基于三维荧光与GA-RBF神经网络对茶叶中氯菊酯农药残留的检测

采用FS920稳态荧光光谱仪对绿茶和铁观音这两种不同品种茶叶的氯菊酯溶液的荧光光谱特性进行了分析,发现这两种茶叶的荧光峰均位于λ_(ex)/λ_(em)=(390~410)/675 nm,氯菊酯的荧光峰λ_(ex)/λ_(em)=300/330nm。为了准确测定这两种茶叶中氯菊酯农药残留的含量,采用遗传算法优化的径向基函数神经网络对其进行了分析,当训练到74次时,均方差精度达到10^(-3),绿茶、铁观音的氯菊酯溶液预测样本的平均回收率分别为99.35%和98.89%,平均相对标准偏差分别为1.25%和1.21%。与建立的径向基函数神经网络模型进行了对比,结果表明三维荧光分析技术与遗传算法优化的径向基函数神经网络相结合能够较好地检测出茶叶中氯菊酯农药残留的含量,检测灵敏度大大提高,检出限范围广,可达0.004 8~24 mg/kg,远低于欧盟规定的茶叶中氯菊酯最高残留限量0.1 mg/kg,为检测农药残留提供了一种快速简便的新方法。

大气环境中PM_(2.5)在线监测及评价理论研究

基于光散射法研制了一种PM_(2.5)在线监测系统,运用该系统对PM_(2.5)质量浓度进行实时监测。鉴于PM_(2.5)在空气质量评价中仅作为一个参考指标,专门针对PM_(2.5)的评价机制研究较少,将层次分析法与模糊评价法相结合,对一段时间内PM_(2.5)的浓度进行评价,得到时段内空气PM_(2.5)的质量状况。模糊评价法可很好地反映评价等级划分的模糊性和连续性,层次分析法能够将复杂的系统进行定量处理,评价结果符合实际情况。

基于tri-PLS模型的油类混合物三维荧光光谱及其成分的研究

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。

基于U-PLS/RQL的油类混合物三维荧光导数光谱研究

以汽油、煤油和柴油的混合溶液为研究对象,将柴油作为干扰物,分析混合溶液中汽油和煤油的含量,提出了一种通过分析三维荧光光谱数据测量油类混合物成分及含量的新方法。该方法结合展开偏最小二乘法(UPLS)与残差四线性分析(RQL)处理三维荧光一阶导数光谱。利用Savitzky-Golay多项式拟合微分法分别对油类混合物光谱数据的x轴和y轴求偏导,并将三维荧光光谱扩展为五维导数光谱,再通过U-PLS/RQL建立该四阶数据的校正模型,对预测样品进行分析,使光谱数据得到合理的分解与识别。预测相对误差减小到5.0%以下,预测精度高于三阶多元校正法。