在世界范围内溢油事件频繁发生, 溢油的组成成分会影响人类身体健康和生态系统。 因此, 迫切地需要一种可以快速识别溢油种类的方法。 针对溢油污染物现场快速鉴别的需求, 利用平行因子分析技术建立了基于三维荧光光谱的原油、 燃料油识别方法。 首先, 利用Delannay三角形内插值法对实验选的6种原油(Roncador原油、 巴士拉原油、 俄罗斯原油、 沙特原油(重质)、 上扎库姆原油、 海二站原油)和三种燃料油(380CST燃料油、 5-7号燃料油、 岚山燃料油)的三维荧光光谱去散射, 去散射后的三维光谱数据进行归一化处理; 之后, 对三维荧光光谱进行平行因子解析, 确定七个荧光组分为最佳荧光组分, 进而得到由7个荧光成分组成的样品荧光特征谱, 将风化第3, 15和45天的样品及未风化样品的第一平行样的荧光特征谱进行贝叶斯方法(Bayes)判别分析和聚类分析, 确定油品荧光特征谱的分析能力和18条荧光标准谱库(12条原油标准谱和6条燃料油标准谱); 最后, 利用非负最小二乘多元线性回归建立溢油荧光识别方法, 对第0, 7和30天风化的样品和未风化样品的另一平行样进行识别。 实验结果表明, 除对风化及未风化的俄罗斯原油识别外, 该方法对其余风化和未风化的五种原油和三种燃料油识别正确率均为1000%, 整体识别原油正确率为875%, 燃料油正确率为1000%。

采用基于稀疏矩阵的大规模非负最小二乘法，对大口径、微浮雕结构光学元件加工中的驻留时间进行了分析与求解，并对该算法开展了正则化研究。仿真结果表明: 与传统非负最小二乘法相比，基于稀疏矩阵的大规模非负最小二乘法精度高、效率快。采用该算法仿真加工平均振幅为1.177 6倍波长的大口径、微浮雕结构光学元件，误差面形均方根收敛至0.067倍波长。