利用三维同步荧光光谱法获取不同氧化状态下的葵花籽油荧光光谱数据, 同时采集葵花籽油品质指标。 运用平行因子法对三维同步荧光光谱矩阵进行降维处理, 通过iPLS(interval partial least squares), BiPLS(backward interval partial least squares)和SiPLS(synergy interval partial least squares)模式识别方法进行数学建模。 结果表明: 波长差Δλ=50 nm时, 样品同步荧光光谱具有显著差异, 筛选用于数学建模初始数值。 不同模式识别方法建模结果显示, iPLS, BiPLS和SiPLS法所得校正集模型和预测集模型的相关系数分别为0.908 3, 0.961 2, 0.954 5和0.872 3, 0.925 2, 0.852 5, 交互验证均方根误差分别为0.050 3, 0.033 1, 0.035 9和0.073 3, 0.054 1, 0.065 5, 比较发现采用BiPLS法建模效果最好。 该研究将为葵花籽油品质快速辨别提供理论基础和技术支持, 为其他食用油脂的快速检测提供方法指导。

石油是一种成分复杂的混合物, 通过常规的检测方法很难对其进行定性识别。本文用汽、煤、柴油的混合物来模拟环境中的油类污染物。汽、煤、柴油在特定波长范围的激发下可以发出含有物质自身信息的荧光, 根据朗伯-比尔定律可知荧光强度与物质浓度成正比, 利用该性质对特定物质进行识别。通过FS920稳态荧光光谱仪对样本进行测量, 将实验所得的三维数据拓展为五维数据, 提出了一种将展开偏最小二乘耦合到残差四线性的五维数据处理方法, 同时采用五维平行因子法和该算法分解数据, 实现了对汽、煤油的定量分析, 并恢复出了其激发和发射光谱。结果表明, 展开偏最小二乘法的分析效果更好。

系统分析了PARAFAC法解析立方阵数据的实现过程。 以建立PARAFAC模型对湖泊水样三维荧光光谱数据进行荧光物质成分分解为例, 通过对核心阵元素分布、 核一致函数、 模型谱图与原始谱图拟合程度以及拟分解成分物理意义的分析, 确定PARAFAC法分解样品荧光物质成分的合理成分数, 实现PARAFAC法对荧光物质成分的合理分解与识别。

采用平行因子法(PARAFAC法)对太湖水样溶解性有机质(DOM)三维荧光光谱进行解析。 通过比较因子数分别为3, 4和5时, PARAFAC模型的核一致函数、 激发和发射光谱误差平方和、 各水样模拟的三维荧光光谱和残差谱图等情况, 选择因子数为3作为太湖水样DOM三维荧光光谱PARAFAC模型的最佳因子数。 太湖水样DOM的3类主要荧光组分分别是类腐殖质荧光物质、 类色氨酸荧光物质、 类酪氨酸荧光物质。

为快速鉴别潲水油, 采用三维同步荧光光谱结合平行因子法解析潲水油的特征波长差(Δλ), 并利用支持向量机建立潲水油鉴别模型。 结果表明, 潲水油的特征Δλ为60 nm； 特征Δλ下的样品原始同步荧光光谱经过主成分分析提取5个主成分, 以径向基函数(RBF)为核函数, 利用网格搜索和6-fold交叉验证优化建模参数, 得到惩罚因子C=512、 核参数g=0.5, 该条件下建立的模型对训练集和预测集的判别率均达到100%。 采用同步荧光光谱可以快速、 准确地鉴别潲水油。

通过室外模拟实验研究崇明岛北湖滩涂大型丝状绿藻常见种-刚毛藻在生长过程中有色溶解有机质(CDOM)的光谱特征变化。 利用三维荧光光谱(EEMS)检出的类蛋白和类腐殖酸荧光峰在对照实验中变化不大, 而在培养实验中明显增加。 采用平行因子模型(PARAFAC)结合三维荧光激发-发射矩阵数据分析得到的CDOM的4个组分: C1, C2, C3, C4, 分别与类腐殖酸荧光峰A(C), M和类蛋白荧光峰B和T有关。 培养实验中, 4组分分别增加了211.5%, 255.8%, 75.3%和129.3%； 对照实验中除C1降低34.3%外, 其他组分无明显变化。 吸收系数a(355)在培养实验中增加了92.9%, 并且与4组分显著正相关(P<0.01)； 对照实验中a(355)降低了59.8%, 仅与C1显著相关(P<0.05)。 此外对表征分子量和组成的M值和S值进行比较发现, 培养实验中M值和S值均低于对照实验。 这说明在刚毛藻生长过程中可能有大分子和较强芳香性的CDOM产生。 所有结果表明, 刚毛藻的生长过程能够引起CDOM含量和组成结构的变化。