基于3D荧光光谱分析和多维偏最小二乘的PAHs浓度优化检测

基于3D荧光光谱分析和多维偏最小二乘的PAHs浓度优化检测

论文摘要

多环芳烃(PAHs)具有强致癌性,威胁人类身体健康。在复杂水质检测环境中,利用荧光光谱检测PAHs浓度时,由于测量光谱中存在瑞利散射影响,使得PAHs光谱信号包含明显的非平稳噪声,常用的多次采样求均值法容易使PAHs光谱存在明显的测量误差,导致PAHs检测精度下降。为此,提出了一种基于3D荧光光谱分析和多维偏最小二乘(N-PLS)的PAHs浓度优化检测方法,首先分析了菲、芴、苊与荧蒽4种PAHs溶液的光谱特性,通过拟合散射带数据点值消除光谱中的瑞利散射噪声,同时尽可能地保留原光谱信息。提取4种PAHs光谱的均值、方差和一维边际分布等特征参数,利用聚类分析方法对其光谱数据做样本分类,将相似光谱数据样本进行合并;然后根据校正集的光谱信号与不同PAHs浓度之间的关系,建立N-PLS模型,对各类PAHs的浓度进行预测分析,并且验证PAHs浓度与光谱数据荧光强度的关系;最后利用双线性分解对浓度残差进行修正,对含有各类PAHs的水溶液与实际水样进行浓度残差验证,分析了不同参数下PAHs的预测误差。实验结果表明,溶剂菲有2个明显的荧光峰值,激发与发射波长分别为285/245和315/345 nm;芴与荧蒽均存在6个明显的荧光特征峰值,分别为265/255, 325/345, 335/325, 365/355, 385/395和405/415 nm,且与其他PAHs的荧光峰值相距较远;溶液苊在发射波长300~485 nm的范围内存在连续波峰,且对应激发波长在255~360 nm范围内; N-PLS方法对不同水质环境下的PAHs预测误差较小,其中菲与芴均方根误差均小于0.4μg·L-1,相对误差小于6%,苊与荧蒽均方根误差均小于1.0μg·L-1,相对误差均小于9%。对4种不同的PAHs在河流中的扩散趋势进行了仿真分析,确定出了其扩散程度,其中芴与菲扩散速率约为51 mg·L-1,苊与荧蒽扩散速率为21 mg·L-1,且扩散速率在一定范围内呈线性增长趋势, PAHs与其浓度之间符合朗伯比尔定律的线性关系;通过不同迭代次数下N-PLS方法的均方根误差分析,得到了均方根误差精度最高时的迭代次数;对比了不同主因子数时N-PLS方法对PAHs预测的适应度与相关系数,结果表明当主因子数为3时,适应度可达96.5%,此时N-PLS预测模型效果最佳。相比其他检测方法,本文方法检测精度较高,回收率较好,具有较强的鲁棒性。

论文目录

  • 引 言
  • 1 PAHs光谱数据提取
  • 2 N-PLS与残差双线性分解优化检测PAHs流程
  • 3 实验与结果讨论
  •   3.1 PAHs三维光谱仿真与特征定量分析
  •   3.2 N-PLS对不同水样PAHs浓度检测对比
  •   3.3 残差双线性分解优化检测PAHs验证
  •   3.4 N-PLS定量分析水体PAHs扩散趋势
  •   3.5 N-PLS检测PAHs浓度误差及主因子数分析
  •   3.6 参数对比分析
  • 4 结 论
  • 文章来源

    类型: 期刊论文

    作者: 王小鹏,麻文刚,蔡祥云,吴旭,朱天亮

    关键词: 多环芳烃检测,荧光光谱,校正集,多维偏最小二乘,双线性分解

    来源: 光谱学与光谱分析 2019年06期

    年度: 2019

    分类: 基础科学,工程科技Ⅰ辑

    专业: 化学,环境科学与资源利用

    单位: 兰州交通大学电子与信息工程学院

    基金: 国家自然科学基金项目(61761027)资助

    分类号: X832;O657.3

    页码: 1798-1805

    总页数: 8

    文件大小: 6858K

    下载量: 136

    相关论文文献

    • [1].基于灰色小波核偏最小二乘的传感器网络数据预测融合研究[J]. 振动与冲击 2011(04)
    • [2].基于偏最小二乘的土壤重金属铜含量高光谱估算[J]. 遥感技术与应用 2019(05)
    • [3].偏最小二乘通径模型在某高校学院综合实力评估中的实证研究(下)[J]. 教育教学论坛 2015(27)
    • [4].偏最小二乘方法的财务预警模型研究的应用[J]. 工业控制计算机 2012(06)
    • [5].一种块增量偏最小二乘算法[J]. 山东大学学报(理学版) 2019(03)
    • [6].偏最小二乘通径模型在某高校学院综合实力评估中的实证研究(上)[J]. 教育教学论坛 2015(23)
    • [7].三维荧光光谱的多维偏最小二乘建模方法[J]. 激光杂志 2012(01)
    • [8].基于超高效液相色谱偏最小二乘判别分析法建立鉴别大黄真伪及种属预测模型的方法[J]. 中国药学杂志 2016(03)
    • [9].二维非负稀疏偏最小二乘在人脸识别中的应用[J]. 土木建筑与环境工程 2013(S2)
    • [10].核正交偏最小二乘在代谢组学数据分析中的应用[J]. 中国卫生统计 2015(01)
    • [11].基于多向核熵偏最小二乘的间歇过程监测及质量预测[J]. 北京工业大学学报 2014(06)
    • [12].二维非负偏最小二乘在人脸识别中的应用[J]. 计算机工程与应用 2013(20)
    • [13].偏最小二乘降维法在粤西层控型铅锌矿床发育区水系沉积物地球化学测量数据分析中的应用[J]. 大地构造与成矿学 2020(02)
    • [14].基于偏最小二乘通径模型的全科医学病人满意度分析[J]. 中国卫生统计 2012(01)
    • [15].基于最大信息系数的偏最小二乘特征筛选算法[J]. 轻纺工业与技术 2019(09)
    • [16].基于偏最小二乘特征表示与分类的联合优化目标跟踪[J]. 光电子·激光 2016(02)
    • [17].偏最小二乘通径模型在贸易发展指数中的应用[J]. 统计与信息论坛 2010(09)
    • [18].基于遗传优化偏最小二乘支持向量机的税收预测研究[J]. 科技管理研究 2014(11)
    • [19].基于偏最小二乘降维的分类模型比较[J]. 山东大学学报(工学版) 2010(05)
    • [20].偏最小二乘分光光度法同时测定钢铁中铬和锰的研究[J]. 冶金分析 2008(05)
    • [21].局部加权混合核偏最小二乘算法及其在软测量中的应用[J]. 信息与控制 2015(04)
    • [22].傅里叶变换红外光谱结合偏最小二乘模式识别方法应用于藏药麻花秦艽真伪鉴别的研究[J]. 亚太传统医药 2012(03)
    • [23].两种偏最小二乘特征提取方法的比较[J]. 智能计算机与应用 2019(06)
    • [24].基于局部加权偏最小二乘的在线多模型建模[J]. 计算机应用研究 2015(10)
    • [25].基于偏最小二乘通径模型的武汉市岩溶塌陷危险性预测[J]. 西北地震学报 2008(02)
    • [26].基于核偏最小二乘的光伏发电出力预测[J]. 电力勘测设计 2018(01)
    • [27].动态偏最小二乘在软测量建模方法中的应用[J]. 自动化仪表 2018(09)
    • [28].基于偏最小二乘的人脸年龄估计[J]. 南昌大学学报(工科版) 2017(04)
    • [29].偏最小二乘线性模型及其非线性动态扩展模型综述[J]. 控制与决策 2018(09)
    • [30].基于二维红外相关谱判别掺假蜂蜜[J]. 天津农学院学报 2017(02)

    标签:;  ;  ;  ;  ;  

    基于3D荧光光谱分析和多维偏最小二乘的PAHs浓度优化检测
    下载Doc文档

    猜你喜欢