山梨酸钾是日常生活中一种典型的食品防腐剂。 过量食用防腐剂山梨酸钾, 会严重危害人身体健康。 以橙汁作为背景溶液, 配制山梨酸钾含量在0.007 0～0.100 0 g·L-1之间的山梨酸钾橙汁溶液样本共22组。 应用FS920荧光光谱仪对防腐剂山梨酸钾的水溶液以及橙汁溶液的荧光特性进行了研究。 由于山梨酸钾和橙汁的荧光特性相互干扰, 山梨酸钾橙汁溶液的浓度与荧光强度不再满足线性关系, 所以物质浓度的预测比较复杂。 通过构建改进鸡群算法优化支持向量机(ICSO-SVM)的模型对荧光光谱数据进行处理。 模型选取18个样本作为训练集, 4个样本作为预测集。 提取各样本在最佳激发波长λex=375 nm下, 发射波长在450～520 nm范围内的荧光强度值作为输入, 以山梨酸钾橙汁溶液的浓度值作为输出。 首先对改进鸡群算法(ICSO)的各个参数进行初始化, 然后经过训练输出支持向量机(SVM)的惩罚因子C和核参数g的最佳值, 再将得到的最佳值输入SVM模型, 得到4组预测浓度值分别为0.011 5, 0.026 0, 0.077 0和0.092 0 g·L-1。 ICSO-SVM模型的均方误差为1.02×10-5 g·L-1, 平均回收率为101.88%。 相同条件下与鸡群算法优化支持向量机(CSO-SVM)、 遗传算法优化支持向量机(GA-SVM)和粒子群算法优化支持向量机(PSO-SVM)进行对比。 结果表明ICSO-SVM模型的预测精度高于CSO-SVM, GA-SVM和PSO-SVM, 而且改进鸡群算法在训练过程中更容易找到全局最优值, 迭代速度更快。 该研究为物质浓度预测提供了一种新方法。

为了实现甲烷浓度的测量, 设计了基于差分吸收检测原理的甲烷浓度检测系统。检测系统中的气室部分使用了全反射棱镜配合凹面镜的方法来增加光程, 使光能够被气体充分吸收, 达到了提高测量精度的效果。在测量过程中, 受到环境因素的影响, 使得接受的信号中存在大量的噪声, 为此提出利用小波优化EEMD的方法对接收的信号进行去噪处理, 得到的信噪比为16.9925, 均方根误差为1.5447×10-4。实验结果表明相比于EEMD或小波的去噪方法, 使用小波优化后的EEMD具有更好的噪声抑制效果, 方法适用于甲烷收发谱信号的去噪处理。

为了准确、快速地检测和预测甲烷气体的浓度, 设计了基于红外差分吸收法的甲烷浓度检测系统.为了降低系统部件不稳定带来的影响, 检测系统采用双气室结构, 气室的输入和输出接口处通过渐变折射率透镜连接到传输光纤, 以降低光强的损耗.系统对甲烷检测结果的平均误差为0.007 5.基于粒子群优化的误差反向传播神经网络算法构建了甲烷预测模型, 以浓度在0.2%~2.0%范围内的甲烷气体为研究对象.在样本训练过程中, 预测模型的精度达到10－4, 实际输出值与期望值线性回归的相关系数为0.998 8, 最大相对标准偏差为0.248%.实验结果表明, 在甲烷浓度预测中, 相对于误差反向传播神经网络预测模型, 粒子群优化误差反向传播神经网络的预测性能更优.

食品安全隐患越来越受到重视, 而食品添加剂的过量使用更是个重要的因素。应用FS920荧光光谱仪, 研究了防腐剂山梨酸钾的荧光特性, 得到山梨酸钾荧光特征峰于λex/λem=375/490nm采用基于最小二乘支持向量机对橙汁溶液中防腐剂山梨酸钾进行检测, 通过改进的遗传算法寻优最小二乘支持向量机参数。经过样本训练得到橙汁溶液山梨酸钾的回归模型, 对未知浓度的溶液进行预测, 将新算法与基本遗传算法寻优的模型和BP神经网络对比。结果表明, 自适应遗传-最小二乘支持向量机建立的预测模型在平均相对误差3.54%和平均回收率96.46%都是最优的,是一种准确有效的橙汁中山梨酸钾浓度检测方案。

十二烷基苯磺酸钠( Sodium Dodecyl Benzene Sulfonate,SDBS)是一种通用的阴离子表面活性剂,其洗涤性能优良,配伍性能好,可与其他无助剂以不同比例配比,且价格便宜,被广泛应用于洗衣粉中。应用FS920荧光光谱仪分析了不同浓度的十二烷基苯磺酸钠水溶液和不同品牌洗衣粉水溶液的荧光光谱特性,发现十二烷基苯磺酸钠溶液的荧光特征峰位于λex/λem=315/350 nm,洗衣粉水溶液的荧光特征峰位于λex/λem=356/430 nm,经分析是由于洗衣粉中添加了其他非离子表面活性剂、沸石等物质使特征峰发生红移。根据荧光强度与浓度的关系,采用径向基神经网络完成了水溶液中十二烷基苯磺酸钠含量的定量测试,同时通过采用荧光光谱技术和径向基神经网络相结合的检测方法分析了生活中常见的7个常用品牌洗衣粉中表面活性剂的含量。

采用FS920荧光光谱仪分析了苯并［k］荧蒽（BkF）、苯并［b］荧蒽（BbF）和两者混合物的荧光特性.结果表明BkF的两个荧光峰分别位于306 nm/405 nm和306 nm/430 nm，BbF的两个荧光峰分别位于306 nm/410nm和306 nm/435 nm.BkF和BbF不同浓度配比及其相互间的荧光干扰，使得混合物荧光特性差异较大，荧光强度和浓度间关系变得复杂.为准确测定混合物中BkF和BbF的浓度，采用递阶算法优化的径向基神经网络对其进行检测，结果表明BkF和BbF的平均回收率分别为98.45%和97.71%.该方法能够实现多环芳烃类污染物共存成分的识别和浓度预测.

对羟基苯甲酸甲酯钠是一种常见的食品添加剂，如果长时间食用或者超量食用会对人体造成一定的危害。采用FS920荧光光谱仪对对羟基苯甲酸甲酯钠橙汁溶液和水溶液进行检测，实验结果表明两者的特征峰发生了明显的变化。经分析得出，对羟基苯甲酸甲酯钠橙汁溶液的荧光光谱受到橙汁荧光特性干扰，一定浓度范围的溶液光谱图存在较大差距，对羟基苯甲酸甲酯钠浓度与荧光强度之间的关系复杂。为了精确地检测橙汁中对羟基苯甲酸甲酯钠的浓度，结合荧光光谱法与最小二乘支持向量机，建立了橙汁溶液中对羟基苯甲酸甲酯钠的检测模型，使用改进的粒子群优化算法得到影响模型性能的正则化参数和核函数。实验得到了较为理想的结果，与普通反向传播（BP）神经网络、基本粒子群寻参的最小二乘支持向量机等方法相比，该方法性能最优，得到的平均回收率为97.05%，平均相对误差为2.71%，均方根误差为3.04%，模型输出与真实值之间的相关系数是0.9999。该方案可以做为橙汁中对羟基苯甲酸甲酯钠浓度的精确检测方法。

多环芳烃(polycyclic aromatic hydrocarbon, PAHs)具有强致癌性, 极大威胁着人类身体健康。因此, 寻找一种高效、精确的多环芳烃浓度检测方法十分必要。采用FS920荧光光谱仪分析了苯并(k)荧蒽（BkF）、苯并(b)荧蒽（BbF）、苯并(a)芘（BaP）混合溶液的荧光光谱特性。发现在激发波长260~400 nm、发射波长300~500 nm范围内, 混合溶液的荧光光谱重叠严重。当混合物浓度配比不同时, 荧光特性也存在很大差异。针对光谱图不能直接反映混合物各组分浓度的特点, 将人工蜂群(ABC)算法优化的径向基函数(RBF)神经网络应用于浓度检测中, 对比分析普通RBF和ABC-RBF神经网络模型。结果表明, ABC-RBF神经网络模型预测误差相对较小, 训练到95次时, 均方差精度达到10-3。BkF、BbF和BaP的回收率平均值分别为99.20%、99.12%和99.23%, 证明此网络适用于检测多环芳烃溶液, 为检测多环芳烃浓度提供了一种快速、有效的新方法。

基于多环芳烃中苯并［k］荧蒽(BkF)的强荧光特性, 构建了荧光检测实验系统, 并制备了10个不同浓度的BkF甲醇溶液样品, 分析了样品荧光特性。为了更好地进行定性和定量分析, 采用经验模态分解(EMD)改进阈值法结合数学形态学对荧光光谱信号进行去噪处理, 并与EMD阈值去噪法进行对比。结果表明, 提出的方法使去噪后的荧光光谱更加平滑, 荧光强度与样品浓度的线性相关系数更高, 达到0.99746; 信噪比有所提高; 原始信号与去噪后信号的均方误差由0.0053降低至0.0012。提出的方法去噪效果显著, 有效地提高了光谱的分析精度, 为荧光光谱预处理提供了一种新方法。