铜（Ⅰ）基金属卤化物作为新一代环境友好的发光材料受到了研究者的广泛关注。本文采用溶剂辅助结晶法设计制备了一种新型零维金属卤化物发光材料（C₁₂H₂₄O₆）NaCuBr₂。在365 nm激发下，该化合物呈现出半峰宽为346 nm的超宽带橙红色发射，光致发光量子产率为42.6%。基于低温光谱、激发波长依赖的发射光谱和理论计算研究表明，峰值700 nm处的超宽带发射来自于Cu⁺离子3d轨道和Br^-离子4p轨道间相互作用形成的简并能级。在低温下，（C₁₂H₂₄O₆）NaCuBr₂的晶格畸变导致能级的简并度降低，其荧光发射包含峰值为629 nm和735 nm的两个发射带。在高能激发下，电子跃迁到（C₁₂H₂₄O₆）NaCuBr₂的更高能级S₃而带来的发射与77 K下观测到的480 nm处的发射峰相对应。采用（C₁₂H₂₄O₆）NaCuBr₂制备的白光发光二极管（LED）器件的显色指数高达90.6，表明其在全光谱照明领域具有潜在的应用前景。

采用传统的高温固相法合成了一系列Cs₃Gd_1-xGe₃O₉：xBi³⁺（0.02≤x≤0.1）蓝色荧光粉，并通过Lu³⁺替代Cs₃Gd_1-xGe₃O₉基质中的Gd³⁺，调控激活剂Bi³⁺周围局部环境，制备了一系列发光颜色可调的Cs₃Gd_0.96-yLu_yGe₃O₉：0.04Bi³⁺（0.1≤y≤0.9）固溶体荧光粉。X射线衍射、稳态/瞬态荧光光谱、变温光谱对荧光粉样品的物相结构、发光特性、荧光寿命、热稳定性进行了详细表征。结果表明，我们成功合成了一系列纯相的Cs₃Gd_1-x-yLu_yGe₃O₉：xBi³⁺化合物。在紫外光330 nm激发下，Cs₃Gd_1-xGe₃O₉：xBi³⁺荧光粉的发射峰位于452 nm，呈现蓝光发射，该宽带发射峰源于Bi³⁺的³P₁ → ¹S₀跃迁，Bi³⁺掺杂浓度为0.04 mol时，Cs₃Gd_1-xGe₃O₉：xBi³⁺荧光粉的荧光强度达到最大值。在最优Bi³⁺掺杂浓度下，通过Lu³⁺替代基质中的Gd³⁺，发现合成的一系列Cs₃Gd_0.96-yLu_yGe₃O₉：0.04Bi³⁺（0.1≤y≤0.9）固溶体荧光粉发射峰逐渐发生红移，随着Lu³⁺掺杂浓度的逐渐增加，发射峰从x=0.1 mol时的453 nm逐渐红移至x=0.9 mol时的483 nm，相应的半峰宽从88 nm展宽至116 nm，色坐标从蓝色区域（0.168 5，0.160 2）过渡到青色区域（0.217 9，0.300 7）。样品光谱行为的变化主要是因为晶体场劈裂程度增大和斯托斯克位移增大。探究了x=0.04 mol、y=0.5 mol样品的发光热稳定性，当温度升高到423 K时样品的发光强度保持在初始值的55%。所得到的一系列发光颜色可调的固溶体荧光粉在全光谱照明、植物照明等领域具有潜在的应用。

基于三维荧光光谱与有机物特征荧光峰之间的关系, 提出利用三维荧光光谱进行聚类, 再针对不同类的水样利用紫外-可见全波段吸收光谱数据建立COD预测模型的技术路线。 比较分析了平行因子分析(PARAFAC)算法和荧光体积积分(FRI)算法两种不同的光谱分析方法, 再使用模糊c-均值(FCM)算法进行聚类, 并完成了不同类水样的COD预测模型的建立。 研究的水样采集于江苏省常熟市周边的农村区域, 样品均来自不同的分散式农村生活污水处理装置出水, 共100个实验水样; 将测得的水样三维荧光光谱数据经过去散射预处理后利用PARAFAC算法和FRI算法分别提取荧光特征数据; 之后, 利用FCM聚类算法进行相似性聚类; 最后, 利用偏最小二乘(PLS)算法建立水样的紫外-可见全波段吸收光谱和COD之间的回归和预测模型, 并使用决定系数和均方根误差对模型的预测精度进行评价。 研究结果表明: 未分类、 使用FRI、 使用PARAFAC算法提取荧光特征信息后再预测的模型的平均决定系数R²分别为0.632, 0.819和0.906; 平均均方根误差RMSE分别为27.857, 23.621和13.071。 聚类后的回归和预测精度均得到显著提升, 且使用PARAFAC算法提取荧光特征信息后再建模具有最高的预测精度, 相比于未分类预测模型的R²提高了0.274。 本研究提出的基于三维荧光光谱联合紫外可见全波段吸收光谱, 采用“PARAFAC-FCM-PLS”组合算法构建的COD预测模型, 可以有效的提高COD的预测精度, 为高精度的水质在线监测提供了一种新的思路。

硝酸盐是水质健康状态评价的一个关键要素。 水体中高浓度的硝酸盐会导致生物多样性剧减以及生态系统的退化, 同时对人类的健康产生不可逆转的伤害。 基于光学测量的水质在线监测是当前及未来水环境动态监测的发展趋势。 相较于传统硝酸盐现场采样加实验室分析的测定方法, 具有操作便捷, 无需前处理, 检测效率高, 可靠性好且无污染等显著优点。 由于实际水体组分的复杂性与多样性, 水体参数和吸光度二者并非呈现线性相关, 传统的单波长法, 双波长法, 偏最小二乘法等线性回归预测模型已不适用。 基于此, 提出一种精细全光谱结合可变步长网格搜索, 优化支持向量回归(GS-SVR)的水体硝酸盐分析方法。 同时与陕西科技大学化学与化工学院合作, 采用标准的硝酸盐溶液, 铂-钴标准溶液, 福尔马肼标准混悬液根据实验要求配制了不同浓度梯度94组溶液样本。 首先将采集到的透射率光谱数据完成吸光度转换, 并使用Kennard-Stone方法将94个溶液样本划分为80个训练集和14个测试集。 其次使用改进的GS算法结合交叉验证, 通过多次迭代, 减小搜索范围、 改变搜索步长对SVR进行参数寻优, 并将最优惩罚参数C和核函数宽度σ用于训练集中进行模型建立, 最后用所建立的模型对测试集进行浓度预测。 并将预测效果与反向传播神经网络(BPNN), SVR, GS-SVR, 粒子群算法优化SVR(PSO-SVR), 遗传算法优化SVR(GA-SVR)的模型预测结果比较, 结果显示, 提出的算法模型相关系数R²=0.993 5, 预测均方根误差RMSEP=0.043 5, 最优参数C和σ组合为(512, 0.044 2), 平均训练时间为13 s。 相较于上述五种预测模型, R²分别提高了1.22%, 11.66%, 0.78%, 0.74%和0.77%, 训练效率分别提升4.15倍(BPNN), 8.30倍(GS-SVR), 21.38倍(PSO-SVR), 10.23倍(GA-SVR)。 模型的预测精度以及训练效率方面都取得了很大的提升, 为复杂水体硝酸盐浓度的快速实时在线监测提供了一种新的方法。 同时, 该方法具备一定的普适性, 也适用于其他水质参数预测模型的建立。