改进的FastICA-SVR结合荧光光谱技术测定1-萘酚、2-萘酚

水作为生命之源与人类的生存息息相关,近年来关于水环境污染的报道越来越多,不容忽视。实验以萘酚的两种同分异构体1-萘酚、2-萘酚的混合物作为研究对象,提出了一种新的算法,通过对混合物的三维荧光光谱进行分析来实现水中萘酚的定性定量分析。利用FS920稳态荧光光谱仪对配制的混合溶液进行扫描得到荧光光谱数据,并对数据进行一系列的预处理去除拉曼散射和瑞利散射的影响。将解决盲源分离(BSS)问题的独立成分分析(ICA)算法应用到荧光光谱定性定量分析问题当中,盲源分离技术就是将测量得到的混合信号作为处理对象进行分解,实现未知系统中源信号的求解,并得到混合矩阵。对混合物中单一物质的识别与测量与盲源分离问题类似。采用基于负熵最大的快速独立成分分析(FastICA)算法对实验数据进行分解,将所有样本的三维荧光光谱数据沿发射波长方向展开成为向量,得到一个大小为(N×M)的矩阵(N为样本数,M为波长数),将该矩阵作为快速独立成分分析的输入进行独立分量提取,输出分别为单组分物质的展开荧光光谱和混合矩阵。FastICA算法的关键是利用牛顿迭代算法得到解混矩阵,但迭代过程中复杂的求导问题会使计算量增大、迭代速度减慢,针对该算法存在的问题,提出用差分法(又称为双点弦截法)代替求导的解决方法。为了验证算法的可行性,用改进后的算法和原有算法分别对荧光光谱数据进行了五次独立分量提取实验,原有算法平均运行时间为17.78s,而改进后的算法平均运行时间为3.22s,比原有算法提高了14.56s,有效地减少了计算量,改善了FastICA算法的迭代速度并且使其收敛性更加稳定。通过实验结果可以看出改进后的算法得到的光谱更接近真实的光谱。利用快速独立成分分析算法分解得到的混合矩阵与物质浓度相关,这是物质定量分析的依据,但它们之间的关系可能是非线性的,采用能实现非线性拟合的支持向量回归机(SVR)进行回归预测,将混合矩阵和实际浓度矩阵分别作为SVR的输入和输出,利用遗传算法(GA)对支持向量回归机的参数进行优化选择,并选择径向基核函数(RBF函数)作为SVR的核函数,建立回归模型,实现对荧光光谱的定量分析。1-萘酚的拟合相关系数(r)为0.998 6,样品回收率(Recovery rate)为96.75%～104.2%,预测均方根误差(RMSEP)为0.119μg·L^(-1);2-萘酚的拟合相关系数为0.998 8,样品回收率为96.8%～105.5%,预测均方根误差为0.1μg·L^(-1),预测结果比较令人满意,符合预测要求。实验证明改进的基于负熵最大的FastICA-SVR算法能实现对混合物中1-萘酚、2-萘酚准确有效的识别和测量,并且改进之后加快了算法的分解速度。

基于三维荧光光谱结合小波压缩与APTLD对水中多环芳烃测定

基于三维荧光光谱结合小波压缩与交替惩罚三线性分解(APTLD)对水中多环芳烃(PAHs)进行定性和定量分析,实验以萘(NAP)、芴(FLU)、苊(ANA)为测量样品。首先用FS920荧光光谱仪测量获得样品的三维荧光光谱数据,对数据进行激发和发射校正且去散射,得到真实光谱。为了解决三维荧光光谱数据的冗余信息,通过小波变换对实验光谱数据进行压缩,其压缩分数和数据恢复分数分别大于92%和95%。用APTLD对压缩后的光谱数据进行分析,体现了二阶优势,实验结果表明,在PAHs的荧光光谱严重重叠和有干扰物共存下,该方法仍能准确地测定,其回收率为94%~98%、预测均方根误差小于0.29μg·L-1。

基于交替三线性分解的芳烃类化合物荧光光谱

基于交替三线性分解(ATLD)研究了芳烃类化合物的荧光光谱。通过完整集成经验模态分解(CEEMDAN)及小波软阈值算法对荧光光谱进行了去噪处理,处理后信噪比为28.51,均方根误差为3.52×10~3。ATLD算法能成功分辨出1-萘酚、2-萘酚和萘,三种物质的回收率分别为96%~103.3%,97.24%~103.9%和97.2%~103.6%。结果表明,ATLD算法对芳烃类化合物具有良好的预测性能。