无机盐混合溶液的太赫兹光谱定量分析

太赫兹生物医学是当前光谱研究领域的前沿热点,其主要难点在于如何在有效避免水分干扰的同时,实现复杂生物体系组分的精准分析。太赫兹光谱产生于分子振动的信息,其吸收谱较弱,吸收峰严重重叠,且多组分复杂样品的太赫兹光谱往往不是各组分光谱的简单叠加,难以用传统的峰高、峰面积标定技术进行定量计算。但采用多元校正技术可以方便地实现太赫兹光谱的定量分析,使太赫兹光谱成为一种快速、简便且适用范围广泛的分析技术。以KCl和NaCl的无机盐混合体系为典型研究体系,两种组分的浓度范围均为0.1～2 mol·L-1,浓度间隔为0.1 mol·L-1。获取20组浓度配比不同的混合溶液的吸收系数和折射率,巧妙利用水溶液体系中无机金属离子的水合氢键作用,由此采集无机盐溶液体系的太赫兹时域光谱,提取各组分的特征信息,建立多尺度数据驱动的定量分析模型,有望实现水溶液中无机金属离子的定量分析。针对太赫兹光谱数据规模大、基质干扰强及数据关联复杂等特点,构建复杂二维小波变换、多变量筛选、贝叶斯数据挖掘、深度学习和数据关联性分析技术为一体的算法数据库,由此构建基于多尺度数据驱动的太赫兹光谱解析方法。论文依据正交实验的原则,构建具备良好数据结构特征的混合溶液数据集,引导后续的光谱解析方法准确提取无机金属离子水合氢键信息。在此基础上,发展自适应算法,寻找光谱数据变量与浓度间的关系,并采用变量筛选技术,从原始光谱数据中提取无机盐水合氢键的特征信息,最终构建浓度与特征信息之间的数据驱动模型。计算结果表明,KCl和NaCl组分的预测误差分别为8.0%和9.1%,能有效满足大部分应用的检测精度要求。多尺度数据驱动模型方法充分利用太赫兹光谱信号的时域和频域多尺度特性,实现数据预处理与多元校正的一体化运算以避免重要信息丢失,具备高度自适应特征。因此,基于数据驱动建模的太赫兹光谱分析新方法为太赫兹生物医学研究提供了新思路。     

基于Elman网络的近红外光谱技术多组分定量分析研究

研究了Elman神经网络(反馈神经网络,Recurrent Network)在近红外光谱定量分析中的应用。以饲料样品为实验材料,采用Elman网络建立了饲料中苯丙氨酸(Phe)、赖氨酸(Lys)、酪氨酸(Tyr)和胱氨酸(Cys)四种氨基酸含量的近红外光谱定量分析模型。用偏最小二乘法(partial least squares ,PLS)将原始数据压缩为主成分,取前3个主成分的12个吸收峰值输入Elman网络,网络中间层神经元个数为47。Elman网络模型对样品4个氨基酸含量的预测决定系数(r2)分别为0.960,0.981,0.979,0.952。表明所建Elman网络预测模型通过近红外光谱能够较准确预测饲料中苯丙氨酸、赖氨酸、酪氨酸和胱氨酸四种氨基酸的含量,为通过近红外光谱技术进行多组分定量分析提供了新思路。     

多组分复杂体系光谱多元定量分析方法研究

为解决多元分析方法建模成本高及适用性差,严重制约其在光谱分析领域大量应用的难题,提出了一种新的多元定量分析方法。以汽油及其甲基叔丁基醚（MTBE）溶液的红外光谱为研究对象,使用五种汽油及其窄馏分建立背景光谱空间,用斜投影算法分离出混合光谱中纯MTBE光谱分量,建立纯光谱响应值与浓度之间的标准曲线,相关系数为0.995 2,截距仅为0.025,实现了多组分复杂体系中待测物的定量分析。与正交投影方法比较,新方法对五个预测样本的预测结果明显优于正交投影法。对17个实际油样的预测结果显示,新方法比PLS模型具有更好的适用性。新方法无需收集大量样本和建立复杂模型,方法简单,准确,适用性好。     

多组分金属催化剂表面漫反射紫外可见光谱研究

研究了二氧化碳加氢甲烷化二组分、三组分担载型金属催化剂表面漫反射紫外可见光谱（ＤＲＵＶＳ）。根据ＤＲＵＶＳ提供的信息,揭示了催化剂组分间相互作用结果对催化活性的影响;不同助剂量催化剂ＤＲＵＶＳ特征强度与催化活性间定量关系也得到合理确定 。     

针对水质监测的紫外-可见光谱双光程融合优化算法

紫外-可见光谱法多参数水质在线监测系统面对复杂水体时,常需要频繁改变探头光程以保持光谱较高的信噪比。然而,适合的光程往往需要大量实验才可确定,难以满足在线监测系统对实时性、精度、灵敏度、稳定性等的实际需求。研究了一种紫外-可见光谱双光程融合优化算法,将同时采集的长短两种光程光谱使用了滑窗法估计它们光谱噪声方差分布,确定光谱强噪声区间;由于长短光程光谱的信号强度不同,使用了遗传算法计算得到双光谱融合的最佳增益匹配倍率;最后,按噪声方差分布使用分段加权方式得到较高信噪比的双光程融合光谱。实验结果表明,利用该法对重庆长寿湖水样、嘉陵江某排污口及邻苯二甲酸氢钾标准溶液三种样本进行测试,其融合光谱在200～250 nm区域的强噪声得到抑制,零值干扰左推至220 nm之前,样本的峰值信噪比均有显著提高,证明了算法的有效性和普适性。该算法无需大量实验以获得最佳光程,对于拓宽紫外-可见光谱水质在线监测系统的应用范围具有较为重要的现实意义。     

基于主成分分析的复杂光谱定量分析方法的研究

针对超短脉冲激光与气体相互作用产生的非线性荧光光谱的特点,提出了光谱分析的预处理、特征提取以及定量分析的有效方法.采用小波算法对光谱数据进行压缩和降噪处理,使光谱数据由3979点压缩降噪至664点.对处理后的光谱特征峰团的强度进行主成分分析,结果表明2个主成分即可包含98%的光谱信息.采用第一主成分对不同浓度下的谱线强度进行拟合与误差计算,有效地提取了与气体浓度有关的特征参量.实现了气体的定量分析.同已有的定量分析方法相比,定量分析的精度有较大提高,特别在所关心的低浓度情况下,定量分析的精度改善更为明显.3种气体的拟合与计算显示同以往方法相比误差由0.2694降为0.02.     

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%。     

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。     

紫外-可见光谱法测定高锰酸盐指数的研究

高锰酸盐指数(COD_Mn)是反映饮用水水源受到有机污染的一项重要指标,现行的国标测定法为滴定法。本文探索研究了紫外可见光谱法测定地表水中高锰酸盐指数的新方法。内容包括:测定波长的选择、H₂SO₄用量的影响、KMnO₄浓度和用量的影响、加热温度和时间的影响、方法的线性关系以及与滴定法的对比试验。通过研究,得到方法的优化测定条件:测定波长为525 nm,25% H₂SO₄的用量为5.00 mL,0.012 50 mol·L-1 KMnO₄标准使用液的用量为2.00 mL,加热温度为100 ℃,加热时间为30 min。方法用于了嘉陵江、长江水中高锰酸盐指数的实际分析,获得了满意的结果。研究结果表明与国标法相比,本法具有快速、易操作、灵敏度高、精密度好、试样量少,成本低、易实现水质在线监测等特点,是一种环境友好的监测分析新方法。     

分组全连接的近红外光谱定量分析网络

全连接网络作为深度学习中的一种典型结构,几乎在所有神经网络模型中均有出现。在近红外光谱定量分析中,光谱数据样本数量较少,但每个样本的维度高。导致了两个问题：将光谱直接输入网络,网络的参数量会十分庞大,训练模型需要更多的样本,否则模型容易进入过拟合状态;在输入网络前对光谱进行降维,虽解决了网络参数量过大的问题,但会丢失一部分信息,无法充分发挥网络的学习能力。针对近红外光谱的特性,提出了一种分组全连接的近红外光谱定量分析网络GFCN。该网络在传统的两层全连接网络的基础上,用若干个小的全连接层替代第一个全连接层,克服了直接输入光谱导致网络参数量过大的缺点。采用Tecator和IDRC2018数据集对该方法进行测试,同时与全连接网络FCN和偏最小二乘PLS两种方法进行对比。结果显示：在两个数据集上,GFCN预测效果均优于FCN和PLS。在只有少量样本参与建模的情况下,GFCN依然能够保持较高的预测效果。表明,GFCN可以用于近红外光谱的定量分析,并且适应样本较少的场景,具有重要的研究价值和广泛的应用场景。     

紫外光谱重叠的多组分混合物体系的同时定量测定

提出一种可将紫外吸收光谱严重重叠的混合物体系准确定量分析的方法。该方法利用系统聚类结合加和性检验而得的优化波长集合有效地降低了混合物光谱的相关性。通过选取优化波长集合内的波长点的信息,把吸光系数和待测浓度同时作为自变量,建立非线性优化模型,对于组分间浓度差较小的混合物体系经一次优化分析计算可得待测浓度;混合物中组分浓度差较大的体系经四次左右优化迭代,逐步降低误差的分析结果,相对误差可控制在3.63%之内。分析结果表明该法稳定、准确、简便快速,可对多组分混合物体系进行定量测定。     

近红外光谱定量分析的改进ELM算法

极限学习机理论(extreme learning machine, ELM)作为一种新的化学计量学方法,在近红外光谱定量分析中的应用研究,已引起学术界的高度重视。然而,由于光谱数据维数较高,建立ELM模型时需要大量的隐节点,导致隐含层输出矩阵维数高且存在高度共线性,用现有的Moore-Penrose广义逆算法求取隐含层输出矩阵与待测性质间的回归模型往往会存在病态问题。基于ELM建立光谱波长变量与性质之间的回归模型,提出以ELM模型隐含层输出矩阵作为新的变量,采用作者最新提出的基于变量投影重要性的改进叠加PLS算法(stacked partial least squares regression algorithm based on variable importance in the projection,VIP-SPLS),建立新变量与待测性质间的回归模型。VIP-SPLS算法充分利用了每个隐节点的输出信息,能有效解决高维共线性问题,同时具有模型集成的优点,从而改进了ELM模型的性能。将提出的改进ELM算法(improved ELM,iELM)应用于标准近红外光谱数据集,结果表明iELM模型的精度相对于现有的PLS模型和ELM模型分别显著提升了29.06%和27.47%。     

基于连续光谱分析的在线水质检测信号处理研究

在线光谱水质检测仪器是现代水资源环境监测技术的重要发展方向之一,具有多参数监测和准确度高、重复性好的技术优势,然在线被测水样的光谱信号处理是其关键核心技术,为此,基于连续光谱分析,建立了在线被测水样光谱测量信号的数学模型,提出了基于双波长光强比值不变性的光谱测量信号系统误差处理方法,并结合小波多分辨率滤波噪声处理技术,系统研究了基于在线被测水质参数光谱特征的背景干扰处理方法。以上信号处理方法应用于自主研制的多参数光谱水质监测仪器,在线检测标准环境水样及实际环境水样中的化学需氧量、六价铬和阴离子表面活性剂等水质参数,并与国家标准分析方法展开了现场对比测试,仪器的关键参数重复性(相对标准偏差RSD≤10%)与准确度(实际水样比对试验相对误差A≤10%)均达到并优于国家环境保护技术标准要求,表明该信号处理方法能够有效消除在线水质检测光谱测量信号的系统误差及噪声与背景干扰,对于提升光谱水质监测仪器的技术性能具有重要的作用。     

基于紫外光谱分析的水质监测技术研究进展

基于紫外光谱分析的水质监测技术具有实时在线、无试剂、无需样品预处理、无二次污染、体积小、成本低等特点,在对饮用水、地表水、工业废水等水体的在线监测中具有显著优势,已成为现代水质监测技术的一个重要发展方向。本文介绍了基于紫外光谱分析的现代水质监测技术的原理、特点、现状及发展的新趋势,并提出亟待解决的关键技术问题。     

光谱分析的葡萄酒掺水鉴别方法

葡萄酒市场的迅猛发展,大量的中国优质葡萄酒也一直受假冒葡萄酒的侵害。假冒劣质葡萄酒的存在不仅影响中国优质葡萄酒的品牌,也会对人体产生一定的伤害。葡萄酒中掺水掺伪是制造假酒的最常见的手段,因此,对葡萄酒掺水掺伪的检测方法的研究也越来越受到国内外学者的重视。相比于传统的感官鉴定法、理化指标分析检验方法,具有快速、高效、无需破坏样本、非接触性等独特优势的可见-近红外光谱分析技术,更加适合于葡萄酒品质的快速检测。为了快速、准确的检测葡萄酒掺水问题,基于可见-近红外光谱构建了一种反映葡萄酒掺水程度的光谱吸收深度指数(DI),并设计构建了基于DI指数的葡萄酒掺水量的反演估算模型。首先采用长城解百纳葡萄酒(CC)、张裕解百纳葡萄酒(ZY)和西奥葡萄酒(XA)三种葡萄酒配制葡萄酒样本,分别提取相同量的葡萄酒作为实验对象,掺入比例为0%(未掺水的纯葡萄酒),4%,7.7%,11.1%,14.3%,17.2%的蒸馏水,获取样本共18份;另外对长城葡萄酒加大掺水比例,分别掺入比例为0%,20%,40%,60%,80%,90%的蒸馏水,获取样本数为6份,共获得24份掺有不同比例蒸馏水的葡萄酒样本。然后利用PSR-3500便携式地物光谱仪采集葡萄酒样本光谱数据,并对葡萄酒样本的原始光谱数据进行S-G滤波、特征波段选择、包络线去除等特征增强预处理;通过分析预处理后的葡萄酒样本的可见-近红外光谱特征,选取能反映葡萄酒掺水程度的837 nm处稳定的吸收特性,构建了葡萄酒掺水的光谱吸收深度指数(DI)。为了提高光谱吸收深度指数DI的稳健性,DI指数中光谱反射率的值均采用837 nm附近微小邻域均值进行计算。最后采用二次多项式拟合方法,给出了基于DI指数的葡萄酒掺水量的反演估算模型。选用长城解百纳葡萄酒在837 nm处微小邻域内光谱吸收深度指数DI值,同时选择长城葡萄酒样本中的七个样本作为模型预测集,另外4个样本作为测试集,对该葡萄酒掺水量的反演估算模型进行验证分析。实验结果表明,采用二次多项式拟合方法,该模型结果的精度R平方高达0.999 2,且该模型的估算值与真实值的平均相对误差为0.042 5,表明了基于DI指数所构建的反演估算模型不仅可以判定待鉴别葡萄酒是否掺水并且可以定量分析葡萄酒的掺水量。光谱吸收深度指数DI构建简单,且能够反映不同品牌的葡萄酒的掺水稀释程度。研究结果可为低成本、手持式简易的葡萄酒光谱检测设备的设计与研发提供科学依据,进一步促进可见-近红外光谱分析在葡萄酒品质无损检测及相关领域的应用推广。     

基于紫外-可见光谱的水质TOC定量分析方法

地表水资源安全关系到国民健康、生态环境稳定和经济可持续发展,具有重要战略意义.总有机碳(T OC)是一种衡量水体中有机物含量的综合指标,其在水环境监管和治理中具有重要价值.传统检测方法通过高温催化氧化测定水样中T OC含量具有耗时较长、操作复杂的局限性,紫外-可见光谱技术具有检测速度快、操作简单的优势,因而在水质在线检...     

激光诱导击穿光谱结合多元非线性方法定量分析土壤中锰

锰元素是植物所需的微量元素之一。采用激光诱导击穿光谱(laser-induced breakdown spectroscopy,LIBS)技术对土壤中锰元素进行定量分析。以46个土壤样品为研究对象,获取土壤激光诱导击穿光谱数据,选取锰元素403.1 nm的特征谱线为分析线。根据谱线强度与元素浓度建立定标曲线,相关系数仅为0.78,定标结果说明,由于土壤样品成分的复杂性,锰元素浓度受土壤基体效应影响严重,应根据锰元素在土壤中的存在形式,选取相关元素,建立多元非线性回归定量分析方法,消除基体效应,从而提高LIBS测量的准确性。在多元非线性回归方法中分别考虑碳和铁元素对锰元素浓度的影响。与定标曲线相比,在考虑碳和铁元素对锰元素影响时,LIBS预测浓度与参考浓度的相关系数为0.97,相对误差为3.2%～10.3%,测量的准确度得到提高。实验结果表明,将多元非线性回归方法和激光诱导击穿光谱技术结合可以对土壤中微量锰元素进行定量分析。     

基于偏最小二乘法判别分析与随机森林算法的牛肝菌种类鉴别

牛肝菌作为一种著名的野生食用菌,具有较高的食用价值和经济价值.牛肝菌种类繁多,不易区分,建立一种有效、快速、可信的种类鉴别技术,可为牛肝菌提高品质提供一种方法.本研究采集云南不同地区7种野生牛肝菌共计683株,获取样品中红外光谱和紫外光谱,分析不同种类牛肝菌平均光谱图特征.基于多种预处理组合(SNV+SG,2D+MSC...     

基于近红外光谱法的多组分复杂溢油源定量建模分析

研究利用近红外光谱分析方法进行模拟复杂混合溢油源的定量分析问题。选取汽油、柴油、煤油三种轻质石油类产品,按照不同浓度比例配置成40个模拟混合溢油样本,利用傅里叶变换近红外光谱仪采集其在4 000～12 000 cm-1谱区范围内的近红外光谱;采用不同预处理方法,利用偏最小二乘算法建立混合溢油样本三组分各自的浓度定量模型。汽油、柴油和煤油的最优预处理方法均为二阶导数方法,分别在8 501.3～7 999.8 cm-1,6 102.1～4 597.8 cm-1,6 549.5～4 597.8 cm-1,7 999.8～7 498.4 cm-1和6 102.1～4 597.8 cm-1谱区范围内,预测模型的决定系数R2分别为0.998 2,0.990 2和0.993 6;RMSEP值分别为0.474 7,0.936 1和1.013 1;RPD值分别为25.126 9,10.517 3和13.072 0。实验结果表明：利用近红外光谱分析技术结合化学计量学方法能够定量确定模拟混合溢油样本中各组分的浓度,为海洋复杂溢油源的定量检测与分析提供有效手段。