卷烟主流烟气中巴豆醛在线光谱分析方法研究

卷烟主流烟气是卷烟燃烧时被人体吸食到体内的主要气体,其减焦降害已成为全社会高度关注的问题。在各种卷烟主流烟气组分中,巴豆醛以其强烈的基因毒性,成为国家规定的卷烟中七种主要有害指标物之一。传统的巴豆醛分析方法大都采用高效液相色谱法等实验室分析方法,需繁琐的样品前处理过程,无法测量巴豆醛的实时浓度,难以准确评估巴豆醛对人体健康的影响。为了快速、准确地检测卷烟主流烟气中的巴豆醛组分,本研究搭建了一套可以直接与吸烟机耦合的傅里叶红外光谱分析系统(FTIR),并创新性开发过采样数据驱动光谱分析方法(ODDSA),从复杂、变动的卷烟主流烟气中准确提取巴豆醛的光谱组分信息。ODDSA方法从实验设计入手,采用随机设计的思路尽可能模拟实际卷烟样品的分布范围,以构建具备良好光谱数据结构的样品集。在此基础上,创新性地将高密度小波变换引入红外光谱数据的处理过程中,以时/频双域过采样的方式提升了光谱解析分辨率,进而降低了其他基质组分对巴豆醛光谱信息的干扰。最后,发展改良竞争自适应重加权采样方法,从多倍冗余的高密度小波系数中准确提取待测物质的最佳变量组合,由此构建高质量的巴豆醛光谱定量分析模型。为了验证ODDSA方法的有效性,实验中采集了15种典型市售卷烟品牌,每个品牌在线采集8支样品的主流烟气红外光谱,随后采用随机挑选的25个验证集样本对ODDSA方法进行验证。结果表明,检验集的线性拟合系数为0.971,相对均方根误差为5.5%,其预测精度能有效满足卷烟主流烟气中巴豆醛的在线分析需求,并可拓展到环境二手烟气中其他组分的在线监测,进而为吸烟与健康评估提供全新手段。

知识和数据驱动的多时间尺度采样系统建模方法

针对多时间尺度采样系统快采样变量的信息难以充分利用,建模信息不足的问题,提出一种知识和数据驱动的多时间尺度采样系统的模糊迁移学习建模方法,建立多时间尺度采样系统模型,提高建模精度.首先,设计滤波插补方法填补慢采样变量的空缺值,统一慢采样变量和快采样变量为慢时间尺度,利用慢时间尺度变量建立目标模型.其次,提出模型共享机制补充目标模型的建模信息,统一慢采样变量和快采样变量为快时间尺度,利用快时间尺度变量建立参考模型,将参考模型中充足的模型知识迁移到目标模型中.最后,利用参考模型的知识和目标模型的数据学习目标模型的参数,提高目标模型的精度.将提出的建模方法应用于理论数据集,实验证明该方法可以充分挖掘建模信息,建立高精度的多时间尺度采样系统模型.