Simultaneous determination of iron and aluminium by differential kinetic spectrophotometric method and chemometrics

A differential kinetic spectrophotometric method was researched and developed for the simultaneous determination of iron and aluminium in food samples. It was based on the direct reaction kinetics and spectrophotometry of these two metal ions with Chrome Azurol S (CAS) in ethylenediamine-hydrochloric acid buffer (pH 6.3). The results were interpreted with the use of chemometrics. The kinetic runs and the visible spectra of the complex formation reaction were studied between 540 and 750 nm every 30 s over a total period of 285 s. A set of synthetic metal mixture samples was used to build calibrations models. These were based on the spectral and kinetic two-way data matrices, which were processed separately by the radial basis function-artificial neural network (global RBF-ANN) method. The prediction performance of these models was poorer than that from the combined kinetic-spectral three-way array, which was similarly processed by the same method (% relative prediction error (RPE_T) = 5.6). These results demonstrate that improved predictions can be obtained from the data array, which has more information, and that appropriate chemometrics methods can enhance analytical performance of simple techniques such as spectrophotometry.Other chemometrics models were then applied: N-way partial least squares (NPLS), parallel factor analysis (PARAFAC), back propagation-artificial neural network (BP-ANN), single radial basis function-artificial neural network (RBF-ANN), and principal component neural network (PC-RBF-ANN). There was no substantial difference between the methods with the overall %RPE_T range being 5.0-5.8. These two values corresponded to the NPLS and BP-ANN models, respectively. The proposed method was applied for the determination of iron and aluminium in some commercial food samples with satisfactory results.     

近红外光谱预测汽油辛烷值和辛烷值仪的研制

本文报道了用近红外光谱预测汽油马达法辛烷值,研究法辛烷值和抗爆指数的方法。用多重线性回归和偏最小二乘法回归建立辛烷值的预测模型。基于此模型,首次研制成功光学多道近红外辛烷值仪。     

浊度干扰下硝酸盐浓度紫外导数光谱检测方法研究

硝酸盐是水中“三氮”（硝酸盐氮、氨氮、总氮）之一,是反映水体受污染程度的一项重要指标。传统 “现场采样-离线分析” 的硝酸盐化学检测方法操作繁琐、耗时长,难以满足现代水环境实时在线检测需求。由于硝酸根在紫外区具有很强的紫外吸收特性,并且紫外吸收光谱法具有简便快速、可实现实时在线监测等特点,近年来被广泛用于硝酸盐浓度的测量。但使用紫外吸收光谱法检测水体硝酸盐含量时,容易受到水体浊度影响,造成谱线非线性抬升,导致测量误差。目前对浊度补偿算法的研究大都用于水中COD含量的检测,对硝酸盐检测中浊度干扰去除研究较少。为此提出一种基于一阶导数紫外吸收光谱的硝酸盐浓度测量方法,该方法可以减小浊度干扰,从而提高紫外光谱快速检测硝酸盐含量的准确度。通过测量福尔马肼与硝酸钠标准溶液和它们混合溶液在190~300 nm波段的紫外吸收光谱并做一阶导数光谱处理,处理后的光谱采用Savitzky-Golay滤波进行去噪平滑处理,比较浊度与硝酸盐紫外吸收一阶导数光谱特征,分波段研究浊度对硝酸盐紫外一阶导数光谱影响,结果表明硝酸盐导数光谱在220~230 nm波段受浊度影响小;选取220~230 nm波段作为光谱分析区间,以30种不同浓度混合的福尔马肼与硝酸钠溶液作为训练样本,利用偏最小二乘算法建立硝酸盐定量分析模型,使用该建模模型预测剩下的6种不同浓度福尔马肼与硝酸钠混合溶液中硝酸盐的浓度,结果表明福尔马肼干扰下硝酸盐测量结果的预测决定系数（correlation coefficient,R2）为0.994 3,预测均方根误差（root mean square error of prediction,RMSEP）为0.346 9 mg·L-1。为进一步验证该方法的准确性与稳定性,使用该建模模型预测高岭土与硝酸钾配制的混合水样中硝酸盐的浓度,结果表明该方法对高岭土干扰下硝酸盐测量结果的预测决定系数r2为0.991 5,预测均方根误差RMSEP为0.362 8 mg·L-1。综上所述,提出的硝酸盐浓度紫外导数光谱检测方法,采用220~230 nm波段的紫外导数光谱数据,结合PLS建模,可以快速准确测量在浊度干扰下水体硝酸盐的浓度,为发展实际水体硝酸盐在线监测技术与设备提供方法基础。     

SPA-PLS的高含水原油近红外光谱含水率分析

准确及时的检测原油含水率对注水策略调整、原油开采能力评估、油井开发寿命预测等均具有重要意义。然而,当前我国大多数油田均已进入高含水的开发中晚期,含水率测量难度大且准确率不高。在此背景下,开展了高含水情况下利用近红外光谱进行原油含水率测量的研究。 首先介绍了目前原油含水率检测的常用方法,分析了它们的优劣。理论上,由于水的近红外光吸收带与原油中C-H键的吸收带有明显区别,根据Lambert-Beer吸收定律和吸光度线性叠加定律可知,不同含水率高含水原油近红外光谱会存在较强响应差异。为此,对高含水原油进行近红外光谱检测,建立原油含水率与近红外光谱响应间的非线性映射模型,可实现高含水原油含水率的精确测量。为了验证该方法的有效性,搭建了近红外光谱数据采集实验装置：采用白炽灯作为光源,经过光路调节成平行光后垂直射入样品池,用近红外光谱仪（海洋光学NIR512）采集光谱用于分析。其中,接收光谱仪带宽为900～1 700 nm,平均分成512个波段。光谱数据利用光谱仪配套软件储存在电脑中。样本采用相同厚度不同比例的油水混合物,样本含水率范围为70%～99%,共采集数据60组,每组重复3次取平均值。得到原始数据后,先进行原始数据预处理,以减少数据采集时来自高频随机噪音及温度不稳定、样本不均匀、基线漂移、光散射等不利因素的影响。分别选用了S-G滤波、一阶导数和S-G滤波+一阶导数作为数据预处理的方法,利用连续投影算法(SPA)对光谱数据进行降维,并利用偏最小二乘法（PLS）和多元线性回归（MLR）进行建模,模型精度通过计算均方根误差值（RMSE）和相关系数（r）来验证。对比发现,使用S-G滤波+一阶导数建立的模型RMSE值最小（RMSE=0.007 0,r=0.998 3）。使用SPA降维后的模型要优于全波段PLS模型（RMSE=0.083 3,r=0.920 6）与MLR模型（RMSE=0.099 9,r=0.967 1）。利用SPA提取出的31个特征波长建立的模型仅占全波段的6.05%,并获得了较好的精度。证明了利用光谱检测高含水原油含水率可行性,并且得到了满意的精度,为高含水原油的含水率检测提供了新的方法, 为进一步利用近红外光进行高含水原油的快速检测与在线监测提供参考。     

基于i PLS的矿井突水激光诱导荧光光谱特征波段筛选

矿井突水一直威胁着煤矿井下施工人员的生命安全,准确且快速识别矿井突水水源类型对于矿井的安全生产起到关键性作用。激光诱导荧光(LIF)光谱技术识别矿井突水水源,有效避免了常规的水化学法需要测定多种化学参数,水源识别时间过长的缺点。提出一种间隔偏最小二乘法(iPLS)与粒子群联合支持向量分类算法(PSO-SVC)相结合的方法,iPLS算法常应用于光谱波段优选和模型的回归分析,PSO-SVC则在机器学习领域有着重要的应用,激光诱导荧光技术具有快速的时间响应、测量精度高等特点,iPLS和PSO-SVC算法运用于光谱图和光谱数据的分析,进而可以对突水水源类型识别分类。首先,用淮南矿区采集到的7种(每种水样30组)共210组荧光光谱数据进行实验,对老空水、灰岩水、灰岩水和老空水不同体积比混合水样的激光诱导荧光光谱图的差异性进行分析。比较了留出法和Kennard-Stone样本划分方法所得到的PSO-SVC模型分类准确率,采用留出法得到的训练集水样(140组)和测试集水样(70组)作为实验样本。其次,用iPLS算法将全光谱波段依次按10～25波段区间进行等分,选取划分区间的RMSECV(交叉验证均方根误差)值小于全光谱波段RMSECV值(阈值)的波段作为特征波段,结合光谱图对比分析了划分10和14个子区间的建模结果,发现通过直接观察得到的特征波段与iPLS算法筛选出的特征波段存在误差。最后,在不进行去噪、降维等预处理条件下,根据iPLS划分不同区间数的评价指标统计数据,选取划分11个区间所筛选出具有561个波长点的410.078～478.424和545.078～674.104 nm特征波段范围数据作为PSO-SVC模型的输入,以iPLS结合PSO-SVC算法筛选出的特征波段与全光谱波段、直接观察得到波段建模准确率相比,训练集与测试集的分类准确率高达100%,PSO寻优到的最佳惩罚系数c为1.367 0,核函数参数g为0.576 2。从实验结果可以看出,利用iPLS进行荧光光谱的特征波段筛选是切实可行的,提取出的特征波段能充分反映出全光谱波段的有效信息,为激光诱导荧光光谱技术用于矿井突水水源精准在线识别的研究提供了理论依据。     

新世纪中国建筑产业竞争力形成机理动态演进规律研究——兼论加入GPA后的发展策略

中国即将加入政府采购协议,面对大量优质外资企业的进入,中国建筑市场将面临更为激烈的竞争。为此,探索中国建筑产业竞争力形成机理动态演进规律、分析目前竞争力在发展过程中存在的不足,科学引导、合理调控建筑产业的健康发展,具有重要的现实意义。基于此,本研究构建出中国建筑产业竞争力评价指标体系,并采用多指标系统评估指数法构建建筑产业竞争力评价模型,分析出2005~2008年间中国建筑产业各竞争要素重要程度的变化趋势,以描绘建筑产业竞争力形成机理动态演进规律。研究发现,中国建筑产业依旧处于劳动密集型与资金密集型的发展初级阶段、产业整体素质低、注重规模忽视效率;生产要素的简单追加投入是当前提高产业竞争能力最为有效的途径,且这种状况逐步加强。最后,剖析了中国建筑产业竞争力不强的主要原因,并有针对性地提出改善措施。     

基于高光谱成像技术的油菜叶片SPAD值检测

以油菜叶片为研究对象,利用高光谱成像技术,成功建立了叶绿素相对值SPAD值的预测模型。共采集了160个油菜叶片样本在380～1030 nm范围内的高光谱图像。选择500～900 nm之间的平均光谱作为油菜叶片样本的光谱。利用蒙特卡罗最小二乘法(monte carlo partial least squares, MC-PLS)剔除了13个异常样本,基于剩余的147个样本光谱数据与SPAD测量值进行分析,采用了不同的方法建立了多种预测模型,包括：全光谱的偏最小二乘法(partial least squares, PLS)模型,连续投影算法(successive projections algorithm, SPA)选择特征波长的PLS预测模型,“红边”位置(λ_red)的简单经验估测模型,三种植被指数R₇₁₀/R₇₆₀,(R₇₅₀-R₇₀₅)/(R₇₅₀-R₇₀₅)和R₈₆₀/(R₅₅₀*R₇₀₈)分别建立的简单经验估测模型,以及基于这三种植被指数的PLS预测模型。建模结果显示,全光谱的PLS模型预测效果最为精确,其预测相关系数r_p为0.833 9,预测均方根误差RMSEP为1.52。而使用SPA算法选出的8个特征波长所建立的PLS模型其预测结果可达到与全光谱的PLS模型非常接近的水平,而且在保证一定精度的条件下减少了大量运算,节省了运算时间,大幅提高了建模的速度。而基于红边位置和选择的三种植被指数而建立的简单经验估计模型其预测结果虽与基于全光谱的PLS预测模型有一定差距,但模型简单、运算量小,适合用于对精度要求不高的场合,对后续的便携仪器设备开发有一定的指导作用。     

基于激光共聚焦显微拉曼技术的藻种鉴别研究

微藻种类的鉴别和分类是研究微藻生理生化特性的基础和前提。微藻细胞中主要包含五种生物分子,包括蛋白质、糖类、油脂、核酸和色素,在不同藻种会有不同的比例含量,常常作为藻种鉴别的一种依据。文章探讨了采用激光共聚焦显微拉曼技术快速鉴别普通小球藻(Chlorella sp.)、莱茵衣藻(Chlamydomonas sp.)两种不同藻种的可行性。通过在相同光照时间、强度和相同培养基的条件下培养的两种微藻,利用琼脂固定法固定微藻细胞,在514.5 nm的激光下采集了不同藻种及其不同生长时期的拉曼光谱曲线,并通过rolling circle filter(RCF)算法去除荧光背景,然后采用去基线、卷积平滑等预处理方法得到两种藻种各40个样本的曲线。从80个样本中随机抽取50个样本训练建模,剩下的30个样本作为独立的验证集。对光谱数据采取不同的预处理方法,采用偏最小二乘(partial least squares,PLS)全波段建模建立光谱响应特征与普通小球藻、莱茵衣藻的关系模型,比较了不同预处理程度的效果。结果表明：利用激光共聚焦显微拉曼技术,基于不同藻种色素含量比的差异,同时结合化学计量学方法,可以快速、有效地将两种藻种鉴别出来。所提出的最大谱峰比值标准化法处理样本,当阈值为±0.5时,预测正确率达到100%,当阈值为±0.2时,预测正确率达到86.67%,表明所提出的新方法能在藻种鉴别和分类领域具有较高的可行性。     

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。