在水体重金属激光诱导等离子体光谱定量分析中, 一般提取光谱的多个特征变量进行浓度反演, 但变量之间所包含的光谱信息可能存在重叠, 回归模型的复杂程度也随之增大。 为提取有效特征变量, 研究了基于偏最小二乘法(PLS)的变量筛选方法。 该方法以待测元素浓度为因变量, 多个与待测元素浓度相关的LIBS光谱特征值为自变量, 进行PLS建模； 依据各原始变量的投影重要性指标值进行变量筛选, 提取最优变量子集。 结果表明湖库水体中Pb元素的最优变量子集为Pb Ⅰ 405.78 nm峰值及峰值前相邻点光谱值、 内标校正值和信背比值, 训练集的复相关系数R２m=0.912。 以优化变量组合进行PLS回归分析, 测试集预测结果的RSD和RE分别为10.2%和7.9%, 显著优于内标法的预测结果。 结果还表明, 变量筛选结果对于不同元素和不同水样具有一定适用性。 研究结果为水体重金属LIBS定量分析提供了优质特征数据, 研究方法为其他涉及变量筛选的定量分析提供了参考。

苯酚是一种重要的化工原料并广泛存在于工业废水中,随着各国对苯酚生物毒性的认识,排放标准日益提高.生物法作为一种高效、低成本、不易二次污染的方法常用于含酚的废水处理.但是可降解苯酚的微生物筛选却是一个复杂繁琐的过程.衰减全反射傅里叶红外光谱(attenuated total reflection Fourier transform infrared,ATR-FTIR)技术是一种高效、快捷、高指纹特性的物理检测技术,主成分分析联用最小偏二乘法(principal component analysis-partial least squares,PCA-PLS)是一种有效提取特征指纹峰并建立模型的方法,该实验联合ATR-FTIR检测技术和PCA-PLS统计方法建立苯酚浓度与吸光度模型,可以快速检测固体培养基中底物浓度.实验建立模型判定系数可以达到99.5%,预测集的判定系数可以到达99.4%,说明模型具有较高的拟合性和推广性.通过模型可以预测出菌株降解后固体培养基底物浓度,筛选出可降解苯酚功能微生物,传统的液体培养并采用气相色谱检测残留苯酚浓度筛选出的结果与ATR-FTIR方法筛选出结果进行对比发现,得到相同的筛选结果.结果表明ATR-FTIR联合PCA-PLS建立高拟合度模型,可以快速检测固体培养基底物浓度,从而达到快速筛选可降解苯酚菌的目的,这种方法可以应用到其他有特征指纹峰的底物中,ATR-FTIR是一种可以广泛应用到功能微生物筛选的快速检测方法.

目前油页岩关键的评价参数——含油率的检测方法均无法实现原位测量, 无法满足油页岩资源的勘查和开采中样品检测的要求。 便携式近红外光谱分析技术, 为实现油页岩含油率的原位检测提供了可能性。 由于光谱数据的不同形式与样品的成分含量值之间有不同的相关关系, 样品不同成分的吸收特性表现在不同的近红外波段上, 因此利用合成样品, 针对反射率、 吸光度、 K-M函数等三种不同的光谱数据表示形式和四种不同的建模区间, 研究它们对油页岩含油率PLS模型精度的影响情况。 结果表明: 对于合成样品, 进行PLS建模的最佳光谱数据形式是反射率, 最佳建模区间是组合特征区间, 即适当的光谱数据形式及建模区间可提高模型的精度。

采用反向区间偏最小二乘法和组合区间偏最小二乘法优化桃糖度可见/近红外光谱的信息区间组合, 在选择 的信息区间的基础上建立了一种线性组合权重PLS模型.对近红外光谱进行二阶导数处理、卷积平滑校正后, 发现 在区间分割数为15时筛选结果最优, BiPLS所选择的信息区间为742～770nm和 862～920nm, SiPLS所选择的信息 区间为742～770nm、832～860nm和892～920nm.直接组合信息区间BiPLS和SiPLS模型的RMSEP值分别为0.386 和0.308, 线性组合权重PLS模型的RMSEP值分别为0.351和0.364.结果说明在近红外定量分析中线性组合权重 模型的建立克服了复杂样品各信息区间对PLS建模贡献率不一样的问题.