拉曼光谱和MLS-SVR的食用油脂肪酸含量预测研究

为实现食用植物油中饱和脂肪酸、油酸、亚油酸含量的快速预测，对一批纯食用油以及不同比例两两混合油共91个样品进行了拉曼光谱检测，在800～2000cm。范围内，通过基于寻峰算法的自动确定支点的基线拟合方法，对获得的光谱数据进行预处理，提取八个特征峰作为拉曼光谱的特征值。以这些特征值为输入，以样品油中实际饱和脂肪酸、油酸、亚油酸含量为输出，运用偏最小二乘回归（PLS）和多输出最小二乘支持向量回归机（MLS-SVR）方法，分别建立了可以同时预测三种脂肪酸含量的数学模型，结果表明MLS-SVR方法具有较好的效果。将MLS-SVR模型的预测结果与气相色谱法结果相比较，可得到三种脂肪酸的预测均方根误差分别为0．4967％，0．840ooA和1．0199％，相关系数分别为0．8133，0．9992和0．9981；对未知样品三种脂肪酸的预测均方根误差不超过5％。表明，拉曼光谱和MLS-SVR相结合的食用油脂肪酸含量预测方法，具有快速、简便、无损、准确等优点，为食用油脂肪酸含量分析提供了一种可行的方法。

拉曼光谱技术的汽油组分含量测定

为实现汽油中所含组分含量的快速测定,对93号、97号汽油,芳烃、烯烃、苯、甲醇、乙醇等几类物质,以及往汽油中添加几类物质后的410个汽油混合物进行拉曼光谱检测。将获取的原始拉曼光谱经过有效波段提取、平滑去噪、基线扣除、数据归一化等一系列预处理过程,最终提取出每个汽油混合样品光谱中所含的33个特征峰信息,依据现行的国标检测方法,以气相色谱法测定的汽油中各组分含量值为基础,结合化学计量学多重回归分析方法,建立了汽油组分含量测定模型。经过比较,使用多输出最小二乘支持向量回归机(MLS-SVR)建立的模型优于偏最小二乘(PLS)模型。MLS-SVR模型对汽油中芳烃、烯烃、苯、甲醇、乙醇测定精度均较好,预测均方根误差(RMSEP)分别为0.27%,0.30%,0.16%,0.17%,0.12%;相应的相关系数(r)为0.999 2,0.998 4,0.998 5,0.992 6,0.996 8。通过对未知混合汽油样品的测定,证明了该方法具有较好的推广预测精度,预测均方根误差不超过0.5%,能够满足工业中的测量需求。拉曼光谱结合多输出最小二乘支持向量机为汽油组分测定提供了一种高精确、快捷、方便的测定方法。

基于两电极体系检测水中微量汞

针对水体中常见重金属汞的检测问题，提出基于两电极体系的检测新方法．设计以金电极为工作电极、不锈钢为辅助电极的集成电极，用该电极对汞进行溶出伏安法测定．讨论活化电极、支持电解质、富集电压和富集时间对汞离子测定的影响．在优化的实验条件下，分别对1～10μg／L和10～90μg／L2个不同浓度范围的Hg^2＋进行测定，溶出峰电流与Hg^2＋浓度呈良好的线性关系，相关系数分别为0．9941和0．9992；当富集时间为600s时，Hg^2＋的检出限可以达到0．5μg／L．利用该方法测定自来水中汞的含量，检测结果与原子吸收法一致，平均回收率为98％．结果表明，基于两电极体系，可以可靠、准确检测出水中汞，且电极灵敏度高、价格低廉，具有推广应用前景．