三维荧光光谱技术结合交替残差三线性化算法检测成品油污染物

油类污染物是危害生态环境的主要因素之一,混合油类污染物的精确识别与测量对于环境监测具有重要意义。针对混合油类污染物光谱组分严重重叠,难以采用化学方法进行分辨的问题,研究采用三维荧光光谱技术结合交替残差三线性化(alternating residuals trilinearization,ART)算法检测油类污染物。ART算法是对平行因子的改进,无需预先设定因子数。搭建三维荧光光谱检测系统,研究0#柴油、97#汽油和煤油的三维荧光光谱特征。配置30组0#柴油、97#汽油和煤油的SDS胶束溶液,采用ART算法对混合油类污染物散射消除后的三维荧光光谱数据进行解析,实验结果表明ART算法对0#柴油、97#汽油和煤油的平均回收率分别为103.6%、97.32%和99.86%,解析得到的3种成分光谱与真实光谱吻合度较高,定性和定量分析均表明,三维荧光光谱结合ART算法是一种有效的成品油污染物检测方法。

基于3D-EEM与ART的石油类污染物的识别与检测

采用三维荧光光谱(3D-EEM)和交替残差三线性(ART)相结合,提出一种用于石油类污染物识别与检测的新方法。实验以95#汽油、0#柴油与普通煤油的CCl_4溶液作为研究对象,利用F-7000荧光分光光度计对三组分混合样品进行检测,得到各样本的三维荧光数据。ART无需预设组分数,其测量样本回收率为:柴油(96.64±2.04)%、汽油(95.61±5.11)%和煤油(96.72±5.72)%。结果表明,ART算法可用于三种组分石油类污染物的识别与测量,能得到较好回收率。

基于PARAFAC和ART算法的油类污染物荧光检测

采用平行因子分析(PARAFAC)和交替残差三线性(ART)算法,对石油类污染物进行测量与识别,重点对比分析了两种算法对油种鉴别的差异。在实验中,将以CCl4为溶剂的95号汽油、0号柴油与普通煤油溶液作为研究对象,以不同浓度的石油类物质混合液作为实验样本,利用F-7000荧光分光光度计对样本进行检测,以得到各样本的三维荧光数据。测量样本的组分数估计值预设为3时,采用PARAFAC算法得到的柴油、汽油和煤油样品的回收率分别为(95.60±3.60)%、(94.67±3.66)%和(95.49±4.49)%;ART算法无需预设组分数,其测量得到的柴油、汽油和煤油样本的回收率分别为(96.58±2.17)%、(95.17±9.17)%和(95.90±8.90)%。结果表明:两种算法都可用于三组分石油类污染物的识别与测量,均能得到较高的回收率;ART算法因无需预先设定组分数而更具优势。