基于KPCA-PSO-ELM算法的地表水化学需氧量紫外-可见吸收光谱检测研究

化学需氧量(COD)是水质检测重要指标之一,反映水体有机物含量。传统的COD化学检测方法存在操作繁琐,等待时间长,二次污染等缺点。紫外-可见吸收光谱法是目前水体化学需氧量检测中应用最为广泛的方法之一,具有检测快速、无污染等特点。为了满足地表水化学需氧量快速、实时、在线监测等要求,采用紫外-可见吸收光谱进行测量,提出了内核主成分分析(KPCA)结合粒子群优化极限学习机(PSO-ELM)预测模型,满足当前对地表水化学需氧量快速、实时监测的要求。对光谱进行Savitzky-Golay(SG)滤波以降低随机噪声的影响;用积分光谱代替原光谱,以降低信号波动带来的影响;再将得到的光谱信息归一化,消除不同光谱数据量纲的影响。将预处理后的数据利用KPCA算法将全光谱数据压缩为5个特征,有效解决光谱信息冗余的问题;采用PSO算法对ELM的权重和偏置进行优化极大提高了模型的精度。对217个河流、长江及支流、湖库等地表水样本按照7∶3随机划分成训练集和测试集,并进行建模测试,其中训练集拟合优度(R2)为0.930 2、均方根误差(RMSE)为0.363 0 mg·L^(-1)、测试集拟合优度R2为0.931 9、均方根误差(RMSE)为0.400 7 mg·L^(-1)。为了验证提出的基于KPCA全光谱数据压缩方法对预测模型的提升效果,分别对比了主成分分析(PCA)、连续投影算法(SPA)、套索回归(LASSO)等特征处理算法。PCA-PSO-ELM模型的RMSE为0.715 1 mg·L^(-1)、 SPA-PSO-ELM模型的RMSE为0.473 7 mg·L^(-1)、 LASSO-PSO-ELM模型的RMSE为0.412 6 mg·L^(-1), KPCA-PSO-ELM模型较上述三种模型,RMSE分别降低了78.46%、 18.22%、 2.97%,结果表明KPCA是一种高效的光谱降维算法,能够有效消除光谱冗余信息,提升模型预测精度。基于KPCA-PSO-ELM预测模型结合紫外-可见吸收光谱可以实现对地表水COD快速、实时检测,为在线COD检测场景提供方法支撑。

紫外吸收光谱结合SPA-ELM算法的水体磷酸根离子检测研究

在工业锅炉中随着水蒸气蒸发,大量的钙镁离子留在炉水中,如果不加处理,在水冷管中会形成水垢,造成爆管停炉。为了保障设备的安全运行,消除安全隐患,工业上通过维持水中一定含量的磷酸根离子来去除锅炉中的钙、镁水垢。传统的磷酸根离子检测技术主要有比色法、分光光度法、色谱法、电位法等,这些方法前期处理步骤较繁琐且耗时较长。光谱法是通过测定物质的吸收光谱并建立和浓度关系的数学模型,对物质浓度定量的一种分析方法。为了满足磷酸根离子快速、实时测量的要求,提出了一种基于紫外吸收光谱结合SPA-ELM算法快速测量磷酸根离子的方法。按照我国《工业锅炉水质GB/T 1576—2018》中所规定的进入热水锅炉前的水质参数要求,配置37份浓度范围在5~100 mg·L^(-1)磷酸根溶液,使用搭建的实验装置,采集紫外吸收光谱。使用SPXY将样品按照7∶3的比例随机划分训练集、测试集;使用Savitzky-Golay(S-G)滤波对数据预处理以提高光谱的信噪比;通过连续投影算法(SPA)压缩光谱数据,筛选出5个与磷酸根强相关的特征波长;使用极限学习机(ELM)将特征波长处的吸光度与样本浓度进行拟合,以决定系数R2和均方根误差RMSE作为模型评价指标,建立磷酸根离子的回归模型。采用所提出的建模方法所建立的模型训练集的R2与RMSE分别为0.9972和1.3015 mg·L^(-1),测试集的R^(2)与RMSE分别为0.9995和0.5174 mg·L^(-1)。为了验证所提出的SPA-ELM预测模型效果,另外建立了LASSO-ELM、PCA-ELM、SPA-PLS和SPA-SVR四种预测模型进行对比。实验结果表明,SPA-ELM建立的预测模型的R2和RMSE均优于其他四种预测模型,说明采用的特征选择方法和回归方法均为最优,能够对磷酸根浓度范围为5~100 mg·L^(-1)的水体进行准确预测,为水中磷酸根离子的检测提供了一种新的解决方法。

偏最小二乘辅助紫外可见光谱法同时测定烟草中的葡萄糖与木糖含量

烟草中含有葡萄糖、果糖、麦芽糖、蔗糖、木糖等多种糖类物质,占据烟草干重的25%~50%,是烟草的重要组成部分,也是评估烟草内在品质的重要指标。不同的糖类物质在卷烟燃烧过程中会生成不同产物,从而直接或间接地影响卷烟的香气和口感。建立烟草中各种单糖的测定方法,对烟草制品的质量控制具有现实意义。传统的检测方法如费林试剂法、连续流动分析法只能对烟草中的水溶性糖或总糖含量进行测定,无法对单一糖组分进行定量检测;气相色谱、液相色谱等方法虽能检测出不同单项,但是存在样品前处理过程麻烦、检测耗时较长等局限性。该工作在传统间苯三酚显色法测定木糖的基础上,以显色机理对该方法进行改进,解决了该检测体系下葡萄糖显色效果不佳的技术问题,可通过紫外可见光谱技术简单、高效地实现对烟草及卷烟制品中葡萄糖和木糖含量的精准测定。当同时测定上述两种糖组分时,由于二者的紫外可见光谱出峰位置相近,会相互影响彼此的测量准确性。为消除这一干扰,采用偏最小二乘回归法(PLS)建立光谱分析的多元校正模型,辅助改进后的间苯三酚法对烟草及其制品中葡萄糖和木糖含量进行同时检测。研究结果表明:改进后的间苯三酚法对于葡萄糖和木糖的单糖溶液,浓度分别在0.05~0.4和0.10~0.80 mmol·L^(-1)范围内时线性关系良好,该方法的检出限和定量限分别为0.001 7、 0.005 7 mmol·L^(-1)和0.007 2、 0.024 mmol·L^(-1),批内变异系数的范围为0.69%~3.03%,加标回收率范围为96.72%~102.85%,提取液中木素含量对测定结果没有显著干扰。对于葡萄糖和木糖组成的混糖溶液,采用外部检验对模型效果进行评价,外部检验集的预测值与理论值的相关系数R^(2)=0.994 7,相对偏差小于10%。该方法能够快速准确的测定烟草及烟草制品中葡萄糖和木糖含量,为烟草行业提供一种有效的单糖分析方法。

紫外-可见光光谱法测定COD几种典型算法研究

紫外-可见光谱法是当前检测水体中化学需氧量(COD)的重要方式之一,文中在介绍紫外-可见光谱法的基本原理的基础上,综述了偏最小二乘法、线性回归法、PB神经网络法等几种典型的算法的原理及其在紫外-可见光谱测定COD中应用现状,并浅析了各算法的优缺点。

紫外-可见吸收光谱结合化学计量学算法的水体总有机碳浓度快速检测

总有机碳(TOC)指悬浮或溶解于水中有机物的含碳总量,是以单位体积水体中含碳的质量来表示水中有机物的浓度,通过总有机碳可以更全面反映水中有机污染物的总量。总有机碳的监测能够推动我国实现“碳达峰”和“碳中和”的目标,也对我国海洋地球碳循环的研究具有重要的意义。目前,国标法测量水质TOC主要采用高温催化氧化法和湿法氧化法,这两种方法虽测量准确、可解释性强,但都具有测试方法复杂、测量时间长、易产生二次污染、人力物力消耗巨大等缺点,且仅能在实验室内完成,无法进行TOC的原位在线测量。因此发展水质TOC快速、实时、在线监测技术具有重要意义。为此,建立了TOC标准溶液浓度基于紫外吸收光谱的单波长检测模型,针对物质种类更为复杂的真实水样分别使用ACO-PLS和SPA算法筛选特征波长,对比S-G平滑处理、最小最大归一化、标准正态变换(SNV)、消除常数偏移量、导数校正等多种光谱预处理方法的效果,经过粒子群算法优化的最小二乘支持向量机算法(PSO-LSSVM)建立快速检测模型。结果表明,选取不同数量特征波长,经SNV算法预处理后的建模效果普遍优于其他预处理方法;选用不同预处理算法,最佳特征波长数量普遍为50个,过多或过少的波长数量会使建模精度降低;最佳建模参数为选用SNV预处理方法,经ACO-PLS算法筛选50个特征波长组合并利用PSO-LSSVM算法建模,最优模型结果训练集Rc达到0.984 3, RMSEC为0.457 4,验证集Rp为0.974 5, RMSEP为0.481 1。将最优光谱检测模型应用于新采集水样,预测结果较为准确,具有一定鲁棒性。表明ACO-PLS算法可以有效选取特征波长,结合PSO-LSSVM算法可以实现利用紫外-可见吸收光谱对水体中TOC的测量,为水体TOC含量快速检测提供一种快速、无污染的测量方案,给相应传感器的研发提供了科学支持。

紫外吸收光谱法的水质参数预测模型研究

紫外吸收光谱法是一种快速、简便且无二次污染的水质检测技术,借助孪生卷积神经网络构建的水质化学需氧量和浊度预测模型,在小样本情况下能够实现高精度的预测。在实际水样的预测中,R2值可高达0.97,相较于其他模型,具有更高的预测精度和更广泛的适用范围,为在线监测水体中化学需氧量和浊度的污染程度提供了一种全新的技术支持。

基于紫外-可见和近红外光谱技术的葡萄酒产地鉴别

该研究将紫外-可见光谱、近红外光谱技术与化学计量学方法相结合,建立一种快速、准确鉴别干红葡萄酒产地的方法。采集3个不同产地(怀涿盆地、宁夏贺兰山东麓和渤海湾)的108个赤霞珠干红葡萄酒样品的紫外-可见和近红外光谱信息。首先,对比采用标准正态变量变换(standard normal variable,SNV)、一阶导数(first derivative,FD)、二阶导数(second derivative,SD)及不同方法组合对两种光谱数据进行预处理,分别建立随机森林(random forest,RF)、K-最邻近法(K-nearest neighbor,KNN)和最小二乘支持向量机(least squares support vector machine,LS-SVM)判别模型,通过比较建模结果得到最优的预处理-建模方法组合;然后,基于最优判别模型,采用竞争性自适应重加权采样(competitive adaptive reweighted sampling,CARS)算法和无信息变量消除(uninformative variable elimination,UVE)法对光谱数据进行特征波段提取并建立判别模型。结果表明,基于紫外-可见光谱建立的SNV+FD-UVE-LSSVM模型的校正集和验证集的识别率分别达到97.53%和96.30%,基于近红外光谱建立的FD-CARS-KNN模型的校正集和验证集的识别率分别达到98.76%和96.30%。该结果证实将紫外-可见光谱、近红外光谱技术与机器学习相结合,有望成为一种简单、快速和低成本的工具,用于鉴别中国干红葡萄酒的地理来源。

紫外可见光谱在水质COD检测中的应用研究

加强水质监测是严控水污染和确保水质健康的关键性工作,为加强对水质污染问题的处理,文章提出紫外可见光谱技术在水质COD检测中的应用,从检测原理入手,提出了一种预测模型,以达到检测水质COD的目的。

变压器绝缘油老化产物的紫外可见光谱特性

绝缘油是变压器中的重要组成物质,其品质直接影响着绝缘系统的性能以及变压器的运行安全。绝缘油老化过程将导致其绝缘及散热性能下降,进而引发故障。因此,变压器绝缘油的分析检测是了解变压器工作状态的重要手段,分析结果是变压器检修及更换新油的参考依据。利用紫外-可见吸收光谱,对不同工作年份的绝缘油进行了光谱分析,得到了绝缘油老化程度与其紫外光谱特征的关联。进一步对糠醛这一标志性老化产物的紫外光谱进行了深入研究,结合量子化学计算,解析了糠醛紫外-可见光谱特征对应的电子跃迁机制。研究结果证实了紫外-可见光谱用于分析变压器绝缘油老化程度的有效性,相关结果可作为变压器检测的参考依据。

高光谱紫外辐照度仪CCD电路系统的设计及测试

为了在地面获得高信噪比的太阳直射紫外光谱辐照度,选用紫外敏感型线阵CCD探测器,研发了高光谱紫外辐照度仪原理样机。设计了CCD电路系统,讨论了电源电路、驱动电路、模拟前端电路以及CCD驱动时序的工作原理与设计方法,并在实验室利用标准灯光源测试了CCD电路系统的非线性和信噪比。结果表明,在340 nm波段下,CCD探测器接收信号约为饱和信号的80%时,系统信噪比超过400。最终,将测试好的CCD电路系统与光机模块装调并进行了波长定标,光谱范围覆盖280~400 nm,实现了对室内光源的紫外高光谱测量,验证了CCD电路系统设计的合理性和可行性。

云南马关县红果参果实花色苷的紫外-可见光谱和含量

研究旨在阐明云南省马关县红果参品系果实花色苷的紫外-可见光谱和含量,为马关县乃至云南省的红果参品种选育以及果实的开发、利用和营销提供依据。以马关县红果参品系‘文黑果1号’~‘文黑果8号’为材料,基于在200~700 nm范围内的连续扫描检测了果实花色苷的紫外-可见光谱,用分光光度法测定了果皮、果肉和果实的总花色苷含量(TAC)。结果表明,8个红果参品系果实花色苷1%浓盐酸-甲醇提取液的紫外-可见光谱中,在可见光区和紫外光区分别存在1个特征性吸收带,在可见光区的最大吸收峰波长为537.0 nm。果皮、果实TAC均最高的是‘文黑果2号’,分别约为(3.546±0.424)、(1.758±0.070)A537.0/(g·FW);TAC_(果皮)/TAC_(果实)最高的是‘文黑果5号’,约为2.237±0.096;TAC_(果皮)/TAC果肉最高的是‘文黑果6号’,约为14.911±1.729;‘文黑果7号’的果肉TAC、TAC_(果肉)/TAC_(果实)均最高,分别约为0.809±0.010 A537.0/(g·FW)、1.284±0.056。此外,所有TAC相关指标在8个品系间的差异均达到极显著水平。

Seya-Namioka类型真空紫外光谱系统的研制和性能测试

为了满足磁约束核聚变领域的杂质测量要求,研制了一套Seya Namioka真空紫外光谱仪。该光谱仪的主要部件是可调宽度的入射狭缝、凹面光栅和探测器。光谱仪的光通量通过可调节宽度的入射狭缝来调节,入射狭缝宽度可以在10~1000μm范围内调节。分光元件选用线密度为1200 lines·mm^(-1)的凹面全息光栅。光栅表面涂有铝(Al)和氟化镁(MgF2),以提高衍射效率。光栅的可使用波段为50~460 nm,针对其中的50~250 nm波段进行光路优化设计。选用深度制冷背照式电荷耦合器件(CCD)作为光谱仪的探测器。通过转动光栅转台旋转光栅来改变衍射角,实现50~250 nm范围内的光谱观测。基于凹面光栅的参数,确定了具体光路,并分析了波长随光栅旋转角度的变化关系及不同波长处的线色散率。基于凹面光栅成像理论,对系统的光谱分辨率进行了计算分析。通过分析不同出射臂下的光谱分辨率,确定最优出射臂为205 mm。在出射臂为205 mm、入射狭缝为20μm的情况下,分析了入射狭缝宽度、像素大小、像差和衍射极限对光谱分辨率影响。结果表明:衍射极限对光谱分辨率的影响最小,基本上可以忽略不计,出射狭缝的宽度对光谱分辨率有较大贡献,大约为0.09~0.10 nm,且在50~250 nm波长范围内缓慢增加。分析了不同入射狭缝宽度(10~80μm)下光谱分辨率,光谱分辨率随狭缝宽度呈递增趋势,变化范围为0.10~0.32 nm,当狭缝宽度达到80μm时,光谱分辨率已经变的较差,不利于高分辨线辐射光谱测量。在实际测量中,应该综合考虑光通量和光谱分辨率需求。采用低压汞灯和微波等离子体光源进行波长校准和性能测试。基于零阶光谱和汞灯的特征光谱HgⅠ(185 nm)对光谱仪进行了波长标定。通过HgⅠ(185 nm)谱线的高斯拟合分析,得到仪器在185 nm处的光谱分辨率为0.1243 nm,与理论计算值接近。通过实验与理论计算对比不同出射臂下的HgⅠ(185 nm)光谱分辨率,验证了仪器在出射臂为205 mm处获得最佳光谱分辨能力。利用微波等离子体放电光源装置对光谱仪进行了进一步的性能测试,基于光源发射的氮、氧和氦线的测量,验证了光谱仪在50~250 nm波长范围内具有良好的探测能力。

紫外可见光谱法测定抗体偶联药物药物-抗体偶联比的方法建立和验证

目的 建立基于紫外可见光谱检测抗体偶联药物(ADC)药物-抗体偶联比(DAR)的检测方法并进行验证。方法 使用盐酸胍作为变性剂,修正基于氨基酸组成推算的抗体在280 nm处消光系数。利用比尔-朗伯定律测定抗体和小分子药物在252nm处的消光系数及小分子药物在280nm处的消光系数。确定基于紫外可见光谱检测ADC的DAR公式参数和检测方法。根据《中华人民共和国药典》(2020)指导原则,对方法进行验证。结果 抗体在252nm和280nm处的摩尔消光系数分别为91258和228913L/(mol·cm);tubulysin衍生物小分子药物在252和280nm处的摩尔消光系数分别为12798和3186 L/(mol·cm)。DAR=(A280-ADC×91258–A252-ADC×228913)/(A252-ADC×3186–A280-ADC×12798)。方法专属性符合要求。模拟DAR值为1.881~15.045的ADC药物进行准确性验证,回收率为79.38%~99.13%。重复性相对标准偏差(RSD%)为1.93%,中间精密度RSD%为2.36%。以252 nm处吸光值与280 nm处吸光值的比值为纵坐标,以模拟DAR值为横坐标进行线性回归的方程为y=0.0408x+0.414,相关系数r2为0.9954。根据DAR测定公式推算该方法的检测范围为0.60~82.56。不同检测波长[(280±1)或(252±1)nm]、不同放置时间(0~60 min)、不同批次的比色皿条件下,DAR值检测结果的RSD%均<5.0%。结论 基于紫外可见光谱法进行抗体偶联药物DAR测定的方法简单、可操作性强,专属性、准确度、精密度、耐用性满足检测需求,该方法可以用于抗体偶联药物的质量分析和质量控制。

基于搭建紫外-可见光谱仪并运用于氨基酸测定的实验教学模式

设计搭建了一款用于本科实验教学的可拆卸便携式紫外-可见光谱仪。学生通过查阅相关资料和文献了解其工作原理,并利用光学元件设计并搭建紫外-可见光谱仪。搭建好的仪器测试表征氨基酸的紫外光谱,并通过DFT(密度泛函)计算来验证仪器的准确性。该实验方案有助于学生深入了解仪器的构造原理,锻炼动手能力,并能够学习和探究量子力学计算的相关方法,践行了学以致用的教学理念,使学生在实验操作中获得成就感,大大提高了学习兴趣。

紫外可见-光谱库在农药除草剂隐性成分排查中的应用

通过高效液相色谱法,建立了113种常规除草剂的标准紫外-可见光谱图库,检测除草剂中的隐性成分。以乙腈磷酸水为流动相的梯度洗脱对除草剂隐性成分进行定性分析。通过光谱库对2个农药除草剂进行了隐性成分鉴定,检出了敌稗、噁唑酰草胺和2甲4氯3种隐性成分。此方法能够快速准确的查出除草剂中添加的隐性成分,特征性和专属性很强,能够克服保留时间定性时容易造成假阳性的结果;该方法操作简单、检测效率高、时间短和成本低,适合于农药分析人员。

紫外-可见光谱库在农药隐性成分排查中的应用

采用高效液相色谱法建立了137种常规农药的标准紫外-可见光谱库,检测农药制剂中的隐性成分。以乙腈和水为流动相的梯度洗脱对农药隐性成分进行定性分析。通过光谱库对2个农药品种进行了隐性成分鉴定,检出了呋虫胺、二氯异丙虫酰胺、乙虫腈和甲氧虫酰肼4种隐性成分。该方法能够快速准确的查出农药中添加的隐性成分,特征性和专属性很强,能够克服保留时间定性时容易造成假阳性的结果。方法简单易学适合于农药检测分析人员。

基于紫外-可见光谱法的工业废水CNN-GRU分类模型研究

工业废水分类是水污染防治和水资源管理的前提和基础,相较于生活污水,工业废水的分类研究相对滞后。水体化学需氧量(COD)是衡量水体质量的核心指标,针对现有工业废水COD分类算法中预测精度较低的问题,提出基于门控循环单元(GRU)的卷积神经网络(CNN)混合模型。该模型首先将紫外-可见光谱法测得的工业废水COD数据进行高斯滤波去噪,然后把去噪后的光谱数据输入CNN模型进行特征提取,最后通过GRU神经网络实现工业废水COD分类。实验结果显示,CNN-GRU分类模型经过200次训练后达到收敛,分类精度达到99.5%,与长短期记忆方法、GRU方法、CNN-LSTM方法相比,该混合模型的分类精度具有显著优势。

紫外—可见吸收光谱法实验的改进探索

以紫外—可见吸收光谱法实验为例,从经典实验课程内容出发,结合科研前沿热点—光催化技术,对经典实验课程进行改进。引入探究式教学法,引导学生主动参与实验方案设计和实验结果分析。同时,将思政元素渗透于实验课程,为推动人才培养模式创新提供参考,以期实现理工类实验课程立德树人的目标,提高学生的科研素养。

基于SG-Lasso-PLS融合算法的水体硝酸盐氮紫外光谱检测研究

硝酸盐氮(NO3-N)是水中“三氮”(硝酸盐氮、亚硝酸盐氮、氨氮)之一,能够反映水体受污染的程度,是水质评估的一项重要指标。水体中的硝酸盐氮浓度过高不仅会导致水环境污染加重,而且会对人畜及水产构成较大威胁。传统的硝酸盐氮检测必须先反应后测定,具有时间长、操作复杂、有二次污染等缺点。光谱法具有快速、无损、无试剂消耗等显著优点。针对硝酸盐氮难以快速检测的问题,提出了一种基于紫外吸收光谱的快速定量分析硝酸盐氮的方法。采集42份浓度为0~20 mg·L^(-1)的硝酸盐氮标准溶液样本的紫外吸收光谱,每份样本经11次平均处理以减少仪器噪声和环境的影响。采用SPXY算法按照7∶3的比例划分训练集、测试集,对紫外吸收光谱数据使用Savitzky-Golay(SG)滤波算法进行预处理,通过10折叠交叉验证获得套索回归(lasso regression)合适的正则化参数λ=0.2036,再使用Lasso回归在全光谱范围内筛选出与硝酸盐氮相关的光谱特征波长,将特征波长处的吸光度与样本浓度进行偏最小二乘(PLS)拟合建立硝酸盐氮的回归模型。采用此建模方法所建立的模型训练集的R2与RMSE分别为0.99991和0.06015 mg·L^(-1),测试集的R2与RMSE分别为0.99972和0.04691 mg·L^(-1)。为了验证提出的SG-Lasso-PLS预测模型效果,另外建立了Lasso-PLS,SG-PCA-PLS和SG-PCA-SVR三种预测模型进行对比。验证结果表明,SG-Lasso-PLS建立的预测模型的R2和RMSE均优于其他三种预测模型。说明SG滤波能够消除光谱信号的随机噪声,提高模型的预测精度。与PCA数据降维算法相比,Lasso可实现全光谱范围内的光谱特征选择和数据降维,能有效消除光谱数据的冗余信息,提高模型的预测精度。因此,本文提出的SG-Lasso-PLS混合模型能够快速准确的对水体中的硝酸盐氮进行预测。作为硝酸盐氮浓度检测的基础研究,能为快速无污染的水质在线监测场景提供算法参考。

采用紫外-可见光谱法对明日叶根鉴别的研究

目的:为明日叶根的光谱鉴别方法的制定提供参考。方法:采用紫外-可见光谱鉴别方法。结果:明日叶根不同的溶剂、不同提取方法所得的提取液,其特征吸收峰各有特点。结论:本实验为明日叶根的光谱鉴别控制方法提供了参考的依据。