色谱在生物有机体内多环芳烃检测中的应用

多环芳烃(PAHs)既能融于生物有机体的脂质中,也能同生物体有机体内的脂蛋白、核酸等生物大分子结合,对生物有机体产生危害。检测生物有机体内的PAHs,有助于我们评价其生物活性、研究其毒理行为和"三致"作用机制,指导人们合理、有效的减少或阻止PAHs对人体带来的危害。色谱法作为传统的检测方法,具有分离效果好,检出限低,灵敏度高,重现性好,仪器易于普及,可纯化、检测生物有机体内PAHs等优点,在生物有机体内PAHs检测中具有广阔的应用前景。本文就近年来色谱在检测生物有机体内PAHs中的应用做一总结,并对其将来在生物有机体内PAHs检测中的广阔前景进行展望。

基于3D荧光光谱分析和多维偏最小二乘的PAHs浓度优化检测

多环芳烃(PAHs)具有强致癌性,威胁人类身体健康。在复杂水质检测环境中,利用荧光光谱检测PAHs浓度时,由于测量光谱中存在瑞利散射影响,使得PAHs光谱信号包含明显的非平稳噪声,常用的多次采样求均值法容易使PAHs光谱存在明显的测量误差,导致PAHs检测精度下降。为此,提出了一种基于3D荧光光谱分析和多维偏最小二乘(N-PLS)的PAHs浓度优化检测方法,首先分析了菲、芴、苊与荧蒽4种PAHs溶液的光谱特性,通过拟合散射带数据点值消除光谱中的瑞利散射噪声,同时尽可能地保留原光谱信息。提取4种PAHs光谱的均值、方差和一维边际分布等特征参数,利用聚类分析方法对其光谱数据做样本分类,将相似光谱数据样本进行合并;然后根据校正集的光谱信号与不同PAHs浓度之间的关系,建立N-PLS模型,对各类PAHs的浓度进行预测分析,并且验证PAHs浓度与光谱数据荧光强度的关系;最后利用双线性分解对浓度残差进行修正,对含有各类PAHs的水溶液与实际水样进行浓度残差验证,分析了不同参数下PAHs的预测误差。实验结果表明,溶剂菲有2个明显的荧光峰值,激发与发射波长分别为285/245和315/345nm;芴与荧蒽均存在6个明显的荧光特征峰值,分别为265/255,325/345,335/325,365/355,385/395和405/415nm,且与其他PAHs的荧光峰值相距较远;溶液苊在发射波长300~485nm的范围内存在连续波峰,且对应激发波长在255~360nm范围内;N-PLS方法对不同水质环境下的PAHs预测误差较小,其中菲与芴均方根误差均小于0.4μg·L^-1,相对误差小于6%,苊与荧蒽均方根误差均小于1.0μg·L^-1,相对误差均小于9%。对4种不同的PAHs在河流中的扩散趋势进行了仿真分析,确定出了其扩散程度,其中芴与菲扩散速率约为51mg·L^-1,苊与荧蒽扩散速率为21mg·L^-1,且扩散速率在一定范围内呈线性增长趋势,PAHs与其浓度之间符合朗伯比尔定律的线性关系;通过不同迭代次数下N-PLS方法的均方根误差分析,得到了均方根误差精度最高时的迭代次数;对比了不同主因子数时N-PLS方法对PAHs预测的适应度与相关系数,结果表明当主因子数为3时,适应度可达96.5%,此时N-PLS预测模型效果最佳。相比其他检测方法,本文方法检测精度较高,回收率较好,具有较强的鲁棒性。

超灵敏SERS基底的构筑及其在催化与检测中的应用

表面增强拉曼光谱(SERS)由于其极高的灵敏度和选择性在分析化学、材料科学、生物医学、环境监测等领域具有巨大的应用前景,SERS在向实际应用体系延伸的过程中,兼具多功能性质应用的材料是当今SERS基底构筑的发展方向。这里我们介绍两种超灵敏SERS基底的构筑方法及其在催化与检测中的应用:一种是银箔/ZnO纳米纤维的构筑,并利用这种SERS基底检测有机污染物的光催化降解动力学过程;一种是超疏水超亲油的三维网状结构的金/泡沫镍材料的构筑,建立了一套分离、富集的系统对环境中持久性有机污染物进行SERS检测。

碳氢燃料的超临界热稳定性研究

以正壬烷为碳氢燃料模型化合物,考察其在超临界条件下的恒容热裂解,跟踪裂解转化率和产物分布,探讨了反应温度和时间对燃料热稳定性的影响.正壬烷热裂解气体产物主要有甲烷、乙烷、乙烯、丙烷和丙烯;液态产物中则以链烷烃、烯烃和环烷烃为主,并可检测到芳烃.采用高效液相色谱(HPLC)法测定了液体产物中芳烃的含量,与气相色谱-质谱联用(GC-MS)和紫外-可见光谱(UV-vis)测定结果相互印证,芳烃含量随裂解转化率增加呈指数变化,表达了燃料热稳定性和裂解规律的变化趋势.

平行因子结合支持向量机对多环芳烃的荧光检测

基于荧光检测机理,将平行因子与支持向量机(SVM)算法相结合,对多环芳烃中的苊、芴和萘进行检测。将荧光光谱数据预处理后作为训练集,输入到粒子群优化的SVM算法中建立分类模型;利用核一致性分析、残差平方和分析以及迭代次数分析方法确定成分数;采用得到的最佳成分数进行平行因子分解,将得到的发射载荷矩阵作为测试集输入到SVM的分类模型中,分类正确率为100%,最终得到苊、芴和萘的回收率分别为100.45%±6.25%、100.10%±6.39%和95.07%±7.46%。所用算法避免了人为操作增加的时间复杂性及主观因素造成的误差,为多环芳烃的荧光检测提供了一种新方法。