作者单位
摘要
重庆邮电大学光电工程学院, 光电信息感测与传输技术重庆重点实验室, 重庆 400065
硝酸盐氮(NO3-N)是水中“三氮”(硝酸盐氮、 亚硝酸盐氮、 氨氮)之一, 能够反映水体受污染的程度, 是水质评估的一项重要指标。 水体中的硝酸盐氮浓度过高不仅会导致水环境污染加重, 而且会对人畜及水产构成较大威胁。 传统的硝酸盐氮检测必须先反应后测定, 具有时间长、 操作复杂、 有二次污染等缺点。 光谱法具有快速、 无损、 无试剂消耗等显著优点。 针对硝酸盐氮难以快速检测的问题, 提出了一种基于紫外吸收光谱的快速定量分析硝酸盐氮的方法。 采集42份浓度为0~20 mg·L-1的硝酸盐氮标准溶液样本的紫外吸收光谱, 每份样本经11次平均处理以减少仪器噪声和环境的影响。 采用SPXY算法按照7∶3的比例划分训练集、 测试集, 对紫外吸收光谱数据使用Savitzky-Golay(SG)滤波算法进行预处理, 通过10折叠交叉验证获得套索回归(lasso regression)合适的正则化参数λ=0.203 6, 再使用Lasso回归在全光谱范围内筛选出与硝酸盐氮相关的光谱特征波长, 将特征波长处的吸光度与样本浓度进行偏最小二乘(PLS)拟合建立硝酸盐氮的回归模型。 采用此建模方法所建立的模型训练集的R2与RMSE分别为0.999 91和0.060 15 mg·L-1, 测试集的R2与RMSE分别为0.999 72和0.046 91 mg·L-1。 为了验证提出的SG-Lasso-PLS预测模型效果, 另外建立了Lasso-PLS, SG-PCA-PLS和SG-PCA-SVR三种预测模型进行对比。 验证结果表明, SG-Lasso-PLS建立的预测模型的R2和RMSE均优于其他三种预测模型。 说明SG滤波能够消除光谱信号的随机噪声, 提高模型的预测精度。 与PCA数据降维算法相比, Lasso可实现全光谱范围内的光谱特征选择和数据降维, 能有效消除光谱数据的冗余信息, 提高模型的预测精度。 因此, 本文提出的SG-Lasso-PLS混合模型能够快速准确的对水体中的硝酸盐氮进行预测。 作为硝酸盐氮浓度检测的基础研究, 能为快速无污染的水质在线监测场景提供算法参考。
硝酸盐氮 紫外吸收光谱 Lasso回归 PLS回归 Nitrate nitrogen UV absorption spectroscopy Lasso regression PLS regression 
光谱学与光谱分析
2023, 43(4): 1037
作者单位
摘要
中国地质大学(武汉)珠宝学院, 湖北 武汉 430074
近年来, 市场上出现了一类利用新型无机结合剂处理的绿松石, 经此类方法处理的绿松石与天然绿松石极为相似, 普遍表现为结构细腻、 呈现玻璃-蜡状光泽, 行业上称之为“加瓷”处理绿松石(简称“加瓷”绿松石)。 采取常规宝石学仪器、 红外吸收光谱仪、 紫外-可见分光光度计以及能谱色散型X射线荧光光谱仪对“加瓷”绿松石的宝石学性质、 振动光谱特征以及化学成分组成特征进行了系统的研究和分析。 研究结果显示: “加瓷”绿松石样品的密度大都小于2.200 g·cm-3, 与处理前密度有关, 故用于“加瓷”处理的样品以密度较低的绿松石为主; “加瓷”绿松石均表现为典型的低密度、 较细腻的结构外观和蜡状-玻璃光泽的组合特征, 与品质相当的天然绿松石特征不一致, 可作为“加瓷”绿松石重要的辅助性鉴别特征。 “加瓷”绿松石在长、 短波紫外荧光下的发光性与天然绿松石近于一致; 显微观察下铁线、 裂隙凹陷处常出现白色融出物, 孔道内可见毛发状结晶体。 “加瓷”绿松石的主要化学成分与天然类似, 以CuO, Al2O3和P2O5为主, 并含有一定量的FeOT(铁的氧化物), ZnO、 SiO2, K2O和CaO。 其中, “加瓷”处理绿松石样品中SiO2含量基本在6.40%以上, 均高于天然绿松石中的SiO2含量(1.96%~6.25%), 而Al2O3和P2O5含量都较天然绿松石偏低, 磷铝比例基本与天然绿松石一致, 为1.10左右。 利用“加瓷”绿松石较高的SiO2含量和表面特征可将其与天然绿松石进行有效鉴别。 “加瓷”绿松石与天然绿松石的红外吸收光谱特征基本一致。 “加瓷”绿松石的UV-Vis光谱表现为620~750 nm处的吸收峰以及425 nm附近处较为锐利的吸收峰, 因颜色不同峰位稍有偏移, 但总体与天然绿松石的UV-Vis光谱特征趋于一致。
“加瓷”绿松石 红外吸收光谱 化学成分 紫外吸收光谱 宝石学特征 “Porcelain-added” treatment of turquoise Infrared absorption spectrum Chemical composition Ultraviolet absorption spectrum Gemmological characteristic 
光谱学与光谱分析
2021, 41(7): 2245
作者单位
摘要
重庆邮电大学光电工程学院, 光电信息感测与传输技术重庆重点实验室, 重庆 400065
化学需氧量(COD)是反映水体受有机物污染程度的重要指标。 紫外吸收光谱法是目前水体COD检测研究中应用最为广泛的方法, 具有样品无需预处理, 成本低, 无污染, 测定速度快等优点。 但是, 原始光谱数据维数高, 光谱信息中包含大量冗余变量, 直接将全光谱数据进行建模存在精度低, 计算复杂等问题。 针对紫外吸收光谱全光谱建模精度低, 光谱数据存在大量共线性的问题, 提出了一种基于粒子群算法(PSO)结合偏最小二乘(PLS)优选特征波长建立预测模型的方法, 以提高紫外吸收光谱预测模型的精度和适用性, 简化模型。 利用搭建的紫外吸收光谱装置, 采集29份不同浓度的COD标准溶液的紫外光谱数据, 每份标准溶液采集5次取平均值并对其进行平滑处理, 减少仪器和环境带来的误差。 考虑到标准溶液在200~310 nm的光谱范围内存在吸收, 故选取该波段范围内246个波长点作为建模数据, 每个波长点下的吸光度数据作为一个粒子并按照顺序编号, 以PLS为建模方法, 相关系数r和均方根误差(RMSE)为评价指标, 设置粒子群算法适应度函数f(x)=min(RMSE), 取粒子初始种群数为20个, 惯性权重w=0.6, 自我学习因子c1=1.6, 群体学习因子c2=1.6, 最大迭代次数为200次, 算法终止条件为达到最大迭代次数。 算法输出全局最优变量取值为168, 94, 181, 183, 175, 209, 106和142。 采用粒子群算法优选的8个波长点建立PLS预测模型的相关系数r和预测均方根误差RMSE分别为0.999 98和0.155 1。 为了验证PSO-PLS建立的预测模型效果, 建立了PLS, iPLS和SVR三种预测模型进行对比。 验证结果表明, PSO-PLS模型的相关系数r和均方根误差RMSE均优于其他三种预测模型, 说明粒子群算法能有效的提取用于PLS建模的特征波长, 消除子区间变量的共线性, 提高预测模型的精度。 该方法为实现水体COD实时在线监测提供了一种有效途径。
粒子群算法 紫外吸收光谱 COD测量 PLS回归 Particle swarm optimization UV absorption spectroscopy COD measurement PLS regression 
光谱学与光谱分析
2021, 41(1): 136
作者单位
摘要
硝酸盐浓度是海洋生态系统研究的重要指标。 光学法硝酸盐原位传感器具有测量速度快、 无需化学试剂的优点, 在长时间连续监测方面, 优于镉柱还原法等实验室化学方法。 在计算模型方面目前国内外硝酸盐光学传感器多使用偏最小二乘法(PLS)对紫外吸收光谱进行光谱分析建模, 模型优化难度较大且泛化能力较低, 而神经网络模型理论上能够以任意精度逼近任何非线性连续函数, 样本充足的情况下精度较高, 泛化能力强。 利用自主研制的海水硝酸盐原位传感器, 研究了硝酸盐浓度范围为30~750 μg·L-1的人工海水的紫外吸收光谱, 建立神经网络模型, 定量计算水中的硝酸盐浓度。 对比研究了单隐藏层和双隐藏层神经网络模型对硝酸盐浓度测量的性能, 确定采用双隐藏层结构, 模型的输入层为200~275 nm波段的吸收光谱数据, 输出层为硝酸盐浓度测量值, 使用sigmoid函数作为激活函数。 采用梯度下降法更新每一层神经网络的权值参数, 学习率为0.26, 迭代55 000次进行网络训练。 通过8组随机验证数据进行模型盲测验证, 得到的双隐层神经网络模型的硝酸盐浓度预测值和实际值的线性相关度较高(R2=0.997), 均方根误差为10.864, 平均绝对误差为8.442 μg·L-1, 平均相对误差为2.8%, 模型的精度较高, 比单隐层神经网络模型的平均相对误差降低了4.92%, 而利用同样的光谱数据建立的偏最小二乘算法的均方根误差为11.470, 平均相对误差为4.58%, 说明神经网络模型在一定条件下优于PLS模型的精度, 验证了神经网络模型应用于紫外吸收光谱法硝酸盐浓度测量的优越性。 搭载自然资源部“环监01”监测船环渤海航次进行了实际应用测试, 在11个站位与实验室方法进行了比对测试, 两种方法测量结果基本一致, 进一步证明了该方法的可靠性和实用性。
紫外吸收光谱 海水 硝酸盐 神经网络 光谱分析 原位传感器 Ultraviolet Absorption spectroscopy Seawater Nitrate Neural network Spectral analysis 
光谱学与光谱分析
2020, 40(10): 3211
作者单位
摘要
中山大学 化学学院, 生物无机和合成化学教育部重点实验室, 广州 510275
本工作主要研究Mn 2+离子掺杂的类刚玉系氧化物Zn3TeO6(0<x≤2.0)的晶体结构与光学性质和磁性的变化。Zn3-xMnxTeO6粉末样品通过固相反应合成。Mn掺杂量的相图表明, x<1.0时保持单斜(C2/c)结构, 1.0≤x≤1.6为单斜(C2/c)和三方六面体混合相(R-3), x≥1.8时完全转变为R-3相, 且x=2.0时形成ZnMn2TeO6, Te-O和Mn/Zn-O键长增大, 八面体发生更大畸变。X射线粉末衍射结构精修也表明R-3相中Zn/MnO6为畸变八面体。随着Mn 2+掺杂含量的增加, Zn3-xMnxTeO6系列化合物不仅结构发生变化, 其颜色也由浅变深。紫外吸收光谱中随着掺杂浓度的增加, 400~550 nm处的吸收增强, 样品的光学带隙也由3.25 eV (x=0.1)逐渐减小到2.08 eV (x=2.0), 分析表明, 可见区吸收的增强是源于MnO6八面体中Zn/MnO6八面体中Mn 2+离子的d-d跃迁, 导致样品由浅黄色逐渐变为暗黄色。 磁性测试表明, 固溶体的反铁磁转变温度随着Mn 2+掺杂量的提高而逐渐增加, 且掺入的Mn 2+离子以高自旋态 存在。
Zn3TeO6-Mn3TeO6 晶体结构 磁性 紫外吸收光谱 Zn3TeO6-Mn3TeO6 crystal structure magnetism ultraviolet absorption spectrum 
无机材料学报
2020, 35(8): 895
作者单位
摘要
1 燕山大学电气工程学院, 河北 秦皇岛 066004
2 Department of Electrical and Computer Engineering, McGill University, QC H3A 2A7, Canada
利用紫外光谱法分析水体COD时, 当样品达到一定浓度之后(仍处于朗伯-比尔定律通常被适用的浓度范围内), 其溶液紫外吸光度与溶液COD数值会明显偏离线性关系, 此现象在许多学者发表的紫外光谱论文中都曾有所提及。 对此, 选用海洋光学公司的S2000微型光纤光谱仪作为光谱测量仪器, 选用PX-2脉冲氙灯作为激发光源, 在温度为20 ℃(±0.5 ℃)及湿度为35%(±5%)的暗室中进行光谱实验, 测量了COD值为40~680 mg·L-1的34组邻苯二甲酸氢钾溶液样品的紫外吸收光谱, 并基于样品紫外吸收特性进行了分析建模。 采用相关系数法选取优势波段, 通过对比样品紫外吸收光谱的第二特征峰和水质COD分析中常用波长处的COD-吸光度关系曲线动态特性, 选定优势波长为275 nm。 采用逐点延伸的方式, 在较低浓度段利用鲁棒线性回归、 较高浓度段利用非线性最小二乘回归, 反复拟合线性或指数方程, 滑动预测下一个数据点, 根据均方根误差和相对误差判断预设低浓度临界点和较高浓度临界点, 确定了低浓度段和较高浓度段COD-吸光度关系模型的分段点分别为300和560 mg·L-1, 得到低浓度段模型和较高浓度段模型。 通过在优势波长处进行低浓度段、 较高浓度段和全浓度范围的鲁棒线性回归和非线性最小二乘法回归等不同模型的拟合精度比较, 表明40~300和300~560 mg·L-1范围内COD-吸光度关系的线性-指数分段数学模型, 不仅拟合精度最高, 而且预测效果好, 低浓度段的预测均方根误差为4.944 9, 较高浓度段的预测均方根误差为6.768 9, 整体预测均方根误差为5.664 7。 研究结果对紫外光谱应用于较高COD的水质测量和分析具有一定的参考价值。
紫外吸收光谱 COD测量 模型临界点 线性-指数分段模型 Ultraviolet absorption spectrum COD measurement Model critical point Linear-exponential piecewise model 
光谱学与光谱分析
2020, 40(6): 1741
作者单位
摘要
南京工业大学化学与分子工程学院, 江苏 南京 211816
瑞芬太尼是一类新型、 理想、 手术中常用的一种麻醉镇痛药, 具有起效迅速、 半衰期短、 易于控制、 术后苏醒快等优点, 进入人体后以肾脏代谢为主, 经脱脂代谢后, 形成羧酸代谢物, 即瑞芬太尼酸, 因此对瑞芬太尼及其代谢物瑞芬太尼酸的结构研究很有必要。 目前文献只有对原型药物的结构研究, 而其代谢物瑞芬太尼酸的结构研究未见报道。 建立了紫外吸收光谱法、 红外吸收光谱法、 核磁共振波谱法(包含1H NMR, 13C NMR, 1H-1H COSY, 1H-13C HSQC, 1H-13C HMBC和DEPT)以及质谱方法对瑞芬太尼酸的结构信息进行了鉴别研究。 其中紫外吸收光谱显示瑞芬太尼酸的芳香结构和共轭体系信息, 在紫外末端附近与254.0 nm附近有最大吸收, 分别与该物质E2和B带相对应, 说明分子中存在苯环特征结构。 采用溴化钾压片法制备瑞芬太尼酸样品, 进行红外光谱测试, 红外吸收光谱显示各个官能团的特征吸收峰, 均与瑞芬太尼酸结构中的主要官能团相一致。 利用NMR波谱法(包含1H NMR, 13C NMR, 1H-1H COSY, 1H-13C HSQC, 1H-13C HMBC和DEPT)对瑞芬太尼酸所有的1H NMR和13C NMR信号进行了全面归属。 通过正离子检测模式进行质谱分析, 检测到质荷比(m/z)为362.98, 331.02, 303.10和259.09等碎片离子峰, 此检测结果与瑞芬太尼酸的分子量相一致, 且与瑞芬太尼酸的结构特征相对应。 结合光谱法等多种谱学技术可有效解析瑞芬太尼酸的波谱学数据, 并确证其结构。 结果表明: 多种谱学数据显示与瑞芬太尼酸的结构相一致, 可用于瑞芬太尼酸的结构研究, 并为其质量及纯度研究提供参考。
瑞芬太尼酸 紫外吸收光谱 红外吸收光谱 核磁共振 归属 质谱 结构确证 Remifentanil acid Ultraviolet spectra Infrared spectroscopy Nuclear magnetic resonance Assignment Mass spectrometry Structure identification 
光谱学与光谱分析
2020, 40(7): 2059
毕卫红 1,2,*樊俊波 1,2李喆 1,2李煜 1,2[ ... ]张保军 1,2
作者单位
摘要
1 燕山大学信息科学与工程学院, 燕山大学海洋科学与工程研究院, 河北 秦皇岛 066004
2 燕山大学河北省特种光纤与光纤传感重点实验室, 河北 秦皇岛 066004
总有机碳(TOC)是指溶解和悬浮在水中的有机物的总含碳量, 是以含碳量表示水体中有机物总量的综合指标。 TOC的测定通常采用的是国标燃烧法和湿化学法, 但这两种传统方法都具有测试方法复杂、测量时间长、速度慢等缺点, 对大气环境会产生一定污染且仅能在实验室内完成, 无法进行海水的原位在线测量。 而该研究采用紫外吸收光谱法测量TOC, 通过燕山大学自主研发的光谱技术与集成电路相结合研制的TOC光学原位传感器, 能够快速、不添加试剂、不产生二次污染的测量海水中总有机碳的浓度, 且可以不受实验室环境的制约实现海水TOC的在线原位测量。 将基于该方法研制的传感器进行实地下海实验, 测量不同海域(河北沧州黄骅港周边海域、秦皇岛市周边海域)的TOC值, 将传感器测量的结果与国标法测量结果的相关性、一致性、误差等方面进行对比。 结果表明: 在黄骅港海域采取的13个不同水样和秦皇岛周边海域采取的14个不同水样用国标法和TOC光学原位传感器测量的浓度值变化趋势基本一致, 有较好的相关性和一致性, 存在极个别水样产生偏离整体样本曲线的情况。 实验数据经过线性拟合结果显示相关性较好, 对两处不同海域的数据拟合曲线和常规残差分析, 显示黄骅港海域水样的拟合相关系数r为0.859 0, 残差平方和数值为0.165 4, 秦皇岛周边海域水样的拟合相关系数r为0.939 9, 残差平方和为3.513 1。 由于相关系数r=0.939 9>r=0.859 0, 所以秦皇岛周边海域的水样线性拟合效果好于黄骅港实验。 常规残差0.165 4<3.513 1, 是因为秦皇岛周边一些样本如河流入海口是污染的重灾区, 生活污水和工业污水使水质存在更多干扰因素, 这些干扰因素对海洋TOC光学原位传感器的准确性和稳定性造成了一定的影响。 由于基于紫外吸收光谱法研制的TOC光学原位传感器与传统的国标法测量原理不同, 样本集比较少, 样本浓度覆盖面不大, 海洋环境复杂多变, 存在多种影响因素, 如浊度、 温度、 pH、 浮游生物等, 传感器无法彻底消除所有影响因素引起的误差, 所以测量结果与国标法结果存在一定的误差。 后续工作如何消除海洋环境复杂干扰因素的影响, 减小传感器测量值的误差, 使测量结果更加精确和真实, 需要进一步讨论和更加详细的分析和研究。
紫外吸收光谱 在线 光学原位传感器 拟合曲线 TOC TOC Ultraviolet absorption spectrum On-line Optical in-situ sensor Curve fitting 
光谱学与光谱分析
2020, 40(8): 2484
作者单位
摘要
江南大学电子工程系, 物联网技术应用教育部工程研究中心, 无锡 214122
近几年来, 二维(2D)材料的研究, 已成为纳米科学最令人兴奋的领域之一。其中液相分离具有层状结构的块体材料来制备二维材料的方法成为研究热点 。相比于化学气相沉积(CVD)等自下而上的制备方法, 通过块体层状材料的剥离制备二维材料及其分散液的方法具有低成本、可大规模生产的优势。在这里主 要研究以液相剥离(LPE)的方法制备石墨烯(graphene)、六方氮化硼(h-BN)和四种过渡金属硫属化物(TMDs)溶液, 这种水溶性的二维材料具有绿色环保、成本 低等优点。使用拉曼光谱(Raman), 原子力显微镜(AFM), 扫描电子显微镜(SEM)等仪器对研制的层状纳米片的物质组分、表面结构等进行表征, 通过紫外(UV) 吸收光谱估算出不同离心转速下的浓度, 最后通过电化学工作站的循环伏安法(cyclic voltammetry)测出用于MoS2纳米片电解质门控的离子液体体电容, 分析 可见制得的二维材料纳米片平均尺寸在400 nm左右, 离子溶液的体电容为1.21 F/cm3, 该体电容是研究电子器件性能的关键性参数。上述表征结果对基于水溶 性二维材料纳米片的电子器件研究有着重要的科学与应用价值。
二维(2D)材料 液相剥离(LEP) UV紫外吸收光谱(UV) 循环伏安法(CV) two-dimensional (2D)material liquid phase exfoliation (LEP) ultraviolet absorption spectroscopy(UV) cyclic voltammetry(CV) 
人工晶体学报
2020, 49(1): 92
陈晓伟 1,2,3,*殷高方 1,3赵南京 1,3甘婷婷 1,2,3[ ... ]刘文清 1,3
作者单位
摘要
1 中国科学院安徽光学精密机械研究所, 环境光学与技术重点实验室, 安徽 合肥 230031
2 中国科学技术大学, 安徽 合肥 230026
3 安徽省环境光学监测技术重点实验室, 安徽 合肥 230031
硝酸盐是水中“三氮”(硝酸盐氮、 氨氮、 总氮)之一, 是反映水体受污染程度的一项重要指标。 传统 “现场采样-离线分析” 的硝酸盐化学检测方法操作繁琐、 耗时长, 难以满足现代水环境实时在线检测需求。 由于硝酸根在紫外区具有很强的紫外吸收特性, 并且紫外吸收光谱法具有简便快速、 可实现实时在线监测等特点, 近年来被广泛用于硝酸盐浓度的测量。 但使用紫外吸收光谱法检测水体硝酸盐含量时, 容易受到水体浊度影响, 造成谱线非线性抬升, 导致测量误差。 目前对浊度补偿算法的研究大都用于水中COD含量的检测, 对硝酸盐检测中浊度干扰去除研究较少。 为此提出一种基于一阶导数紫外吸收光谱的硝酸盐浓度测量方法, 该方法可以减小浊度干扰, 从而提高紫外光谱快速检测硝酸盐含量的准确度。 通过测量福尔马肼与硝酸钠标准溶液和它们混合溶液在190~300 nm波段的紫外吸收光谱并做一阶导数光谱处理, 处理后的光谱采用Savitzky-Golay滤波进行去噪平滑处理, 比较浊度与硝酸盐紫外吸收一阶导数光谱特征, 分波段研究浊度对硝酸盐紫外一阶导数光谱影响, 结果表明硝酸盐导数光谱在220~230 nm波段受浊度影响小; 选取220~230 nm波段作为光谱分析区间, 以30种不同浓度混合的福尔马肼与硝酸钠溶液作为训练样本, 利用偏最小二乘算法建立硝酸盐定量分析模型, 使用该建模模型预测剩下的6种不同浓度福尔马肼与硝酸钠混合溶液中硝酸盐的浓度, 结果表明福尔马肼干扰下硝酸盐测量结果的预测决定系数(correlation coefficient, R2)为0994 3, 预测均方根误差(root mean square error of prediction, RMSEP)为0346 9 mg·L-1。 为进一步验证该方法的准确性与稳定性, 使用该建模模型预测高岭土与硝酸钾配制的混合水样中硝酸盐的浓度, 结果表明该方法对高岭土干扰下硝酸盐测量结果的预测决定系数r2为0991 5, 预测均方根误差RMSEP为0362 8 mg·L-1。 综上所述, 提出的硝酸盐浓度紫外导数光谱检测方法, 采用220~230 nm波段的紫外导数光谱数据, 结合PLS建模, 可以快速准确测量在浊度干扰下水体硝酸盐的浓度, 为发展实际水体硝酸盐在线监测技术与设备提供方法基础。
硝酸盐 浊度 一阶导数光谱 紫外吸收光谱 偏最小二乘 校正模型 Nitrate Turbidity First derivative spectroscopy UV absorption spectrum PLS Correction model 
光谱学与光谱分析
2019, 39(9): 2912

关于本站 Cookie 的使用提示

中国光学期刊网使用基于 cookie 的技术来更好地为您提供各项服务,点击此处了解我们的隐私策略。 如您需继续使用本网站,请您授权我们使用本地 cookie 来保存部分信息。
全站搜索
您最值得信赖的光电行业旗舰网络服务平台!