物质难以准确识别和分类的问题，具有广阔的应用前景。偏最小乘判别分析算法偏最小乘判别分析是种基于偏最小乘原理的数据分类算法。在实验数据集合中，每个样品有个预测变量和个分类变量需段，对于有关部门及时展开应急处理和后续生态环境的治理恢复工作具有重要的现实意义。试述石油类污染物的检测中三维荧光光谱技术的应用分析化学论文。目前，针对石油类污染物进行检测的方法主要有红外光谱法气相色谱法紫外分光光度法荧光光谱法等。其中，维荧光光谱法具有分析速度快灵敏度高非破坏性，以及能够表征更多荧光光谱信息等优点，成为种用试述石油类污染物的检测中三维荧光光谱技术的应用分析化学论文公司的型荧光光谱仪测得。激发波长的范围设定为，发射波长的范围设定为，激发和发射步长均为激发和发射端狭缝宽度设定为。关键词维荧光光谱光谱学分析化学平行因子分析模式识别石油类污染物荧光光谱数据近几十年来，石油产品作为重要的能源及化工原料在现代社会中发挥着不可替代的作用。而随着对能源需求的持续增长，石油产品作为重要的能源及化工原料在现代社会中发挥着不可替代的作用。而随着对能源需求的持续增长，石油产品在开采使用运输及储存过程中不可避免地会存在发生泄露的可能性。石油类污染物严重影响附近水域的生态环境，造成附近水域范围内植物鱼类和浮游生物等生物的大量死亡，间接影响人类的生命健康，而越来越多受到人们的关注。针对石油类污染物的有效检灵敏度高非破坏性，以及能够表征更多荧光光谱信息等优点，成为种用于石油类污染物检测的重要手段。程朋飞等利用维荧光光谱法结合自加权交替线性分解算法对多种石油类污染物进行了分析，实现了对石油类污染物的成分识别和浓度预测。杨丽丽等利用维荧光光谱法结合阶校正算法对石油类污染物进行了检测，实现了对石油类污染物的定性定量检测。但上述方法存在偏最小乘判别分析算法偏最小乘判别分析是种基于偏最小乘原理的数据分类算法。在实验数据集合中，每个样品有个预测变量和个分类变量需将转换为个潜在变量，即≠⋯，由矩阵，分别代表预测变量和分类变量矩阵。利用算法对变量矩阵和进行分解，得到正交得分是种基于交替最小乘原理实现多维数据矩阵分解的算法。实验样本测得的荧光光谱数据组成个型的维响应数阵，其中为样本个数，和分别为激发波长和发射波长扫描个数。该算法对维响应数阵进行分解的过程可由线性成分模型表示Ν式中为维响应数阵的灵敏度特异性和准确率结论利用维荧光光谱技术结合平行因子分析算法和模式识别方法对多种石油类污染物进行了组成成分的荧光特性表征和油品种类的分类。研究结果表明，在利用角形内插值法去除实验样本中散射的基础上，利用算法分解得到的线性组分模型所构建的分类模型较和分类模型具有最佳的相对激发光谱图相对发射光谱图因子得分图图算法的分析结果核致值曲线残差平方和曲线相对激发光谱图相对发射光谱图因子得分图利用经验证的分类模型来预测测试集中的个独立样本。分类模型常用混淆矩阵来表示分类结果，由测试集获得的混淆矩阵如表所示。其中黑体数字代表正确预测每类油品的样本个数。根据表中混淆算法难以将不同石油类油品明显区分开。基于模式识别方法的分析结果为了建立稳健的分类模型，先利用算法将实验样本划分为训练集和测试集。其中训练集包含个实验样本，测试集包含个实验样本。为了提高样本利用率，得到可靠稳定的模型，在建模前，采用留法进行交叉验证，并按照使类油品的校正误差最小的标准选取潜在变试述石油类污染物的检测中三维荧光光谱技术的应用分析化学论文中的元素为相对激发矩阵中的元素为相对发射矩阵中的元素为相对浓度矩阵中的元素为维残差矩阵中的元素为矩阵，和的列数，代表所有响应的组分数，包括目标分析物未知和未校正的干扰物以及变化的背景等。试述石油类污染物的检测中三维荧光光谱技术的应用分析化学论文，程朋飞，王玉田，陈至坤，等光谱学与光谱分析，杨丽丽，王玉田，鲁信琼中国激光，孔德明，宋乐乐，崔耀耀，张春祥，王书涛结合平行因子分析算法和模式识别方法的维荧光光谱技术用于石油类污染物的检测光谱学与光谱分析，基金国家自然科学基金项目河北省自然科学基金项目资助。数据处理方法平行因子分析算法平行因子分析算法包括目标分析物未知和未校正的干扰物以及变化的背景等。基于平行因子分析算法的分析结果采用算法分析预处理后得到的维数据矩阵。利用核致诊断法和残差分析法确定分析时应选取的组分数，结果如图和所示。当组分数超过时，核致值显著降低，残差平方和基本趋于稳定，故选取组分数为。运用因子模型对进行分析，得到的结分类效果，识别准确率最高，达到。本研究提供了种维荧光光谱技术与平行因子分析算法和模式识别方法相结合的油品检测方法，可为石油类污染物的快速检测提供种新的思路和重要参考。参考文献刘保占，魏文普，段梦兰，等海洋环境科学，李颖，李冠男，崔璨海洋通报，殷惠民，董亮，李玲玲，等中国环境监测，安乐海洋环境科学，沈海东，白玉洪，郑华海洋石油矩阵得出分类模型的灵敏度特异性和准确率如表所示。由表和表可以看出这种分类方法的灵敏度特异性以及准确率都比较高，说明采用模式识别方法可以很好的对不同种类油品样本进行分类研究。对于和模型，识别准确率分别为和，相比而言，采用模型取得了更好的分类结果，测试集识别准确率达到了。表测试集获得的混淆矩阵表测试集得量数。灵敏度特异性和准确率这个参数能够评估所建立的分类模型的分类效果和分类模型对训练集的识别准确率都可达到，验证了种模型的稳健性。图汽油的荧光光谱去散射前的维荧光光谱去散射前的指纹图去散射后的维荧光光谱去散射后的指纹图图算法的分析结果核致值曲线残差平方和曲线如图，和所示。由图和可知因子的激发发射荧光峰位臵为因子的激发发射荧光峰位臵为因子的激发发射荧光峰位臵为因子的激发发射荧光峰位臵为因子的激发发射荧光峰位臵为因子的激发发射荧光峰位臵为因子的激发发射荧光峰位臵为。由图可知在维得分图中，几种样品之间出现不同程度的重叠，这说明了仅用试述石油类污染物的检测中三维荧光光谱技术的应用分析化学论文性成分模型表示Ν式中为维响应数阵中的元素为相对激发矩阵中的元素为相对发射矩阵中的元素为相对浓度矩阵中的元素为维残差矩阵中的元素为矩阵，和的列数，代表所有响应的组分数，将转换为个潜在变量，即≠⋯，由矩阵，分别代表预测变量和分类变量矩阵。利用算法对变量矩阵和进行分解，得到正交得分矩阵和载荷矩阵，其实现分解过程的计算公式为式中，和为隐变量得分矩阵和为载荷于石油类污染物检测的重要手段。程朋飞等利用维荧光光谱法结合自加权交替线性分解算法对多种石油类污染物进行了分析，实现了对石油类污染物的成分识别和浓度预测。杨丽丽等利用维荧光光谱法结合阶校正算法对石油类污染物进行了检测，实现了对石油类污染物的定性定量检测。但上述方法存在对噪声容忍能力较弱和收敛速度慢等不足，限制了在实际复杂环境下的油产品在开采使用运输及储存过程中不可避免地会存在发生泄露的可能性。石油类污染物严重影响附近水域的生态环境，造成附近水域范围内植物鱼类和浮游生物等生物的大量死亡，间接影响人类的生命健康，而越来越多受到人们的关注。针对石油类污染物的有效检测和识别是处理溢油污染问题的前提基础。因此，研究种快速高效的石油类污染物成分识别和分类的检测手和识别是处理溢油污染问题的前提基础。因此，研究种快速高效的石油类污染物成分识别和分类的检测手段，对于有关部门及时展开应急处理和后续生态环境的治理恢复工作具有重要的现实意义。试述石油类污染物的检测中三维荧光光谱技术的应用分析化学论文。实验部分仪器设臵与样本配制实验样本的维荧光光谱数据由购自英国对噪声容忍能力较弱和收敛速度慢等不足，限制了在实际复杂环境下的应用。借助近年来发展的模式识别方法，在利用平行因子分析算法提取石油类物质的荧光特征光谱的基础上，构建稳健的分类模型，解决了石油类物质难以准确识别和分类的问题，具有广阔的应用前景。关键词维荧光光谱光谱学分析化学平行因子分析模式识别石油类污染物荧光光谱数据近几十年来，石分矩阵和载荷矩阵，其实现分解过程的计算公式为式中，和为隐变量得分矩阵和为载荷矩阵和为残差矩阵为特征提取的数目。目前，针对石油类污染物进行检测的方法主要有红外光谱法气相色谱法紫外分光光度法荧光光谱法等。其中，维荧光光谱法具有分析速度快