油类污染日渐频繁, 给人类健康及生态环境造成了严重的威胁。 因此, 研究有效的油类识别方法对保护生态环境具有重要意义。 三维荧光光谱技术是识别油类最有效的分析手段之一, 利用二阶校正方法对三维荧光光谱数据进行解析, 然后利用模式识别对二阶校正方法解析结果中的浓度得分矩阵进行分类, 可以实现对未知样本的定性识别。 然而, 此类方法在对未知样本进行分类识别的过程中, 只应用了浓度得分矩阵, 其本质上只是利用样本所含化学成分的相对含量差异对未知样本进行了分类。 并没有利用具有定性意义的载荷矩阵, 即没有从样本所含化学成分本身实现对样本的定性。 基于此, 将重构的三维荧光光谱和偏最小二乘判别分析(PLS-DA)相结合, 提出了一种针对油类样本的辨识方法。 首先, 利用四种油类(汽油、 柴油、 航空煤油和润滑油)在不同的背景环境下(纯净水、 自来水、 河水及海水配制的十二烷基硫酸钠溶剂)配制了80个油类样本; 然后, 利用FS920荧光光谱仪采集样本的三维荧光光谱数据, 并对该数据进行去散射及标准化预处理; 其次, 利用Leverage值识别并删除其中的异常光谱, 并利用平行因子分析算法(PARAFAC)对剩余的光谱进行重构; 最后, 通过PLS-DA建立重构三维荧光光谱的分类模型; 并将重构与未重构的三维荧光光谱分别建立的分类模型进行了对比。 分析结果表明, 三维荧光光谱经过重构后, 可以将四种油类的正确分类率分别从原来的100%, 50%, 60%和20%提高到100%, 100%, 100%和100%, 表明重构的三维荧光光谱具有更加明显的类内特征。 重构三维荧光光谱所建立的分类模型的灵敏度(SENS)、 特异性(SPEC)及F分数分别为100%, 100%和100%, 表明所建立的模型具有稳健及可靠的分析结果。 该研究中, 重构三维荧光光谱利用了PARAFAC解析结果中的浓度得分矩阵及载荷矩阵, 所建立的PLS-DA分类模型不仅从化学成分相对含量的差异而且从化学成分本身对样本进行了定性识别, 所得结果更加具有说服力。 该研究为油类识别提供了一种可靠的方法。
重构三维荧光光谱 油类识别 Reconstructed 3D fluorescence spectrum PARAFAC PLS-DA Oil identification PARAFAC PLS-DA 光谱学与光谱分析
2020, 40(12): 3789
华北理工大学电气工程学院, 河北 唐山 063210
为了达到快速识别和检测油类污染物的目的,以激光诱导荧光技术为基础搭建了荧光光谱检测系统,得到0 #柴油、95 #汽油和普通煤油3种不同油种的荧光光谱,然后从荧光光谱信息中提取特征参量,将标准差、中心距和荧光峰的峰度系数作为敏感特征参量进行聚类分析,最后采用拟合曲线法求得待测样品的质量浓度。实验结果表明,LIF技术结合特征参量提取法和拟合曲线法可用于不同油类污染物的定性和定量检测,为快速识别和检测油类污染物提供了一种新思路。
光谱学 激光诱导荧光 油类污染物 特征参量 聚类分析 激光与光电子学进展
2020, 57(13): 133002
华北理工大学电气工程学院, 河北 唐山 063210
针对油类污染物成分复杂、光谱重叠难以识别的问题,提出三维荧光光谱结合组合算法(ACM)。将交替三线性分解(ATLD)、自加权交替三线性分解(SWATLD)与平行因子分析(PARAFAC)算法组合,实现3种算法的优势互补。通过配制以四氯化碳为溶剂的不同质量浓度的柴油、汽油和煤油的混合溶液,利用F-7000荧光光谱仪测量混合溶液的三维荧光光谱,采用空白扣除法与缺损数据修复——主成分分析法进行预处理消除散射干扰,对三维光谱数据矩阵进行分解,并与以上3种算法解析结果进行对比。结果表明,ACM对组分数不敏感,且解析结果更准确,样本中对柴油、汽油和煤油的平均回收率分别为 96.68%、97.83%、97.11%。实现了混合油类物质的定性、定量分析,具有一定的普适性。
光谱学 荧光分析 组合算法 油类污染物 三线性分解 激光与光电子学进展
2019, 56(3): 033002
1 中国科学院环境光学与技术重点实验室, 中国科学院安徽光学精密机械研究所, 安徽 合肥 230031
2 合肥学院, 安徽 合肥 230601
3 安徽省环境光学监测技术重点实验室, 安徽 合肥 230031
土壤有机物污染源广、 危害程度高、 监测手段有限, 是继水污染、 大气污染又一个引起全球关注的环境问题。 土壤有机污染快速在线检测分析对农业生产、 土壤调查、 土质修复有着重要的意义。 激光诱导荧光（LIF）光谱技术是一种基于光致发光的物质成分和含量分析技术, 具有样品使用量少、 预处理过程简单、 检测速度快等特点, 在环境科学、 生物分析、 生命科学等众多领域有广泛应用。 国内外研究人员展开大量研究工作, 已形成较完善的方法体系及技术设备。 文章介绍了LIF测量系统的组成结构和工作原理, 综述了现阶段LIF技术在土壤有机污染物检测研究进展, 重点包括土壤中油类污染物、 多环芳烃污染物、 有机农药污染物的识别及定量分析方法等, 以及仪器开发过程中涉及的相关问题, 给出了LIF技术在土壤有机污染物检测方面的发展趋势, 为进一步发展基于LIF技术的土壤有机污染物现场快速检测仪器提供参考。
激光诱导荧光光谱 油类 多环芳烃 有机农药 发展趋势 Laser-induced fluorescence spectroscopy Oil Polycyclic aromatic hydrocarbons Organic pesticides Development tendency
1 燕山大学河北省测试计量技术及仪器重点实验室, 河北 秦皇岛 066004
2 河北环境工程学院, 河北 秦皇岛 066102
3 沈阳仪表科学研究院有限公司, 辽宁 沈阳 110043
提出了一种光谱重叠的多种矿物油混合物组分含量测定的新方法。 将偏最小二乘方法(PLS)推广至三维扩展(tri-PLS), 不需要解决特征值问题。 利用该方法对柴油、 汽油和煤油混合物的三维荧光光谱进行研究, 根据样本序列、 激发波长、 发射波长构造出三维数据矩阵, 结合浓度矩阵应用tri-PLS法建立校正模型, 对实验样本进行预测, 实验结果表明tri-PLS方法的建模精度比常用的平行因子法优越。
三维荧光光谱 油类混合物 建模精度 Tri-PLS tri-PLS Three-dimensional fluorescence spectra Oil mixture Modeling accuracy 光谱学与光谱分析
2017, 37(12): 3771
