10.3964/j.issn.1000-0593(2019)01-0150-06
基于三维荧光光谱和PSO-SVM对胭脂红含量的测定
胭脂红是一种应用广泛的食品色素,在各种食品、饮料的添加剂里都有它的身影,过量食用人工合成色素会严重危害健康.食物中色素一般都是多种联用,各种色素之间会相互产生干扰,这加大了对食品中色素检测的难度,模拟食品中多种色素共存的环境,采用荧光光谱技术,结合PSO-SVM算法,建立一种测定混合溶液中胭脂红含量的方法.从试剂公司购买胭脂红和苋菜红固体粉末,选择胭脂红为待检测色素,苋菜红为干扰色素,配成不同浓度的胭脂红单色溶液以及加入苋菜红后的混合溶液样本,其中胭脂红的浓度在0.1~30μg·mL-1之间,干扰色素苋菜红的浓度在0.1~10μg·mL-1之间随意添加.运用Edinburgh Instruments公司生产的FS920稳态荧光光谱仪,测得胭脂红单色溶液与加入苋菜红后混合溶液的荧光光谱图,分析得到胭脂红的最佳激发波长为λex=326 nm,最佳发射波长为λem=430 nm.各选取6组不同浓度的单色样本以及混合色素样本,其中,胭脂红的物质浓度同为3,4,5,6,7和8μg·m L-1,苋菜红的物质浓度都定在2μg·m L-1.观察6组样本在激发波长λex=326 nm时的发射光谱和荧光强度的关系.单色样本中,胭脂红浓度与荧光强度线性关系良好;而在混合溶液中,随着胭脂红浓度的增加,荧光强度呈现出先降后增再降的过程,光谱线型、强度与各组分浓度间存在复杂的非线性关系,得以证明混合溶液的荧光光谱并不是由各组分光谱简单的叠加,而是在吸收光谱的过程中,胭脂红溶液与苋菜红溶液存在竞争和相互影响.配取25组胭脂红、苋菜红混合溶液,从中选择7个作为预测样本,其余18组作为训练样本.7个预测样本中胭脂红的浓度分别为1.0,2.0,4.0,6.0,9.0,12和15μg·mL-1,干扰物质苋菜红的物质浓度在0.1~10μg·mL-1之间.选择各组样本在最佳激发波长λex=326 nm下对应的荧光强度,作为检测模型的输入,以胭脂红的预测浓度作为输出.对PSO参数初始化设置后,训练输出SVM的最佳参数c和g,将所得的最佳参数输入PSO-SVM模型,得到7组预测样本的浓度预测结果分别为:1.1469,1.8606,3.8544,6.1469,9.1338,11.8576和14.8598μg·mL-1.分析PSO-SVM的预测结果,得到胭脂红平均回收率为100.84%,预测均方根误差(RMSEP)为1.03×10-4,模型输出与真实值之间的相关系数是0.999.在同等条件下,采用误差逆向传播算法(BP)预测得到的7组样本浓度分别为:1.1401,2.1398,3.1882,6.4362,8.8827,11.8601和12.6643μg·m L-1,其平均回收率为98.56%,均方根误差为4.65×10-3,输出值与真实值之间的相关系数为0.972.与误差逆向传播算法(BP)的预测结果相比较,PSO-SVM相关系数高出2.7%,平均回收率高出0.6%,均方根误差降低了将近一个数量级.分析结果表明,通过荧光光谱技术与PSO-SVM相结合的方法,能够有效的避开干扰色素的影响,准确的测定混合溶液中胭脂红的含量,并且效果相比较于BP更加理想.
荧光光谱、胭脂红、粒子群优化算法、支持向量机
39
O657.3(分析化学)
国家自然科学基金项目61771419;河北省自然科学基金项目F2017203220
2019-03-12(万方平台首次上网日期,不代表论文的发表时间)
共6页
150-155