甲醇汽油中甲醇含量的快速分析对其品质把控具有深远意义.基于拉曼光谱(Raman)结合偏最小二乘(PLS)建立了一种甲醇汽油中甲醇含量快速定量分析方法.采用激光拉曼光谱仪对49组甲醇汽油样品的Raman光谱进行采集,并进行光谱解析.比较了五种光...     

基于拉曼光谱技术的蜂王浆品质定量模型研究

蜂王浆是一种具有抗氧化、抗衰老、调节心血管系统和免疫功能的纯天然营养保健食品,近年来在食品、生物医学等领域广泛应用。由于蜂王浆的采集过程费时费力且没有快捷简便的方法检测其品质,使得市场上的蜂王浆产品质量参差不齐,因此实现蜂王浆品质的快速鉴别就显得至关重要。该研究以蜂王浆的水分和蛋白质为研究对象,利用拉曼光谱技术结合主成分回归算法(PCR)和偏最小二乘法对蜂王浆进行了快速定量检测,建立了水分、蛋白质的定量模型,探究对其定量分析的可行性,并进行光谱预处理以提升模型的预测能力,使其预测准确性更高。蜂王浆中水分和蛋白质化学值的测定分别采纳蜂王浆国家标准规定的减压干燥法和凯氏定氮法。蜂王浆光谱的采集则是由DXR激光共焦显微拉曼光谱仪测得。应用TQ Analyst分析软件对蜂王浆光谱进行预处理及建立定量分析模型。其中光谱预处理包括导数、标准正态变换、多元散射校正、Savitsky-Golay卷积这四种光谱预处理法,并按一定关系排列组合成多种不同的预处理方法,对蜂王浆样品光谱进行数据处理,寻找出最优的模型与处理方法。结果表明,利用主成分回归法建立蜂王浆水分和蛋白质的定量模型效果不理想,水分的定量模型结果表明,Savitsky-Golay平滑（7）处理校正集决定系数最高但也仅为0.741 3,预测集决定系数为0.661 6,RMSEC为0.656,RMSEP为1.34,建模效果差。蛋白质的PCR定量模型结果表明,Savitsky-Golay平滑（7）处理相较之下最优,校正集决定系数0.675 0,预测集决定系数为0.566 8,RMSEC为0.548,RMSEP为0.957,建模效果较差。因此,基于PCR所建模型对蜂王浆水分、蛋白质的含量有一定的预测可能性,但建模效果较差,预测准确度低,稳健性差。而结合偏最小二乘法并进行S-G（7）+二阶导数+SNV处理对蜂王浆水分建模效果最好,水分含量校正集和预测集的决定系数分别为0.992 7和0.948 8,RMSEC和RMSEP分别为0.162和0.442。蛋白质的PLS定量模型,通过对多种预处理组合处理结果进行对比,S-G（7）+一阶导数+SNV处理对蜂王浆蛋白质建模效果最佳,蛋白质含量校正集和预测集的决定系数分别为0.991 6和0.879 5,RMSEC和RMSEP分别为0.143和0.497,建模效果好。因此,利用拉曼光谱结合偏最小二乘法快速检测蜂王浆中水分和蛋白质的含量是可行的,且所建定量模型稳健性良好,预测准确度高。通过上述实验可总结得出,在一些不可避免的外界因素影响下,将多种预处理方法组合起来可以提高模型的准确性和稳健性,比用单一的光谱预处理方法修正光谱更加有效,优化效果更加明显,且有效提升了模型的各参数,更好的提高了模型预测的准确性。同时表明了,拉曼光谱技术应用于蜂王浆品质的快速检测是可行的,且检测准确度高,速度快,在蜂王浆品质的快速检测方面展现了很好地应用前景。     

中红外光谱检测不同浓度乙醇柴油性能指标

利用中红外光谱和化学计量学实现了对乙醇柴油各项性能指标的定量分析。实验样品96个,为32种不同浓度的乙醇柴油溶液。采用S-G平滑、MSC、微分处理(1stD和2ndD)、SNV等四种方法对光谱数据进行预处理,并结合八种波段筛选方法(UVE,CARS,SPA,RPLS,UVE-SPA,UVE-CARS,SPA-CARS,UVE-SPA-CARS)对乙醇柴油MIR光谱数据进行处理,分别建立乙醇柴油密度、粘度、乙醇含量的PLSR模型,得出以下主要结论：综合比较八种变量筛选方法,发现UVE-SPA-CARS-PLS对乙醇含量的建模效果最好,模型预测集的R_p和RMSEP分别为0.978 1和0.825 5。变量筛选较原始光谱建立的模型来说,不仅模型输入数量减少,预测效果也有所提高。     

氟虫氰表面增强拉曼光谱的密度泛函理论研究（英文）

2017年8月初,荷兰发现大范围鸡蛋受杀虫剂氟虫腈污染。用拉曼光谱检测的方法对解决氟虫腈检测问题做了一定的探索。为了获得氟虫腈分子的分子结构振动信息,根据密度泛函理论中的B3LYP杂化泛函和6-311G++(d,p)基组,对氟虫腈分子进行了几何结构优化和频率计算,得到了该分子的稳定构型和全部振动模式,计算了氟虫腈分子稳定构型的拉曼散射光谱。利用HORIBA公司的T64000型光栅共聚焦显微拉曼光谱仪采集了FP的拉曼光谱并配合使用Ag/Cu纳米基底采集了表面增强拉曼光谱,较强峰出现在211,308,350,867,1323和1432 cm-1处,次强峰出现在254,407,443,463,511,607,646,712,800,1065和1639 cm-1处。结果表明,理论计算得到的振动频率与实验测量值在全部较强峰处和部分次强峰处吻合的较好。并对FP分子200~2000 cm-1区间内各频率谱线对应的振动模式进行了归属指认,6个较强峰依由小到大的次序分别指认为21H-22H蜷曲振动,10F-11F变形振动和21H-22H面外摇摆振动,15N-22H蜷曲振动,6C伸缩振动和21H面内弯曲振动,苯环呼吸振动和9C伸缩振动,7H-8H面内弯曲振动。发现表面增强拉曼光谱相对于拉曼光谱整体有微小的频移,两者整体吻合较好,表面增强拉曼光谱中211,867,1400和1432 cm-1处的峰得到了选择性增强,根据表面增强拉曼光谱的选择定则,解释为相关振动峰的原子与银衬底表面或许为接近垂直的状态,并可能与银表面吸附。下一步计划将氟虫腈混入鸡蛋中,对氟虫腈在鸡蛋中不同浓度情况下进行指认研究。研究结果可为氟虫腈的拉曼光谱分析提供理论依据,将促进食品和农产品中氟虫腈残留的快速检测和在线检测研究。将拉曼光谱作为对传统化学检测方法的补充。     

基于可见-近红外光谱技术预测茶鲜叶全氮含量

为快速无损监测茶树氮素营养及其生长状况,基于可见-近红外光谱技术建立了茶鲜叶全氮含量的预测模型。以茶鲜叶为对象,田间试验使用便携式光谱仪采集叶片漫反射光谱信息,通过不同预处理和统计分析,建立茶鲜叶全氮含量预测的光谱模型。试验共采集111个样品,其中86个样品作校正集,25个样品作预测集。通过一阶导数与滑动平均滤波相结合的预处理方法,用7个主成分建立的偏最小二乘模型最好,其校正集均方根误差(RMSEC)为0.097 3,预测集的相关系数为0.888 1,预测均方根误差(RMSEP)为0.130 4,预测的平均相对误差为4.339%。研究结果表明,利用可见-近红外光谱技术可以很好地预测茶鲜叶全氮含量,对于快速实时监测茶树长势和施肥管理具有重要指导意义。     

单细胞喇曼光谱分析高渗环境对酵母乙醇发酵代谢的影响

应用喇曼光谱和单细胞分析技术监测非发酵底物形成的不同高渗透压对酿酒酵母乙醇发酵的影响,及发酵过程胞内主要生物大分子的变化动态,以期从光谱学角度获知酵母细胞乙醇耐受的分子机制.结果显示,渗透压的升高明显延缓酵母细胞的生长、底物消耗和产物生成,但在2.0mol/L山梨醇下乙醇的最终产量高于对照组.主成分分析显示,不同渗透压主要影响酵母细胞光谱的1 300~1 306和1 443cm-1等源自脂类物质的喇曼峰,说明渗透压影响了胞内脂类物质的合成.主特征峰强度的动态变化显示,高渗透压会显著影响782、1 301、1 602和1 657cm-1峰所表征物质的合成时间和强度,进而影响细胞的代谢方向.结果表明耐高渗菌株能适应高渗环境,调整胞内组分含量,实现高产发酵.