交替惩罚三线性分解结合室温磷光法快速解析土壤中芴的含量

多环芳烃是土壤中常见的有机污染物,具有致癌、致畸、致基因突变等“三致作用”。本文建立了一种基于交替惩罚三线性分解结合三维室温磷光法(APTLD-TRTP)测定不同类型土壤(如农田区、生活区和工业区)中多环芳烃芴(FLU)的方法,并与基于平行因子分析的方法(PARAFAC-TRTP)进行比较。首先构建一个验证集来探索开发方法的预测能力,然后利用其对加标土壤样和实际未知土壤样品中FLU进行定量分析。在N=3时,APTLD-TRTP和PARAFAC-TRTP获得土壤加标样中FLU的平均回收率分别为(90.4±5.6)%和(90.3±4.8)%,预测均方根误差(RMSEP)分别为0.32μg/mL和0.31μg/mL。方法预测的工业区土壤样中FLU的浓度范围为0.34~0.96μg/g,显著高于相关标准限值0.05μg/g,表明该研究区域土壤已受到FLU污染,其污染源可能来源于钢铁工业区煤炭燃烧、石油泄漏和汽车尾气排放等。

交替惩罚三线性分解算法结合三维荧光光谱法同时分辨和测定酪氨酸、苯丙氨酸和色氨酸

用交替惩罚三线性分解算法(APTLD)结合三维荧光光谱法给出的二维数据对酪氨酸、苯丙氨酸和色氨酸进行了同时定性定量分析,为直接同时测定混合氨基酸中此三种物质提供了一种新的分析方法,其测定相关系数分别为0.9987,0.9995和0.9993。采用超声波组织细胞破碎法对木槿叶中的氨基酸进行提取,利用APTLD法对提取液中氨基酸进行定量测定,测定相对标准偏差分别为0.84%,0.36%,1.59%,回收率分别在101.0%～92.7%,106.5%～93.0%,103.0%～95.0%之间,方法简洁、快速、准确可靠,结果令人满意。

交替惩罚三线性分解二阶校正荧光分析法快速测定牛奶中洛美沙星含量

笔者利用化学计量学交替惩罚三线性分解二阶校正算法结合荧光分析,在有干扰药物及牛奶中干扰组分共存下,对牛奶中的洛美沙星进行快速分析测定。当三维荧光数据的预估组分数取4时,所得平均回收率达到99.4%±1.3%,预测方差均方根(RMSP)为2.97nmol/L,预测结果良好。实验结果表明,此法可用于干扰组分共存下牛奶中洛美沙星的快速定量测定。

三维荧光光谱结合交替惩罚三线性分解同时对水中三种酚类测定

酚类化合物对动植物机理有着严重危害,利用三维荧光光谱结合交替惩罚三线性分解(APTLD)算法,完成了不含干扰物和干扰物共存时激发-发射荧光光谱重叠严重的麝香草酚、对苯二酚和苯酚的直接快速准确定性、定量分析。研究了温度对三种酚类化合物荧光强度的影响。对扫描所得激发-发射矩阵信号(EEM)进行二次去散射和光谱校正预处理,最大程度保留了原光谱信息,避免光谱严重失真。将APTLD算法与平行因子(PARAFAC)和交替三线性分解(ATLD)算法进行对比,突显该算法的优势。实验得出,APTLD算法能够较好的解析荧光光谱数据的重叠峰,分别得到三种目标分析物的荧光光谱,实现快速定性分析;定量分析时平均回收率为(97.4±4.5)%～(103.1±3.0)%;预测均方根误差(RMSEP)低于1.664×10^(-2)μg·mL^(-1),且检测限低于国家标准;处理过程简洁快速,为水环境中酚类化合物实现现场检测和在线实时监测提供了有力依据。

基于交替惩罚三线性分解的混合油液油种成分的检测

将三维荧光探测技术与交替惩罚三线性分解算法相结合,提出一种用于混合油液中油种成分检测的方法。首先利用FLS920型荧光光谱仪采集拟进行成分检测的混合油液(航空煤油和润滑油)在不同体积比配制条件下的20个样本的三维荧光光谱数据,利用Delaunay插值法对所获得的三维荧光光谱数据进行校正;然后利用核一致函数确定交替惩罚三线性分解算法解析三维荧光光谱数据时所需的组分数;最后利用均方根误差和相关系数矩阵,对交替惩罚三线性分解算法解析三维荧光光谱数据的效果进行评价。结果表明:在经交替惩罚三线性分解算法解析得到的均方根误差和相关系数矩阵中,非对角线上的元素值均满足所设阈值0.05和0.95的要求;在解决三维荧光光谱严重重叠的问题上,交替惩罚三线性分解算法优于平行因子算法,达到了对混合油液中油种成分快速检测的目的。

基于APTLD的猪肉中莱克多巴胺残留含量的三维同步荧光光谱快速测定

应用三维同步荧光光谱法结合交替惩罚三线性分解(APTLD)来建立猪肉中莱克多巴胺残留含量的定量测定模型,以实现猪肉中莱克多巴胺残留含量的快速测定。首先分析了莱克多巴胺的荧光光谱产生机理和样本的三维同步荧光光谱;其次对猪肉提取液中的莱克多巴胺荧光的浓度猝灭现象进行了分析;然后应用核一致诊断法确定了APTLD的三线性分解组分数为2,并建立了猪肉提取液中莱克多巴胺的相对荧光峰值强度与训练样本中莱克多巴胺的相对荧光峰值强度之间的标定曲线,用于待测样本中的相对荧光峰值强度的校正;最后,建立了基于APTLD的猪肉中莱克多巴胺残留含量的三维同步荧光光谱预测模型。试验结果表明,该方法可以较好的解决猪肉样本中莱克多巴胺与背景之间的同步荧光光谱严重重叠的问题,省去了一些烦琐的"化学分离"过程,模型预测集的决定系数(R^2)和均方根误差(RMSEP)分别为0.986 3和0.496 6 mg·L^(-1),达到了猪肉中莱克多巴胺残留含量快速定量测定目的。

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。

三维荧光光谱结合二阶校正方法同时测定水中两种酚类

水是生命之源,人们日常生产生活离不开水。近年来水体污染日趋严重,已经危害到人类的健康。酚类化合物(Phenolic Compound)是一种广泛存在且很难降解的有机污染物,指的是芳香烃中苯环上的氢原子被羟基取代所生成的含羟基衍生物,毒性很强,对动植物及人类的生命活动有严重危害。实验研究对象选取间苯二酚(resorcinol,RES)和对苯二酚(hydroquinone,HYD)来配制待测样本,并且在其中3组预测样本中加入苯酚(phenol,PHE)作为干扰物,待测样本和空白溶剂分别用FS920稳态荧光光谱仪(edinburgh instruments,EI)扫描得到荧光光谱数据。对所得到的数据通过扣除空白溶剂法来消除拉曼散射的影响,得到的数据在消除干扰的同时最大程度保留下来原光谱所包含的重要信息。校正后光谱变得更加圆滑,荧光强度显著增强,因此,校正处理后的光谱信息更为准确。利用三维荧光光谱(EEM)结合平行因子分析(PARAFAC)和交替惩罚三线性分解(APTLD)两种二阶校正方法,分别完成在不含干扰物和含有干扰物、同时激发-发射光谱严重重叠时对间苯二酚、对苯二酚的快速、直接、准确测量,并给出定性、定量分析结果。PARAFAC算法对混合体系的组分数(即化学秩)较敏感,组分数选取过大易使其陷入计算"沼泽",迭代次数增多,计算耗时变长。故本文利用核一致诊断法(CORCONDIA)预估计出准确的组分数,保证PARAFAC算法更加快速准确。从定性分析结果知,当不含有干扰物时,PARAFAC能够准确分辨出间苯二酚和对苯二酚,二者荧光峰位置极为接近,很难用传统方法分辨,体现出将三维荧光光谱技术与化学计量学二阶校正方法相结合所具有的"二阶优势";定量分析结果给出,在有干扰物共存时,分别应用两种二阶校正法解析光谱数据结果显示:PARAFAC的浓度预测回收率为93.4%±0.5%~97.1%±1.0%,预测均方根误差小于0.190 mg·L^-1;APTLD的浓度预测回收率为95.9%±1.6%~97.2%±0.8%,预测均方根误差小于0.116 mg·L^-1,通过比较两种方法性能得:PARAFAC对待测物组分数敏感,对待分解的光谱数据严格线性要求高;而APTLD对混合物组分数不敏感,计算速度快,抗噪声能力较强,结果稳定,具有较明显的优势。

二阶校正用于乳粉中牛磺酸的HPLC-DAD测定分析

本文利用基于交替惩罚三线性分解的二阶校正方法与HPLC-DAD结合,定量分析乳粉中的牛磺酸。虽然牛磺酸与样品中未知干扰物存在色谱峰重叠,但利用具有"二阶优势"的二阶校正算法,获得了满意的定性定量结果。

结合小波压缩和APTLD的三维荧光光谱技术在掺伪芝麻油鉴别中的应用

将三维荧光光谱技术、小波压缩和交替惩罚三线性分解算法(APTLD)结合,提出了一种鉴别掺伪芝麻油的新方法。利用荧光光谱仪测量纯芝麻油及掺伪芝麻油样本的三维荧光光谱,通过激发校正和发射校正消除仪器带来的误差,得到样本的真实三维荧光光谱数据;利用小波压缩对处理后的真实数据进行压缩,以减少冗余信息,其中压缩分数和数据恢复分数分别大于94.00%和98.00%;利用APTLD算法对压缩后的数据进行定性及定量分析,得到的回收率为97.0%～99.8%,预测方均根误差不大于0.120。研究结果表明,所提方法能够准确鉴别纯芝麻油及掺伪芝麻油样本,并对其组分含量进行预测。

三维荧光二阶校正法同时测定水果样中α-萘乙酸和吲哚-3-乙酸

将三维荧光光谱技术与分别基于交替惩罚三线性分解(APTLD)和平行因子分析(PARAFAC)2种算法的二阶校正方法相结合,实现了水果样中α-萘乙酸(NAA)和吲哚-3-乙酸(IAA)含量的直接快速同时定量测定。对于西瓜提取液,在量测体系选取的组分数为3时,采用APTLD二阶校正法所获得的NAA和IAA的平均回收率分别为(103.8±7.5)%和(95.2±5.9)%;采用PARAFAC二阶校正法所获得的平均回收率分别为(101.0±4.6)%和(96.8±4.5)%。另外,采用椭圆置信区间测试和品质因子如灵敏度、选择性和检测下限,评估了2种算法的准确性。实验结果表明,这2种方法均能成功用于直接定量分析水果样中NAA和IAA的含量,且方法快速简便,比其它分析方法既节约试剂又节约时间,是1种直接快速分析复杂体系中感兴趣组分植物生长激素的有力工具。

多维校正辅助激发-发射矩阵荧光法快速定量及动力学分析土壤中9-羟基芴

9-羟基芴(9-OHF)是一种常见的多环芳烃类环境有机污染物.本文提出了一种基于交替惩罚三线性分解(APTLD)和交替惩罚四线性分解(APQLD)的多维校正与三维荧光技术相结合的新策略,用于快速定量和动力学分析土壤样中9-OHF.选取因子数(F)为5和6,采用基于APTLD的三维校正方法分析拓展的三维数阵,所得土壤样中9-OHF平均回收率分别为(117.6±5.6)%和(111.1±5.1)%,半衰期分别为126.0和111.8 min,但T检验表明其预测值存在显著性差异.接着,采用基于APQLD的四维校正方法解析四维数阵.选取F=5和6,所得土壤样中9-OHF平均回收率分别为(107.8±10.6)%和(104.5±10.3)%,半衰期分别为121.6和105.0 min,T检验表明其预测结果准确可靠.此外,APQLD还给出了较好的选择性和更低的检测下限.结果表明基于APQLD的四维校正方法具有“高阶优势”,通过对四维数阵的唯一性分解,可提供准确可靠的结果,为研究复杂体系分析物的动力学过程提供了一种很有潜力的分析手段.