基于支持向量机算法的多环芳烃表面增强拉曼光谱的定量分析

论文摘要

以硫氰化钾（KSCN）为内标物,利用主成分分析（PCA）降维,利用支持向量机（SVM）算法建立定量分析模型——支持向量回归（SVR）,并结合网格搜索（GS）、遗传算法（GA）和粒子群优化算法（PSO）三种参数优化方法,实现了芘、菲单一溶液和混合溶液的定量分析。研究结果表明:以KSCN为内标物,提高了定量分析结果的准确性;利用PCA降维提高了建模速度;三种优化模型对芘预测的平均相对误差（ARE）在7.6%以内,对菲预测的ARE在11.3%以内;三种参数优化方法对同一物质的预测结果相近,但GS的运算速度最快;综合考虑误差和分析速度后,采用GS-SVR模型获得了菲、芘混合溶液的最佳结果。表面增强拉曼光谱（SERS）技术结合SVM算法有望实现多环芳烃的定量分析。

论文目录

• 1 引 言
• 2 实验部分
•   2.1 实验仪器及样品
•   2.2 样品制备
•   2.3 SVM回归模型
• 3 结果讨论
•   3.1 多环芳烃芘、菲及其混合溶液的SERS光谱分析
•   3.2 内标物与SVM定量输入选择
•   3.3 PCA-SVM对菲、芘的定量分析
•     1) PAHs单一样品的定量分析
•     2) PAHs混合样品的定量分析
• 4 结 论

文章来源

类型: 期刊论文

作者: 陈阳,严霞,张旭,史晓凤,马君

关键词: 光谱学,表面增强拉曼光谱,多环芳烃,支持向量机,定量分析

来源: 中国激光 2019年03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: 中国海洋大学光学光电子实验室

基金: 国家自然科学基金(41476081),山东省重点研发计划(2016GSF115020)

分类号: O657.37;X592

页码: 298-305

总页数: 8

文件大小: 887K

下载量: 346