直接紫外分光光度法测定地下水中的硝酸盐氮

未受有机污染的地下水的溶解物中,只有硝酸盐强吸收紫外光.对硝酸盐氮浓度在1-36mg/L的标样系列在220-240nm波长下的紫外吸收进行了测定,确定最佳测定波长为236nm.在此波长下,测得高、中、低3种浓度水样的精密度(RSD)分别为0.10%、0.22%、0.37%,加标回收率分别为98.3%、99.7%、102.0%.Cl-、SO2-4、HCO-3等水中其他离子的干扰非常小.     

紫外分光光度法测定硝酸盐氮时消除铁离子干扰的新方法

在未受有机物污染的体系中,采用吸光度校正法可以准确快捷的消除铁离子的干扰.铁离子在220nm和275nm处都有吸收,而且这两个吸光度之间具有A220,Fe3+=3.8A275,Fe3+的线性关系.利用硝酸根在275nm处没有吸收,将A220,Fe3+从水样在220nm的吸光度值中扣除后即得到水样中硝酸盐氮的浓度.     

紫外分光光度法测定岩盐中的硝酸盐

沸水溶解岩盐样品,过滤除去水不溶物,紫外分光光度法分别测定滤液在220nm和275nm处的吸光度值,计算出样品中NO3-含量。结果表明,3种不同类型岩盐样品中NO-3的回收率为98.0%—102.0%,相对标准偏差为1.03%—2.92%（RSD,n=5）。与百里酚分光广度法和离子色谱法相比,紫外分光光度法简单快速,准确度、灵敏度、精密度高,适用于岩盐样品中硝酸盐含量的快速检测。     

紫外吸收光谱法研究硝酸盐溶液

分析硝酸盐溶液的紫外吸收光谱,对于人类健康、环境治理等问题具有重要意义。水中氮含量超过一定标准,会造成水体富营养化,引起水体污染,水质开始恶化,并伴有腥臭味,对人体健康非常不利。实验表明,硝酸盐溶液的紫外吸收光谱谱线在200—240nm内具有明显的吸收峰,浓度处于1—7mg/L之间,吸光度正比于溶液浓度。在200—240nm范围内确定了线性程度最好的波长点为220nm。经过一元线性回归建模,获得220nm处的回归直线关系式,它的相关系数为0.9974,回归系数的标准误差分别为0.022307和0.005152。整个结果为水中氮测定及其特性研究、光电检测提供了科学参考。     

基于PCA和BP神经网络的硝酸盐氮浓度检测方法

针对紫外分光光度法（UV法）检测混有干扰物质的硝酸盐氮溶液浓度精度不高的问题,提出一种基于主成分分析（principal component analysis,PCA）和BP神经网络的硝酸盐氮浓度检测方法。通过微型光谱仪物质成分检测系统测得硝酸盐氮试剂在196 nm～631 nm波段的吸光度数据,分为测试集和训练集。通过PCA计算训练集,得到主成分。根据BP算法搭建三层人工神经网络。将所得主成分除以8后输入网络展开训练。训练过程中采用留一法交叉验证。用该模型计算训练集和测试集,所得值与真实浓度的平均相对误差分别为2.411 5%和1.553%。实验结果表明,该方法能较好检测出混有干扰物质的硝酸盐氮溶液浓度。     

全自动水质分析仪快速定量检测地表水中硝酸盐氮和亚硝酸盐氮

利用新型的Thermo Scientific Gallery全自动水质分析仪,检测过程中自动完成加样本、读空白、加试剂、反应显色、比色检测和数据处理等步骤。检测方法来源于美国环保署标准水质检测方法。该仪器具有样品和试剂耗量少、灵敏度高、重复性好等优点,检测过程容易实现自动化、标准化和信息化,适用于水质和环境检测领域大量样品的快速检测。     

基于SG-Lasso-PLS融合算法的水体硝酸盐氮紫外光谱检测研究

硝酸盐氮(NO₃-N)是水中“三氮”(硝酸盐氮、亚硝酸盐氮、氨氮)之一,能够反映水体受污染的程度,是水质评估的一项重要指标。水体中的硝酸盐氮浓度过高不仅会导致水环境污染加重,而且会对人畜及水产构成较大威胁。传统的硝酸盐氮检测必须先反应后测定,具有时间长、操作复杂、有二次污染等缺点。光谱法具有快速、无损、无试剂消耗等显著优点。针对硝酸盐氮难以快速检测的问题,提出了一种基于紫外吸收光谱的快速定量分析硝酸盐氮的方法。采集42份浓度为0～20 mg·L^-1的硝酸盐氮标准溶液样本的紫外吸收光谱,每份样本经11次平均处理以减少仪器噪声和环境的影响。采用SPXY算法按照7∶3的比例划分训练集、测试集,对紫外吸收光谱数据使用Savitzky-Golay(SG)滤波算法进行预处理,通过10折叠交叉验证获得套索回归(lasso regression)合适的正则化参数λ=0.203 6,再使用Lasso回归在全光谱范围内筛选出与硝酸盐氮相关的光谱特征波长,将特征波长处的吸光度与样本浓度进行偏最小二乘(PLS)拟合建立硝酸盐氮的回归模型。采用此建模方法所建立的模型训...     

二阶导数光谱法快速测定硝酸盐氮和亚硝酸盐氮

紫外吸收方法中，硝酸盐氮(NO-₃-N)的紫外吸收峰在202.0 nm左右，而亚硝酸盐氮(NO-₂-N)的紫外吸收峰在210.0 nm左右，两者吸收峰位置距离很近，因此，在分析过程中两者的紫外吸收曲线严重重叠，相互之间严重干扰，不经过分离很难用单波长对二者的含量进行测定而常用的国标方法过程又过于繁琐，耗时较长。为了准确、快速、环保的实现环境水体和饮用水中的硝酸盐氮和亚硝酸盐氮快速监测，避免国标方法中对二者测定的诸多不足，结合紫外吸收和二阶导数光谱法，在不经过任何预先分离处理的情况下，建立了水体中这两种物质的快速分析方法，实现水样中二者的快速准确测定。研究采用优级纯试剂配制硝酸盐氮和亚硝酸盐氮系列标准溶液。以去离子水做参比，采用紫外-可见光分光光度计扫描其在195～250 nm范围内的紫外吸收光谱，之后采用Origin软件对所获得的光谱图做二阶导数处理，并采用Origin软件中的Savitzky-Golay方法对处理后的二阶导数光谱进行平滑处理以去除其他无关的干扰和噪声。通过观察上述所得两组二阶导数光谱图，得出以下结论，不同浓度的亚硝酸盐氮样品在223.5 nm处吸光度的二阶导数均为0，不同浓度的硝酸盐氮样品在216.5 nm处的吸光度的二阶导数也均为0。通过实验可见硝酸盐氮和亚硝酸盐氮混合样品的紫外吸收光谱的二阶导数在这两个特定波长处符合朗伯比尔定律。实验通过配制硝酸盐氮和亚硝酸盐氮混合样品，并扫描混合样品的紫外吸收光谱，采用上述方法对所得光谱做二阶导数及平滑去噪处理。研究混合样品二阶导数光谱图可以看出在硝酸盐氮浓度相同而亚硝酸盐氮浓度不同时，亚硝酸盐氮的浓度变化会对硝酸盐氮的吸光度的二阶导数有影响，但是各种混合样品的二阶导数光谱在223.5 nm处几乎交叉于一点，说明此处亚硝酸盐氮的浓度不同不会对硝酸盐氮的二阶导数吸光度有影响。且在223.5 nm处硝酸盐氮二阶导数吸光度随浓度增加而线性增加。因此，223.5 nm可作为混合组分中硝酸盐氮的测定波长。参照以上方法，可得亚硝酸盐氮的测定波长为216.5 nm。在223.5 nm处对单组分的硝酸盐氮的浓度值及其相应的吸光度的二阶导数进行线性回归，其线性关系良好，得到标准曲线的回归方程为C=438.69A+0.015，R2=0.995 9。同理，得到亚硝酸盐氮在216.5 nm处回归方程为C=-657.29A+0.068 8，R2=0.998。为了验证这种方法在实际水样测量中能否成立，取秦皇岛市新河、汤河以及戴河三种河水水样进行实验验证，结果表明，回收率在96.7%～103.0%之间，相对标准偏差在1.46～3.68之间。该方法结果较准确，且操作更加简便，成本较低，可同时实现硝酸盐氮和亚硝酸盐氮快速在线监测。     

紫外分光光度法在检测磁化效果中的应用

用紫外分光光度法对几种物质分别作了经前后的吸收光谱,发现物质受磁化后其吸收峰的位置不变,但吸收强度发生了不同程度的变化,而且不同的磁化时间有不同的磁化效果。     

水中亚硝酸盐氮测定条件优化

采用紫外分光光度法对嘉陵江水中亚硝酸盐氮的含量进行定量分析。优化测定条件,得最佳测定条件为：氢氧化锌处理水样,1g/L碱性品红2.00mL,反应时间20min。测得水样中亚硝酸盐氮平均含量为2.875mg/L。该方法试剂无毒,操作简便快捷,干扰小,适合水质中亚硝酸盐氮的定量分析。     

基于LLE-BPNN的小麦岛海水硝酸盐含量分析

水中过量的硝酸盐会造成部分水生生物难以存活、引发人类尤其是婴儿患病等危害, 因此硝酸盐浓度成为水质检测中的一项重要指标。传统的硝酸盐浓度测量方法操作复杂、反应缓慢,近年许多研究人员开始通过紫外可见（UV-Vis）光谱技术结合人工神经网络（ANN）的方法对水中硝酸盐的含量进行测量。提出了一种将流形学习（manifold learning）方法中的局部线性嵌入（LLE）与反向传播神经网络（BPNN）相结合的建模方法,用以得到硝酸盐光谱曲线与浓度间的关系,实现对青岛市崂山区小麦岛海水中硝酸盐浓度快速准确的定量分析。实验选取了过滤后的小麦岛海水配置59组不同浓度的加标溶液,采用实验室自主研制的光谱分析仪采集这些样本的光谱测量值,通过标准正态变换（SNV）方法对测得硝酸盐溶液的光谱数据进行校正处理,有效降低了由仪器本身或环境带来的噪声影响;选取预处理后的光谱数据的前1 500维处理后进行对比实验,以解决使用BPNN对全部2 048维数据建模时内存不足的问题,再通过网格搜索结合十折交叉验证的方法优化LLE中的邻近点数k和嵌入维数d,得到最优参数值k=15,d=3,实现对实验数据的降维处理;通过BPNN将降维后的训练集光谱信息与其对应的浓度信息进行建模,实现对预测集硝酸盐浓度定量分析,引入决定系数（R2）和预测均方根误差（RMSEP）评价建模效果,与直接使用BPNN建模预测的结果比较,改进方法的R2由0.926 3提升至0.992 8,RMSEP由0.442 5下降到0.280 4,建模预测程序的运行时间由327 s缩短至0.5 s。采用这59组数据的全部2 048维进行LLE-BPNN建模时,得到R2=0.995 7,RMSEP=0.136 5,在用时相近的前提下,相比仅使用前1 500维时的建模精度更好。分析结果表明,LLE-BPNN的方法可实现对海水中硝酸盐浓度的快速预测,使预测精度得到显著提升,同时能大幅降低预测时间。     

一种基于流形学习的近红外光谱分析建模方法

近红外光谱分析的重要内容之一是基于校正样品集建立光谱和化学成分或类别之间的回归模型。流形学习是一类新的机器学习方法,它能够揭示出复杂数据的本质维数,提取最重要的特征信息,并用于建立回归或分类模型。文章以近红外光谱为研究对象,针对近红外光谱数据维数高、谱带归属难以确定等特点,基于流形学习中局部线性嵌入(LLE)算法的思想,提出了一种最小二乘局部加权回归(LS-LWR)建模方法。最后,利用各种浓度葡萄糖溶液的近红外光谱,对该方法进行了验证。同时建立主成份回归(PCR)和偏最小二乘回归(PLSR)模型,通过计算预测标准偏差(SEP)与LS-LWR模型进行比较。实验结果表明,LS-LWR模型有更好的预测效果,而且具有模型简单、稳定性好和计算省时等优点。     

Spectrophotometry Determination of Nitrate Nitrogen and Nitrite Nitrogen in Sewage Sludges

Extraction followed by spectrophotometry was employed to determine nitrate and nitrite in sewage sludge. Recovery of added nitrate and nitrite was complete. The procedure was suitable for the determination of nitrate nitrogen and nitrite nitrogen in this matrix.     

导数-比导数紫外分光光度法同时测量水样中硝酸根和亚硝酸根的含量

在不需分离和掩蔽的条件下,在导数间隔因子为10nm,测量波长在200、210、220nm时,用导数-比导数法同时测定光谱重叠严重的水样中NO~-_2和NO_3~-含量,二者测定的标准回收率在95%—105%,6次测定的相对标准偏差小于3%,NO_2~-的浓度在0—13mg/L,NO~-_3的浓度在0—10mg/L符合线性关系。     

溴酸钾-亚甲蓝催化光度法测定硝酸盐和亚硝酸盐

用镉柱将NO-3 还原为NO-2 ,利用在磷酸介质中NO-2 对溴酸钾氧化亚甲蓝这一褪色反应具有强烈的催化作用而建立了同时测定痕量硝酸盐和亚硝酸盐的新方法。本方法简便、快速、灵敏 ,对亚硝酸盐和硝酸盐测定的线性范围分别为 0～ 2 0 0 μg·L-1和 0 0 0 3～ 310 μg·L-1,用于测定各种水样中痕量NO-2 和NO-3 的含量均获得满意结果     

紫外分光光度法测定水中酚

根据酚类在紫外区有吸收光谱的原理,以紫外分光光度法直接测定水中酚.通过实验结果表明,此方法简便快捷并有较高准确度、精密度.     

基于支持向量机测定水质中硝酸盐含量

针对水质中被测物硝酸盐与干扰物铁离子、铬离子紫外吸收谱线严重重叠的问题,将支持向量机应用于混合重叠光谱分析中,利用核函数将重叠的光谱数据进行高维空间变换后求得SVM回归模型,实现硝酸盐含量的光谱检测。实验结果表明:硝酸盐浓度在0.5—10mg/L范围内,所测得含量的最大相对误差为3.2%;平均回收率为100.9%,本法与传统的方法相比,要求条件较低,不需要物理或化学的分离,分析速度快,有望应用于在线监测污水中硝酸盐的含量。