基于PARAFAC和ART算法的油类污染物荧光检测

摘要：

采用平行因子分析(PARAFAC)和交替残差三线性(ART)算法,对石油类污染物进行测量与识别,重点对比分析了两种算法对油种鉴别的差异.在实验中,将以CCl4为溶剂的95号汽油、0号柴油与普通煤油溶液作为研究对象,以不同浓度的石油类物质混合液作为实验样本,利用F-7000荧光分光光度计对样本进行检测,以得到各样本的三维荧光数据.测量样本的组分数估计值预设为3时,采用PARAFAC算法得到的柴油、汽油和煤油样品的回收率分别为(95.60±3.60)％、(94.67±3.66)％和(95.49±4.49)％;ART算法无需预设组分数,其测量得到的柴油、汽油和煤油样本的回收率分别为(96.58±2.17)％、(95.17士9.17)％和(95.90±8.90)％.结果表明:两种算法都可用于三组分石油类污染物的识别与测量,均能得到较高的回收率;ART算法因无需预先设定组分数而更具优势.

关键词：光谱学、三维荧光光谱、石油类污染物、平行因子分析、交替残差三线性

所属期刊栏目：55

分类号：O657.3(分析化学)

资助基金：国家自然科学基金;河北省自然科学基金

在线出版日期：2018-03-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：422-429