開篇：寫作不僅是一種記錄，更是一種創造，它讓我們能夠捕捉那些稍縱即逝的靈感，將它們永久地定格在紙上。下面是小編精心整理的12篇光譜學與光譜學分析，希望這些內容能成為您創作過程中的良師益友，陪伴您不斷探索和進步。

第1篇

古人“見微以知萌，見端以知末”。如今，他利用超快“攝像機”――亞10飛秒時間分辨光譜學技術觀察微觀量子世界里面的原子、分子甚至電子的“表演”，并給出它們連續的“動畫”描述，由此架起從宏觀世界通往微觀世界的橋梁，探索宏觀世界的微觀物理學本質。在多年的科研工作中，他嚴謹務實，踏實求進，努力拼搏，成果顯著。他，就是探索微觀量子世界的“攝影師”，廣東工業大學“百人計劃”特聘教授聶兆剛博士。

微觀量子“攝影師”的成長之路

聶博士于2007年畢業于中科院長春光機與物理研究所，凝聚態物理專業。他博士階段的工作側重于材料合成和發光動力學研究。從微觀上來說，發光是接受能量躍遷到高能級的電子回到低能級并將能量以光的形式放出的過程。電子回到低能級之前，往往首先要經過一系列密集的電子組態或振動能級馳豫到一個亞穩態能級，而后通過發光釋放能量回到基態。聶博士意識到，他研究的發光過程其實是整個過程后期階段的表現，而當時他的實驗條件不具備足夠高的時間分辨來觀察電子前期弛豫的超快動力學過程。拓展來講，人們研究的各種現象往往都是事件發展過程中的某一個階段的表現，那么事件的整體特征是什么，常常令人困惑。即使是對某一階段的表現，由于時間分辨的逐步提高，人們對它的認識也是層層深入的，愈“深入”愈精彩。人們認識事件的時候，要么只是個大概，要么只是抓住了“大象”的一個“尾巴”或“耳朵”，對整頭“大象”好似一無所知。聶博士常常問自己：我們真的可以認識這個世界嗎？這個在聶博士現在看來近似幼稚的問題在他心中纏繞了很多年。

聶博士表示，他很幸運地遇到了他的恩師張家驊研究員和王笑軍教授，他們都是激光光譜學專家，并且張家驊研究員還負責講授《激光光譜學》這門課程。通過這門課程的學習他認識到，超短脈沖激光的持續周期可以為飛秒（1飛秒=10-15秒）甚至亞飛秒，這為我們研究超快現象提供了刻度非常精細的時間“尺”，由此成為多種時間分辨光譜技術的核心。這些超快激光技術就像“攝像機”一樣，可以使人們能夠對自然界的一些瞬態現象進行“錄像”，以幫助人們了解這些超快現象變化的過程。這門課程的學習，在他心里種下了利用超快激光光譜學研究微觀超快動力學的種子。

這顆種子在聶博士畢業后的時間里，一直成長了8年。在這期間，他先后在韓國（延世大學和國立忠北大學）、日本（電氣通信大學小林孝嘉研究組）和新加坡（南洋理工大學Loh Zhiheng研究組）從事相關的超快和超強光物理研究。聶博士一路高歌猛進，直到2016年回到祖國懷抱，在廣東工業大學物理與光電工程學院任“百人計劃”特聘教授。回顧以往，他的研究工作涉及超快動力學、超快光學技術、高密度光存儲、發光材料和發光動力學等多個交叉學科。累計共發表文章39篇，包括ACS Nano， Phys. Rev. B， J. Phys. Chem. Lett.， Appl. Phys. Lett.， Opt. Lett.等業界廣泛認可的文章37篇（SCI或EI收錄）。小種子已開花，這些工作已經引起超強和超快激光光譜學及材料物理學等研究領域的廣泛關注。

回顧過去，量子“舞臺”上看好“戲”

在國外近五年的研究工作中，聶博士沉浸在電子和聲子的世界里，研究這些量子們的“表演”與宏觀物理現象的必然聯系。電子，聲子，以及電-聲子耦合是凝聚態物理中許多現象的核心問題。在這個世界里，最關鍵的過程往往發生在皮秒、飛秒甚至亞飛秒量級。人類本身視覺的分辨能力只有1/24秒，根本不滿足這方面的要求。而亞10飛秒的時間分辨可以滿足這一層次大部分動力學觀察的需要。比如，它可以有效地觀察載流子傳輸和弛豫、化學反應過程中化學鍵斷裂和重新組合，還可以研究生物學上的光合作用等等。聶博士的工作主要是利用亞10飛秒的時間分辨泵浦-探測研究低維半導體納米材料和生物分子的超快電-聲子動力學過程。

他的成果主要包括：（1）用亞10飛秒時間分辨光譜學技術，在國際上首次通過實驗得出MoS2載流子熱能化時間小于20飛秒，同時發現載流子之間和載流子與聲子之間的兩種散射模式對載流子熱能化過程都有重要影響。（2）以往泵浦-探測光譜學的研究工作往往只考慮三階非線性極化率虛部的貢獻。聶博士采用亞5飛秒泵浦-探測光譜學，重新評估了實部對碳納米管聲子振幅譜的貢獻。這有利于人們深入理解當時國際上尚有爭議的碳納米管聲子產生機理。（3）基于伯恩-奧本海默近似，電子和聲子的動力學過程通常被認為是相互獨立的。聶博士采用亞5飛秒激光脈沖，在碳納米管中實現了通過控制電子運動來誘導納米管軸向聲子振蕩模式的改變。這啟示人們重新理解電-聲子耦合現象。（4）到目前為止，大多數飛秒泵浦-探測光譜學注重了正向時間（泵浦光到達樣品的時間早于探測光）的動力學分析，聶博士進一步研究了沿負向時間的動力學過程，討論了碳納米管激發電子態的電子失相和振動相位弛豫動力學。這加深了人們對超快激光光譜學的理解。（5）通過非線性多光子吸收的原理，實現了在有機玻璃材料內部不同深度層面上的多層數據點刻錄，并誘導數據點本身的光致發光。這種三維存儲模式可大大提高存儲密度和信噪比。所用材料成本低，穩定性高，使用周期長，具有潛在的商用價值。

談到超快動力學的研究意義，聶博士表示，超快動力學的研究往往不會直接帶來實用的產品，但它是一項能協助多種學科在更深層次上認識客觀世界本質的技術。如今，人們已經認識到，飛秒超快動力學的研究可以在實驗和理論上，對光功能、新能源，化學反應，生命現象等諸多領域提供重要的機理性指導。

展望未來，把“鏡頭”對準明天

回到祖國懷抱的聶博士豪情萬丈，他計劃以超快光學平臺為基礎，以研究超快動力學過程為核心，注重材料、光學，化學和生物學等多學科的交叉和融合，極大地提高科研團隊在激光光譜學和新型光電功能材料學科的綜合實力和自主創新能力。在快速發展的祖國經濟實力和互聯網的時代背景下，他預期在3～5年時間內組建起一支擁有廣泛國際合作和在超快激光光譜學領域具有國際影響力的團隊，從事飛秒物理學、飛秒化學及飛秒生物學等相關領域的研究，為祖國的科研事業貢獻力量，共創科研事業美好的未來。

第2篇

【關鍵詞】 頭低位臥床； 人體； 尿液代謝產物譜

中圖分類號 R334 文獻標識碼 B 文章編號 1674-6805（2014）6-0148-02

營養健康不論對長期（>30 d）航天特因環境下作業的航天員，還是對致力于解決各種航天醫學問題的研究者，都是必須要首先考慮的問題。目前國內外對中長期太空飛行條件下機體營養代謝研究絕大多數局限在單個或幾個營養素的宏觀評價上，對作用機制的探討還停留在推測階段，而代謝組學從系統整體的思路的出發，通過對體液中營養代謝物的全面檢測、篩選、反向追溯的途徑，為航天營養學的深入廣泛研究提供了應用前景[1-4]，也使實現我國航天員在軌營養監測、指導以及營養干預措施精確化制定成為了可能。本研究通過建立人體頭低位臥床試驗，對模擬失重條件下機體的尿液代謝變化產物譜的變化特點進行觀察，現報道如下。

1 資料與方法

1.1 一般資料

選取健康成年男性15例，年齡22～40歲，初中以上文化程度，身高160～175 cm，體重55～75 kg，無不良嗜好，本試驗通過中國航天員中心人體醫學試驗倫理委員會的審議批準，志愿者在試驗前均被告知試驗要求，并簽署了知情同意書。

1.2 方法

1.2.1 臥床要求 臥床試驗時分為3個階段：臥床前適應期10 d，臥床階段45 d，起床后恢復期10 d，模擬失重條件的建立采用臥床頭低腳高-6°的，除大便和稱體重外，其他活動均在床上進行，允許繞身體縱軸變換。

1.2.2 試驗者膳食及作息安排 試驗期間志愿者統一飲食，食譜編制以中國居民平衡膳食寶塔為依據，食譜周期為7 d；臥床階段志愿者每日的作息時間為早6∶00起床，晚22∶00熄燈，室溫控制在22 ℃～26 ℃。

1.3 樣本收集及處理

采集被試者的晨起中段尿，采集時間安排臥床前第10天（R-10）、第2天（R-2），臥床中第2天（R2）、第4天（R4）、第7天（R7）、第14天（R14）、第21天（R21）、第30天（R30）、第37天（R37）、第44天（R44），起床后第7天（R+7），共計11次，每人每次采集的尿量約0.5 ml。采集的尿樣于離心機中，以14 000 r/m離心10 min后于拉曼光譜儀中檢測。拉曼光譜分析儀工作參數設置：光譜采集范圍為250 cm-1～2339 cm-1，掃描時間為10 s，掃描次數為2，平滑參數為1，每個樣本重復檢測兩次。

1.5 主要試驗儀器

拉曼光譜儀（型號Ramtracer-200，Optotrace公司），信噪比≥2000，波長準確度為1 cm-1。

1.6 統計學處理

拉曼檢測數據均以TXT格式文件保存整理，數據處理采用中國航天員科研訓練中心與中國農業大學聯合研制的“拉曼光譜代謝組學分析系統”中的基于主成分和Fisher準則的投影方法（projection of basing on principal component and fisher criterion，PPF）進行數據處理，數據處理各環節中采用的數學方法和參數分別為：譜區分析范圍采用400 cm-1～1600 cm-1，光譜預處理方法采用1階導數和主成分分析，結果以光譜因子二維投影圖表示。

2 結果

應用PPF方法得到11類尿液的二維投影圖，見圖1和圖2。應用圖1和圖2中得到的類間距離可對不同尿樣之間的相似程度（或遠近關系）進行方便直觀的評價，也可根據類內離散度對各類內樣品的一致性進行客觀的評價。依據PPF方法投影體現的樣品間的距離關系，以相近可合，相遠不合，考慮距離之間的連續性和過渡性等為參考指導原則，圖2中所畫的圓圈從左到右分別以各類投影均值為圓心，其半徑表示類內投影值的離散度。可以看出：臥床者尿液代謝譜可以分為4種狀態，即狀態1：R-10、R-2、R2；狀態2：R4、R7、R14；狀態3：R21、R30；狀態4：R37、R44、R+7。狀態1到狀態4之間的差異為逐漸變大的趨勢。狀態之間的變化點依次為R4、R21、R37。不同臥床天數下個體之間狀態的離散性特點為：從R-10到R+7，除R30組內變異急遽變大（其原因有待進一步探究）外，個體之間差異有逐漸縮小的趨勢。

圖1 按時間尿液代謝譜分類投影圖

3 討論

PPF方法所求得的二維投影圖中含有更多原始信息，這些信息中包含了類間和類內的差異[5]。該方法能在二維空間最大限度的體現類間和類內的差異性信息，是一種典型的用有監督方法來實現無監督方法所能體現的相似性關系的一種方法。經過投影可以直觀的評價各類尿樣之間的相似程度及各類內樣品之間的差異性和一致性[6-7]。

圖2 按時間尿液代謝譜類內離散度投影圖

本試驗觀察到，頭低位臥床條件下，被試者分別在臥床第4天、第21天、第37天出現明顯變化，另外本試驗還觀察到，隨著臥床試驗時間的延長，被試者尿液代謝產物譜的變化的個體差異有逐漸減小的趨勢，這為本項目今后進一步失重條件下代謝指紋的尋找以及個體化和階段性營養干預措施的探索提供了數據基礎。

參考文獻

[1]冉小蓉，羅國安，梁瓊麟，等.代謝物組學應用的領域之五-營養代謝物組學[J].中成藥，2007，29（1）：107-110.

[2]顏賢忠，趙劍宇，彭雙清，等.代謝組學在后基因組時代的作用[J].波譜學雜志，2004，2（2）：263-271.

[3]董良廣，何桂珍.代謝組學在臨床營養研究中的應用[J].中國臨床營養雜志，2006，14（4）：238-242.

[4]趙劍宇，顏賢忠.基于核磁共振的代謝組學研究進展[J].國外醫學?藥學分冊，2004，31（5）：308-313.

[5]陶帥，馬翔，李軍會，等.基于煙葉近紅外光譜主成分數據的投影方法研究及其在復烤配方中的應用[J].光譜學與光譜分析，2009，29（11）：2970-2974.

[6]張雅娟，馬翔，張曄暉，等.近紅外漫反射線性加和光譜在煙葉復烤配方中的應用[J].光譜學與光譜分析，2011，31（2）：390-394.

第3篇

關鍵詞 鎂 原子吸收光譜法最佳操作條件

1.儀器與試劑

PE－3110原子吸收分光光度計，編號：94071150。日本島津AEG－45SM十萬分之一全自動電子天平，編號：94011019。分析純鎂帶批號：200305199。分析純鹽酸批號：040921。

2.最佳條件選擇

2.1最佳波長的選擇

用5μg／ml的鎂溶液，分別在不同波長下，測出其吸光度，選擇最大吸光度所對應的波長。

鎂的吸收波長理論值為285.2nm。我們在265nm到295nm區間，每隔1nm測量其吸光度，做出吸光度和波長曲線，發現拐點出現在285nm附近。再從284.6nm到285.8nm每隔0.2nm測量吸光度，測出最大吸光度出現在285.0nm處。

故本儀器測定鎂最佳波長為285.0nm。

2.2助燃比的選擇

固定空氣流量，改變乙炔流量，分別在不同乙炔流量下測定5μg／ml鎂標準溶液的吸光度。做出不同乙炔流量時吸光度曲線，從曲線上找出最大吸光度所對應的乙炔流量。固定乙炔流量，改變空氣流量，找出最大吸光度所對應的助燃比為最佳助燃比。通過實驗得出最大吸光度出現時的助燃比為：1：3.25。

故本儀器測定鎂最佳助燃比是1：3.25。

2.3燈電流的選擇

在最佳波長和最佳助燃比下，分別設置燈電流為6、8、10、12、14mA的條件下測定5μg／ml的鎂溶液的吸光度。并觀察不同燈電流的穩定性，讀數穩定且大的吸光度所對應的燈電流為最佳燈電流。實驗結果表明：當燈電流大于12mA時，靈敏度與穩定性都降低，這是由于譜線變寬的緣故。燈電流小于12mA時，隨工作電流的增大，吸光度逐漸增大，到12mA時，吸光度最大，且重現性較好，靈敏度較高。14mA時吸光度變小。

故本儀器測定鎂最佳工作電流為12mA。

2.4狹縫寬度的選擇

在保持上述條件都為最佳情況下，分別在不同狹縫寬度下測定鎂標準溶液的吸光度，所得結果為：狹縫寬度為0.2mm時，靈敏度略低；當狹縫寬度為0.7mm時，靈敏度較高且重現性較好，因此，測定鎂時，狹縫寬度宜選擇0.7mm為最佳。固定狹縫寬度為0.7mm，改變狹縫的高低。狹縫為高狹縫時，吸光度小，靈敏度較低；狹縫為低狹縫時，吸光度大且重現性好，因此，狹縫高度應選擇低狹縫。

故儀器測定鎂最佳時，狹縫寬度選擇0.7mm，狹縫高度應選擇低狹縫。

3、結論

原子吸收光譜分析具有靈敏度高，準確度高，選擇性好，操作方便、快速以及所測定元素多的優點，使其得到廣泛應用和發展。但是影響原子吸收光譜分析的可變因素很多，實驗條件不容易重復，各因素之間往往互相聯系。分析的準確度和靈敏度的高低，以及干擾能否有效的抑制，很大程度上取決于測量條件的選擇。能否選擇合適的測量條件直接關系到分析測試結果的優劣。

根據實驗結果，我們認為PE3110原子吸收光譜儀測定鎂最佳操作條件如下：測定波長為285.0nm；空心陰極燈工作電流應控制在12mA；燃氣與助燃氣流量最佳比（助燃比）為1：3.25；狹縫最佳寬度為0.7mm；狹縫高低應選擇低狹縫。

參考文獻：

［1］馬戈，張景彥.火焰原子吸收光譜法連續測定茶葉中的鈣和鎂.光譜學與光譜分析，1999，（4）：66.

［2］華東理工大學分析化學教研組，成都科學技術大學分析化學教研組.分析化學.北京：高等教育出版社，1995，335～361.

第4篇

關鍵詞：土壤中；重金屬檢測；樣品前處理技術

DOI：10.16640/ki.37-1222/t.2017.14.081

在樣品化學分析技術中，導致分析產生最大誤差的是樣品前處理，因為儀器本身產品誤差的可能性相對較小。不同前處理技術在對同一樣品進行操作時，所獲取的最終結果也會有一定區別。所以，在樣品前處理技術中提出一個更加快速、簡單的操作方法是當務之急。

1 濕法消解

濕法消解是將氧化性強酸加入到樣品中，通過對有機物的加熱破壞，達到待測無機成分的釋放，最終形成穩定的無機化合物用于實際分析。濕法消解是目前較為簡單的一種操作技術，故被廣泛用于土壤中重金屬檢測樣品前處理。

1.1 濕法消解的試劑選擇

在實際操作中，濕法消解主要使用幾種試劑，第一是鹽酸；第二是硝酸；第三是高氯酸；第四是氫氟酸。首先，鹽酸是一種效果較強的試劑，其在高溫高壓下的多種物質，如硫酸鹽和硅酸鹽等都能和鹽酸形成可溶的鹽酸鹽。其次，硝酸是一種強氧化劑，實驗室通常對其應用重金屬元素的釋放樣品中，并形成可溶性的硝酸鹽。再次是高氯酸，其也具有很強的氧化性，不僅能形成金屬反應，還能對有機物進行消解，但需要注意的是高氯酸在熱濃條件下，很容易與氧化過的無機物產生爆炸。最后是氫氟酸，其是一種有效溶劑，能對硅基物料進行有效溶解，并將其轉化為能揮發的SiF，之后需要對相關元素加以檢測。

1.2 濕法消解技術現狀

總的來說，濕法消解是一種操作簡單的技術，幾乎所有實驗室都能通過其進行樣品前處理，但其中還是存在一些需要化的問題。第一，濕法消解主要是一種氧化法應，其在過程中需要消耗大量時間，通常需要五到十小時左右，主要根據檢測樣品的成分來決定。濕法消解所常用的四種酸實際都屬于相對危險的物質，其中的高氯酸更有可能產生爆炸的可能，氫氟酸的缺陷在于會腐蝕玻璃，如果操作不當會對儀器造成損害。電熱板加熱消解，石墨消解儀加熱時間在十個小時左右，時間長，消解不徹底，消解后的溶液常有殘渣，用儀器進行分析測試時容易堵塞進樣的毛細管，全自動石墨消解，自動設定升降溫，加酸，定容，搖勻等程序，消解時間在五六個小時，時間短，消解也徹底，消解后的溶液澄清明亮，解放了人力，適合批量樣品的消解，一批最多可消解60個樣品。

2 干灰化法消解

2.1 干灰化法消解的原理

高溫灼燒是干灰化法的主要方式，以利于分解氧化有機物，再測定所剩下的無機物。在利用干灰化法進行樣品前處理時，溫度需要及時調整，其能對不同元素產生影響。為了提升干灰化法的灰化時間，實驗中通常會加入一些試劑，第一是HNO3；第二是Mg（NO3）2等灰助劑，由于加入試劑的不同對元素產生的作用也會有相應的區別。

2.2 干灰化法的現狀

干灰化法是通過高溫氧化樣品中的有機質，其操作方法容易，需要使用的試劑也較小，不會形成太大的樣品污染。同時，干灰化法要實現分析樣品準確度的提高，還可以通過稱樣量的增加來實現。但是干灰化法也有需要優化的問題，通常，灰化需要持續六小時以上，如果最終灰化效果不理想還可能需要及時進行降溫，然后將混酸加入繼續灰化。

3 微波消解

3.1 微波消解的操作原理

根據各自應用方法的情況來看，微波消解操作技術在實踐操作中具有如下幾個特點：第一，消解能力強；第二，樣品污染少；第三，分析結果準確，也是其擁有的獨特優勢，從而是土壤中重金屬檢測樣品前處理的一種常用方法。微波消解技術和傳統加熱有一定的區別，其是屬于內加熱，通過微波能達到快速的深層加熱，微波的變交磁場會隨機產生并極化介質分子，高頻磁場促使極性分子交替進行排列，最終分子高速震蕩。同時，震蕩因為分子的分子間和熱運動受到影響，以此獲取很高的能量。這種相互作用導致樣品表面層產生破裂，形成酸反應和新的表面層，以達到快速溶解樣品的效果。

3.2 微波消解技術的現狀

在先進技術應用越來越廣泛的情況下，微波消解技術的合理應用，是提高其檢測結果準確性的重要途徑。當前，通過其實踐操作，可以總結出如下幾個方面的優勢，第一是，快速加熱且具有高溫，并具有很強的消解功能，使樣品溶解時間有效縮短。同時，微波的加熱是直接實施到樣品，能使高溫高壓在罐內快速形成，要對樣品進行消解只需要十分鐘左右即可完成，比干灰化法和濕法消解都效率很多。第二是，所需耗費的酸較少，空白值低。通常情況下，微波消解所需要的酸溶劑只需10ml就能完成一個樣品，不僅降低試劑的使用率，還能降低由于試劑所形成的干擾，并有效減小空白值。第三是，樣品揮發得到有效控制，濕法消解加熱是通過電熱板，其缺點是揮發性極易損失，而微波消解是在密封的罐內進行，在消解過程中不會出現樣品的揮發，并能使結果準確性有效提高。

4 結束語

總而言之，土壤中重金屬檢測樣品前處理技術是一個十分重要的環節，其能對分析結果的準確性產生很大影響。要達到統一重金屬樣品前處理技術還需要大量分析人員們進一步探索和研究，將幾種方法的優勢進行綜合，并有效避免其存在的弊端，以提出一種高效、簡單且不會對樣品產生污染的處理方法。

參考文獻 ：

[1]楊桂蘭，商照聰，李良君等.便攜式X射線熒光光譜法在土壤重金屬快速檢測中的應用[J].應用化工，2016，45（08）：1586-1591.

第5篇

關鍵詞 水平衰減全反射傅里葉變換紅外光譜； 離散小波特征提取； 人工神經網絡； 鱗毛蕨科植物； 識別分析

2011-05-15收稿；2011-09-09接受

* E-mail:

1 引 言

隨著現代科學技術的發展，學科之間的聯系越來越密切，出現了許多相互交叉、相互滲透的邊緣科學。20世紀60年代前后，在植物分類學與植物化學這兩門科學之間出現了一門新的邊緣科學――植物化學分類學[1]。植物化學分類學亦稱植物化學系統學，是利用化學的特征，來研究植物各類群間的親緣關系，探討植物界的演化規律。對于一個植物體而言，其化學成分不是單一的，如何利用其復雜的化學成分來進行物種間的鑒別成為一個植物化學分類學的焦點問題[2]。傅里葉變換紅外光譜由于能給出復雜體系的所有物質的化學結構信息，不同植物體具有不同的化學成分或相同的化學成分所占比例的不同，都可以產生不同的傅里葉變換紅外光譜，因而將傅里葉變換紅外光譜技術作為一種分析工具應用于植物的識別具有重要的理論意義和現實依據[3]。借助于化學計量學，能夠更為準確和快速地利用傅里葉變換紅外光譜法進行植物的分類與識別[4～9]。

蕨類植物早在4億年前便已遍布地球表面，它同時兼具原始維管束植物與高等隱花植物雙重演化的地位。大多數蕨類植物均有藥用價值，藥用蕨類植物含有黃酮、甾類、生物堿等活性物質，對多種疾病有明顯療效[10]。本研究選擇形態較為相似的3種鱗毛蕨科的中型草本植物貫眾、闊鱗鱗毛蕨及變異鱗毛蕨為分析對象，采用水平衰減全反射傅里葉變換紅外光譜法測定FT-IR后運用離散小波進行特征提取，得到特征向量值后進行人工神經網絡訓練及檢驗，得到了較高的識別率。

2 實驗部分

2.1 儀器與樣品

NEXUS 670型傅里葉變換紅外光譜儀（美國Thermo公司），配DTGS 檢測器，OMNIC E.S.P. 5.1智能操作軟件，水平衰減全反射（HATR）附件，光譜范圍為4000～650 cm

Symbolm@@ 1，分辨率2 cm

Symbolm@@ 1， 掃描累加次數64次。

貫眾為鱗毛蕨科植物貫眾（Cyrtomium fortunei J. Sm）的干燥全草；闊鱗鱗毛蕨為鱗毛蕨科植物闊鱗鱗毛蕨（Dryopteris championii （Bench） C. Chr. apud Ching）的干燥全草；變異鱗毛蕨為鱗毛蕨科植物變異鱗毛蕨（Dryopteris varia （L.） O. Ktze.）的干燥全草。所有樣品均于2008年3月分別采自于浙江金華北山及四川峨眉山，并經過浙江師范大學植物學教研室及上海師范大學植物學教研室鑒定。將采得的樣品洗凈，不經過任何化學處理，于避光處晾干。然后分別裁取樣品的根部作為分析的對象，放入粉碎機中粉碎，再置于瑪瑙研缽上研磨成約75

SymbolmA@ m的細小均勻粉末。準確稱取每種樣品8 mg，待測。

2.2 測定方法

在采集數據前，按要求將HATR附件水平放置于傅里葉變換紅外光譜儀的樣品倉中，分別將樣品粉末置于鍺晶片與校正壓力裝置之間，轉緊壓力裝置后直接測定樣品的FT-IR。為了降低測定誤差，每次測定接觸面積均固定為0.314 mm.2，圖譜基線采用自動校正法進行校正。

2.3 數據處理

通過測定，得到樣品的FT-IR。采用Matlab 6.1軟件，對拷貝自實驗中所給定的樣品的FT-IR進行一維離散小波變換，在各個分辨率下觀察樣品的FT-IR差異程度，從中選擇兩個具有代表性的分辨率進行提取特征向量值。進行人工神經網絡識別時，以3種蕨類根部的FT-IR作為實驗樣本。樣本的訓練集和測試集各選取240個，每種植物不同產地的訓練數及預測樣本數各選擇40個，樣本經過FT-IR測定后進行一維離散小波特征提取，其所選擇的特征向量值作為特征信息進行ANN的訓練與預測。

3 結果與討論

3.1 鱗毛蕨科3種植物根的HATR-FTIR譜圖比較

貫眾、闊鱗鱗毛蕨和變異鱗毛蕨3種植物根部典型的FT-IR如圖1所示。

圖1 3種蕨類植物根部的FT-IR

Fig．1 FT-IR spectra of the root of three kinds of pteridophyte plants

a. 貫眾； b. 闊鱗鱗毛蕨； c. 變異鱗毛蕨。a. Cyrtomium fortunei J. Sm; b. Dryopteris championii （Bench） C. Chr. apud Ching; c. Dryopteris varia （L.） O. Ktze.

從圖1可見，由于黃酮、甾類、生物堿、三萜類化合物、鞣質、甾醇、內酯、氨基酸等是蕨類植物中主要的活性物質，故在3300 cm

Symbolm@@ 1均有羥基伸縮振動吸收峰，并在1030～1200 cm

Symbolm@@ 1間出現不同的CO鍵伸縮振動吸收峰。在3378 cm

Symbolm@@ 1處的吸收峰為三萜類、多糖類和甾醇類化合物的羥基吸收峰。3328，1612和1434 cm

Symbolm@@ 1處的吸收峰為氨基酸的氨基和酸根吸收峰。1031 cm

Symbolm@@ 1處為糖類的CO吸收峰，由于1031 cm

Symbolm@@ 1處的吸收峰為第一強峰，可推斷屬多糖類化合物。在2921和1373 cm

Symbolm@@ 1處的吸收峰為CH2和CH3的吸收峰。

由于3種蕨類植物為同科植物，所含化學成分比較相近，所以從所得FT-IR圖譜很難直接獲得更多分類識別的信息。小波變換是繼傅里葉變換后所出現的一種更為有效的信號處理及特征提取方法，素有“數學顯微鏡”之稱。為了更為直觀地識別3種鱗毛蕨科植物，采用離散小波變換進行提取特征向量值。它能將圖譜變換為一系列小波系數，這些系數可以被高效壓縮和存儲。提取特征向量后進一步采用人工神經網絡進行分類識別。

3.2 3種蕨類植物的離散小波特征提取

在進行離散小波分解時，應該根據信號的光譜特性選擇適當的小波基函數和分解層數。在小波多分辨率分解過程中，根據HATR-FT-IR信號的特性并比較不同分辨率下信號分解的效果， 確定合適的小波基及小波尺度。其標準是突出原始光譜中的若干個特征峰，并選取平滑性好的小波基。常用的小波基有Mexicon hat，Meyer，Morlet，Daubechies，Coiflet及Symlets等（圖2）。以小波基形狀與待分析信號形狀是否更接近及衰減信號是否更快作為選擇的前提，經比較分析，選取了Daubechies小波作為“分析小波”。本研究提取小波域中原始信號FT-IR中的兩個特征峰，以提取其特征值。對3種蕨類植物的FT-IR分別進行了一維離散小波變換，分解的層數為5。經過比較分析，選擇其中兩層（4和5）提取特征值。

圖3為利用離散小波變換分別對貫眾、闊鱗鱗毛蕨及變異鱗毛蕨的FT-IR進行多分辨率離散小波變換分解的結果。由圖3可見，當離散小波變換的分辨率比較低時，從小波域上無法分辨其光譜的主要特征，因為其中有較多的細節干擾信號。而細節信號對光譜變化比較敏感，對原始光譜中各個特征峰反應過于強烈，不利于特征提取。因此，取第4層和第5層這2個分辨率的離散小波細節信號作為特征變

圖2 小波基函數的曲線

Fig．2 Wavelet basis function curves in time domain

（a） Mexicon hat wavelet；（b） Meyer wavelet；（c） Morlet wavelet；（d） Daubechies wavelet；（e） Coiflet wavelet；（f） Symlets wavelet.

圖3 離散小波分解3種蕨類根部FT-IR的結果

Fig．3 Result of pre-processed spectra of FTIR spectra of the root of three kinds of pteridophyte plants with multiresolution discrite wavelet transform （DWT）

量提取空間。特征變量定義為離散小波域內第4層和第5層這2個分辨率下光譜的能量。為了有效提取離散小波域內兩個分辨率下的具有代表性的特征值，對每個分辨率下的光譜分別劃分特征區間。考慮到植物FT-IR譜的復雜性，本研究從區別比較大的兩個區域劃分了特征區間（圖4）。由圖4可見，第4層和第5層每層劃分為兩個區域，每種植物共獲得4個特征值，作為人工神經網絡的輸入與輸出值。

圖4 3種蕨類植物特征區間劃分示意圖

Fig．4 Division of two feature regions of detail signal in DWT domain

a. 貫眾； b. 闊鱗鱗毛蕨； c. 變異鱗毛蕨。a. Cyrtomium fortunei J. Sm; b. Dryopteris championii （Bench） C. Chr. apud Ching; c. Dryopteris varia （L.） O. Ktze.

3.3 反向傳播（Back-propagation，BP）算法

由于本研究主要用于植物的分類和識別，故采用人工神經網絡的反向傳播（BP）網絡模型。對于反向傳播神經元網絡，當各節點均采用Sigmoid 型函數時，一個隱含層就足以實現任意的判決分類問題。采用本研究組已建立的算法[11]，并采用隨機輸入方式。

3.4 網絡確定與應用結果

經實驗確定BP網絡結構為4個輸入節點、6個隱層節點和3個輸出節點，誤差0.05， α為0.8，η為0.02。考察訓練成功的網絡對3種蕨類植物如何進行識別。所用的BP網絡結構中4個輸入節點依次為歸一化為0～1之間的4個特征向量，輸出節點按作為教師信號的蕨類植物種類分為：1類（貫眾）；2類（闊鱗鱗毛蕨）；3類（變異鱗毛蕨）。訓練后的網絡對240個不同產地樣品的FT-IR經過離散小波變換后的特征向量數據的預測結果見表1。

從預測結果可見，貫眾、闊鱗鱗毛蕨及變異鱗毛蕨這3種蕨類植物均基本上被正確判別，只有采自四川峨眉山的闊鱗鱗毛蕨和變異鱗毛蕨各有一個樣本被錯誤分類，兩產地的預測準確率平均值分別達100.00%, 98.75%和98.75%。

3.5 結論

（1）蕨類植物作為藥用多使用根部，考慮到根部受環境的影響相對比較小，所以研究時采用蕨類根部作為實驗對象；（2）與壓片法及液膜法不同，利用HATR-FT-IR法測定蕨類植物，能進行直接測定獲得譜圖，從而使所得FT-IR有較好的可比性。采用離散小波變換進行數據壓縮可以對紅外吸收較為相似的貫眾、闊鱗鱗毛蕨及變異鱗毛蕨3種蕨類植物的FT-IR進行特征提取。選擇第4層和第5層分辨率下的特征值作為分析的基礎，從所得特征值進行人工神經網絡分類能夠較為有效地進行分類。此方法在形態較為相似的同科植物貫眾、闊鱗鱗毛蕨及變異鱗毛蕨3種蕨類植物的分類上具有較高的可行性，從而為光譜學與計算機科學技術相結合在植物分類學中的更為廣泛的應用提供了較為科學的研究基礎。

References

1 LIU Shu-Qian, ZHENG Jun-Hua, GUO De-An, XU Bing-Jiu. Northwest Pharmaceutical J., 1999, 14（5）: 222～225

劉叔倩, 鄭俊華, 果德安, 徐秉玖. 西北藥學雜志, 1999, 14（5）: 222～225

2 HUANG Hao, SUN Su-Qin, XU Jin-wen, WANG Zhao. Spectrosc. Spec. Anal., 2003, 23（2）: 253～257

黃 昊, 孫素琴, 許錦文, 王 釗. 光譜學與光譜分析, 2003, 23（2）: 253～257

3 Lv H F, Cheng C G, Tang X, Hu Z H. Acta Bot. Sinica, 2004, 46（4）: 401～406

4 CHENG Cun-Gui, TIAN Yu-Mei, ZHANG Chang-Jiang. Chinese J. Anal. Chem., 2008,36（8）: 1051～1055

程存歸, 田玉梅, 張長江. 分析化學, 2008,36（8）: 1051～1055

5 CHENG Cun-Gui, XIONG Wei, JIN Wen-Ying. Chinese J. Anal. Chem., 2009, 37（5）: 676～680

程存歸, 雄 瑋, 金文英. 分析化學, 2009, 37（5）: 676～680

6 Cheng C G, Liu J, Zhang C J, Cai M Z, Xiong W. Appl. Spectros. Rev., 2010, 45（2）: 148～164

7 Cheng C G, L J, Wang H, Xiong W. Appl. Spectros. Rev., 2010, 45（3）: 165～178

8 CHENG C G, Liu J, Cao W Q, Zheng R W, Wang H, Zhang C J. Vib. Spectrosc., 2010, 54（1）: 50～55

9 CHEN Zhi-Cheng, LIU Jun-Xian, HUANG Shu-Shi, TAO Zhan-Hua, WANG Yi-Bing. Com. Appl. Chem., 2009, 26（4）: 482～486

陳植成, 劉軍賢, 黃庶識, 陶站華, 王一兵. 計算機與應用化學, 2009, 26（4）: 482～486

10 CHENG Cun-Gui, MAO Jiao-Yan. Chem. Indu. Forest Prod., 2005, 25（2）: 107～110

程存歸, 毛姣艷. 林產化學與工業, 2005, 25（2）: 107～110

11 CHENG Cun-Gui, Tian Yu-Mei, Zhang Chang-Jiang. Acta Chim. Sinica, 2008,66（7）: 793～798

程存歸, 田玉梅, 張長江. 化學學報, 2008, 66（7）： 793～798

Recognition Among Three Kinds of Pteridophyte Plants Based on

Fourier Transform Infrared-Discrete Wavelet Feature Extraction

and Artificial Neural Network Classification Method

YU Peng.1, XU Rui.2, CHENG Cun-Gui*1

.1（College of Chemistry and Life Science, Zhejiang Normal University, Jinhua 321004, China）

.2（College of Chemical and Pharmaceutical Engineering,

Henan University of Science and Technology, Luoyang 471003, China）

Abstract Fourier transform infrared （FT-IR） and horizontal attenuated total reflectance （HATR） techniques were used to obtain the FT-IR of three kinds of pteridophyte plants （the root of Cyrtomium fortunei J. Sm, Dryopteris championii （Bench） C. Chr. apud Ching and Dryopteris varia （L.） O. Ktze.）. The similar features of FT-IR among the root of Cyrtomium fortunei J. Sm, Dryopteris championii （Bench） C. Chr. apud Ching and Dryopteris varia （L.） O. Ktze. were extracted by discrete wavelet transform. The scale 4 and 5 were used to extract the feature vectors, which were used to train the artificial neural network（ANN）. The trained neural network was used to classify the root of Cyrtomium fortunei J. Sm, Dryopteris championii （Bench） C. Chr. apud Ching and Dryopteris varia （L.） O. Ktze., which were collected from different places. According to 240 prediction samples, we could effectively identify the root of Cyrtomium fortunei J. Sm, Dryopteris championii （Bench） C. Chr. apud Ching and Dryopteris varia （L.） O. Ktze. by FT-IR with discrete wavelet feature extraction and artificial neural network classification.

第6篇

1計算機化學軟件在分析立體模型顯示方面的分析

縱觀以往的有機化學教學而言，在分子立體結構降解方面，很多教師僅僅依靠分子結構進行展示，但是這種展示方式一般缺少形象直觀因素作支撐，為此對于學生而言學生依舊很難懂得分析立體結構知識，導致學生無法想象出分子結構，無法深入理解，更加無法達到學以致用的目的。可在化學教學中，有機化合物分子結構是化學整體教學的重點，它的立體幾何構成與化學分子反應機理與物理、化學性質等之間存在著極大的關聯。伴隨計算機技術的發展，已經有很多軟件能夠對分子結構展開模擬演示，教師也能夠利用這些軟件進行教學，從而使得學生能夠更加清楚的認識到化學分子結構模式，使學生能夠真正理解分子結構，應用這部分知識。例如ChemOffice等相關化學輔助教學軟件，都能夠利用3D技術完成分子立體結構模擬演示操作，并且對化學分子中各種模型結構都能夠完成模擬，例如球棍模型等，都能夠提升學生對分子結構的理解，也能夠提升學生的想象力等。例如在對乙烷分子構象教學過程中，教師可以應用Gaussian03軟件進行教學，通過對該軟件的操作來完成分子構成，將其和分子能量展開關聯。具體做法為：首先需要建立乙烷分子模型，之后優化分子模型。其次，為了能夠有效的完成360度旋轉C-C，就需要改變H4-C3-C2-H1二面角，將Scan輸入其中，掃描所有旋轉過程中的勢能曲線。最后，對C-C旋轉曲線先開分析，同時研究分子勢能構象變化規律，最終和勢能曲線最低點對應的構象便為穩定構象，也可以被稱之為交叉型構象。

2計算化學軟件對分子光學模擬的分析

在有機化合物分子光譜學習中，對其特征的學習能夠使得學生更加靈活的應用相應的化學知識來分析物質世界。在現代社會發展中，科學家們要真正的完成對分子光譜的分析與了解工作，一般需要現代儀器對有機物的分子結構展開分析，但是這些儀器卻不能在實際教學課堂上應用。但是Gaussian03軟件卻與之不同，該軟件能夠被應用在實際混血教學課堂當中，在課堂上完成對分子光譜的模擬和預測操作。例如在對有機分子紅外光譜與振動模式學習的過程中便可利用這款軟件，引導學生分析與觀察模型演示，從而使得學生更加直觀的學習其知識，并且理解與運用化學知識。另外在化學教學課堂上利用軟件ChemOffice也可以對有機化物的質荷比與核磁共振譜圖實施預測與模擬工作。例如，可以對苯內酮模擬測試等。除此之外，計算機軟件也可以對化學反應機理展開演示。在相應有機化學教學過程中，化合物的有機反應是教學的一個重點，同時也是教學難點，由于機理反應后所帶來的影響一般較為復雜，并且具有較多的種類，過于抽象，因此學生在學習這部分知識的過程中感覺到很吃力，對知識點也是很難理解，無法深入的把我與研究。可實際上掌握這部分的知識，能夠幫助學生對日后學習合成工藝與合理選擇等有著極大的幫助，具有提升學生科研能力的作用。為此，我們可以認為有機反應教學能夠對學生的學習帶來較大的意義，能夠推動學生的發展。實踐表明，Gaussian03軟件在這部分知識教學中能夠有效的解決其中的問題，不僅可以讓學生理解其中的知識，還能夠讓學生較為輕松的掌握與了解這一理論。例如，在學習雙分子親核反應的過程中，具體操作可為：第一，需要建立起相應的模型，如CH3CL+BR-等等，并且對所建模型進行優化；第二，利用相應程序將相關反應形態表現出來，并且對其包含的關鍵詞展開深入的計算與設計；第三，通過相應的計算，將分子結構與能量在化學反應過程中將其變化規律展現出來，并且通過軟件對該反應的演示，學生更容易觀察親核試劑以及離去基團等之間的演變過程，從而使得學生更輕松的理解該部分的知識，在仔細觀察之下，學生對反應過程中呈現的狀態有所了解，這有利于學生在實際應用該部分知識的時候靈活思考與使用，最終實現大學有機化學教學效率提升的目的。

3總結

本文主要針對計算化學軟件在大學有機化學教學中的實際應用進行分析，通過對計算機化學軟件在分析立體模型顯示方面的分析以及計算化學軟件對分子光學模擬的分析等，明確在大學有機化學教學中，計算機軟件占據著極為重要的位置。它的應用不僅有利于協助教師的化學教學任務的完成，還有利于學生理解其化學知識，通過計算機軟件模擬演示的觀察，對化學分子知識進行深入理解，從而提升化學課堂教學效率，更加提升學生的知識運用能力等。

作者：孫林 王素玲 單位：宣化科技職業學院

第7篇

關鍵詞：近紅外光譜；在線檢測；農產品/食品品質

當前，人們的生活質量和女生活水平都有了非常顯著的提升，而農產品/食品品質安全事故的數量也呈現出了明顯的增加趨勢。快速檢測是非常重要的方法和手段，近紅外光譜法是多種技術和方法當中應用最為廣泛的，近紅外光譜法不會對檢測過程產生不利的影響，同時也不需要對樣品進行預處理，不會對環境構成污染，同時其成本投入也相對較低。

1 國內外研究進展

1.1 水果內部有品質在線檢驗

在國內的一些研究當中，研究人員簡歷了水果的近紅外光譜在線檢測系統，同時在這一過程中也開發出了一些相對應的在線檢測軟件系統，近紅外光譜儀采用的是微型的光纖光譜儀，CCD檢測器，其中還有2048個像素，其波長的范圍為345-1100nm，信噪比達到嘞250：1，在檢測中使用的光源是鹵鎢燈，將其以環形的方式進行布置和設計，其主要采用這一系統對一些水果的糖分和酸度進行了在線檢測和研究。

1.2 魚、畜肉內品質在線檢測

相關的研究人員采用近紅外一起建立了肉品質在線檢測系統，在近紅外儀器上面安裝了5種波長不同的濾光片，同時還要用20Hz的頻率對濾波片進行旋轉處理，這樣就可以獲得不同波長之下的肉品嗎吸光度，相關的研究人員對154個肉樣本的脂肪、水分和女蛋白質的含量進行了詳細的在線檢測，同時在這一過程中也建立了豬肉以及牛肉的脂肪、水分以及蛋白質環梁的聯合模型。能夠有效的保證檢測的合理性和科學性。研究人員在工業范圍之內還要對半冰凍狀態的牛肉化學成分進行檢測，在實驗的過程中將不同溫度對光譜的影響以及不同的顆粒度對建模效果的影響進行了細致的研究，此外在這一過程中還針對所有的樣本都建立了模型。

國外的一些研究小組用近紅外反射儀器對傳送帶上的較細牛肉成分開展了在線檢測的工作。檢測器的波長范圍設定在了380nm-1700nm，光源設定為鎢燈，在研究的過程中發現牛肉的脂肪、水分和蛋白質之間存在著互相對應的關系，此外，研究人員還認為傳送帶所輸送的絞細牛肉的均勻度不是很高，采集牛肉光譜信息當中也可能會有傳送帶當中所具備的光譜信息，在這一過程中也應該充分的提出SIMCA方法對其中的光譜信息進行具體的區分。

還有一些研究學者采用上也的近紅外成像儀建立了一個在線檢測的系統，他們對干燥狀態下所腌制的黑鱈魚濕度開展了一系列的檢測工作，同時還對不同光譜的采集部位對建模效果的影響進行了對比性研究，此外對不同的光譜采集方式也進行了實驗對比，三種方式都能展現出非常好的效果，但是針對完整性比較強的樣品，接觸式漫射和非接觸式漫射的效果要比漫射效果更加的準確。

1.3 牛奶品質在線檢測

研究人員利用光柵光譜儀等構建了牛奶品質的在線檢測系統。檢測器為CCD檢測器，2048個像素，波長范圍為600～1050nm，光譜積分時間為10s。研究人員分別在2003年，2004年和2007年對奶牛個體的牛奶質量進行了在線檢測。檢測的指標主要有牛奶成分（脂肪、蛋白質、乳糖），肉體細胞數目，牛奶尿素氮。應用PLS方法建立各檢測指標的模型，測得脂肪（R2=0.95，SEP=0.24～0.42），蛋白質（R2=0.72～0.91，SEP=0.09～0.15），乳糖（R2=0.85～0.94，SEP=0.05～0.18），肉體細胞數目（R2=0.62～0.82，SEP=0.27～0.32），牛奶尿素氮（R2=0.68～0.90，SEP=1.33～2.08）。

1.4 谷物類品質檢測在線檢驗

相關的研究人員使用了聯合收割機，同時在聯合收割機上還裝設了傳感器對鼓舞中的蛋白質含量和濕度濃度開展了在線檢測工作，這一系統的波長范圍設定在了940-1700nm，光源選擇了功率為9W的鹵鎢燈，同時還要對四種不同的方法在精度上的表現進行了研究，在研究中發現，蛋白質預處理效果最好的方法就是SNV，在濕度的檢測方面，不對其開展預處理工作的效果是最好的。

1.5 奶酪酒精發酵品質在線監控

2001年，研究人員應用Insta1ab600-Dickey-John分析儀對羊乳酪生產過程進行在線監控。該分析儀集成了近紅外儀器和化學計量學算法。建立了羊乳酪生產過程中6個關鍵點的濕度、脂肪以及蛋自質濃度的在線預測模型，發現所建立模型的萬都在086以上，SEC都在0.5以下。研究人員對應用近紅外光譜技術與多元變量回歸技術對紅葡萄酒發酵過程進行在線監控的可行性進行探索。光譜儀為FOSSNIRSystems6500，波長范圍為400～2500nm，光譜采集軟件為Visionsoftare。研究了不同的溫度以及不同的酵母對發酵過程的影響，結果溫度和酵母種類的影響均不顯著。

2 近紅外光譜分析技術存在的問題

雖然近紅外光譜分析技術在在線檢測農產品/食品品質上的研究已將近持續了10年，但大多數還只是在實驗室范圍內進行在線檢測，形成真正的商業化產品的很少。目前，農產品/食品品質的在線檢測研究還存在著以下幾個方面的問題。

2.1 大多數研究只是進行可行性探索，沒有進行深入研。

2.2 近紅外光譜很容易受到各個因素的影響。而對于在線檢測來說，樣品飼運動的，因而近紅外光譜更容易受到影響，如何獲得較穩定的光譜仍是一個問題。

2.3 在在線檢測研究中所應用的模型大多為PLS或是神經網絡模型，而這些模型都是抽象的，不可描述的。對可描述模型的研究以及可描述模型在在線檢測中的應用研究有所欠缺。

3 近紅外光譜分析技術展望

經過40多年的發展，近紅外光譜分析技術已逐漸成為一種快速的現代分析技術。光纖技術與近紅外技術結合必然使近紅外在線檢測技術廣泛應用于農產品/食品以及其他各個領域，并在今后的發展中逐漸形成成熟的在線檢測裝備投放于市場。隨著近紅外光譜分析技術應用的不斷深入，近紅外光譜分析技術必然將與網絡技術結合，實現近紅外分析模型的在線更新與升級。成像光譜學將是近紅外未來的發展方向，二維陣列檢測器的開發，使測量成分和成分分布成為可能。光譜成像技術將成為21世紀近紅外光譜分析技術的發展趨勢。

結束語

在農產品食品檢測的過程中可以使用多種多樣的方法，而在這些方法中，近紅外光譜分析法具有非常明顯的優勢，。本文主要闡述了其在多個領域的應用研究發展，同時也闡述了近紅外光譜分析技術當前存在的一些不足，對該技術的發展提出了一些建議，希望能夠給相關的工作人員提供一定的經驗和借鑒。

參考文獻

第8篇

關鍵詞：橡膠 微量元素 檢測

所謂的微量元素，是指在地球的主要構成中僅占據0.01%的元素，共有60余種，由于含量極小，為了可以準確檢測元素的含量，對于檢測的精準度要求十分嚴格。檢測的關鍵在于對樣品的前處理，這也直接影響著分析結果的準確度和精密度。通常情況下，微量元素的檢測方法有高溫灰化法、微波消解法、濕法分解法等。相對于橡膠工業沿，主要測定方法有分光廣度法、原子發射光譜法、X射線熒光法、電化學法、色譜法等，不同的檢測方法會由于本身的性質以及儀器檢出限度而各不相同。

一、分光光度法

其基本原理是：利用相關儀器，將一束單色光透過被測溶液，其中的一部分光會被溶液吸收，且吸收的強度與溶液中物質的濃度成正比。這種方法是一種較為傳統的分析方法，檢測速度快，也相對準確。但是，涉及的數據眾多，步驟繁瑣，并且不適合多元素同時測定，一般只用于檢測單一的元素，如氮、硅等。例如，孫田增使用EGTA（乙二醇二乙醚二胺四乙酸）滴定鈣，CyDTA（環已烷二胺四乙酸）滴定鎂，對硫化橡膠中鈣鎂的含量進行了檢測，滴定終點穩定，敏銳，測定結果有較高的準確度和精密度，且測定快速。

二、X射線熒光光譜分析法

如果能量高于原子內層電子結合能的X射線與原子發生碰撞，會對內層電子進行驅逐，形成一個空穴，使得整個原子體系處于不穩定的激發態，之后又會由能量高的狀態自發躍遷至能量低的狀態，這個過程稱為弛豫過程。在這個過程中，X射線熒光的能量和波長與元素有著特殊的對應關系，因此，只需要測出熒光X射線的波長，就可以分析出元素的種類，這也是X射線熒光光譜分析法的原理。這種方法準確度較高，操作簡便，在橡膠微量元素的檢測中得到了廣泛應用。例如，徐燧偉使用X射線衍射法，對硫化橡膠中無機物的含量進行測定，誤差一般只有千分之幾，最大誤差也只達到1%，既可以定性，又可以定量，可以說十分方便。

三、電感耦合等離子體原子發射光譜法

這種方法的基本原理是原子發射光譜法（AES），主要是利用樣品在受到激發后，發射出的光譜的波長和強度的差異，對樣品進行定性及定量分析。由于目前原子發射光譜法普遍采用ICP作為光源，利用等離子體的高溫消除火焰中存在的化學干擾，使得大多數微量元素容易被激發，因此也就成為電感耦合等離子體原子發射光譜法（ICP-AES）。這種方法具有基體干擾小、精度好、靈敏度高、線性范圍寬等諸多優點，因此得到了廣泛的應用。這里進行重點分析。

1.檢測方法

1.1檢測準備：采用SPECTRO GENESIS電感耦合等離子體原子發射光譜儀，27.12 MHz自激式高頻發生器，水冷循環系統，三通道蠕動泵，15塊線性電荷耦合檢測器（CCD）。

試劑方面，采用混合標準儲備溶液，使用光譜純試劑配制，在使用時通過添加離子水，滿足試驗的需求。試驗中使用的容器統一進行以下處理：首先使用硝酸溶液浸泡24小時，之后使用自來水進行反復沖洗，最后使用離子水清洗并烘干。

1.2工作條件：高頻發生器的功率為1.3kW，冷卻循環系統的氣流量為12.0L·min-1，輔助氣流量和載氣流量均為1.0L·min-1。

1.3試驗方法：首先，要對樣品進行相應的處理。在制作樣品之前，要使用軟布配合清潔劑等，除去試樣表面的臟污，如果試樣的表面存在聚合物涂層，可以使用800碳化硅砂紙去除，需要注意的是，摩擦是一定要輕柔，避免對于試樣主體的破壞。同時，試樣不能在高于35℃的環境下強制干燥，而應該放置在陰涼通風處自然干燥。拆分試樣的工具需要提前使用乙醇溶液進行清潔，避免其對于檢測結果的影響。樣品的主要處理方法有以下幾種：

1.3.1干灰化法：取剪為1mm3大小的橡膠試樣0.5g，放置在50mL的瓷質坩堝中，之后將坩堝放入高溫爐，確保爐內溫度保持在200℃，加熱2h后，升溫至300℃，直到不再冒出黑煙，完全關閉爐門，升溫至500℃灰化4h。之后取出坩堝，添加硝酸溶液5mL，放置于電爐上溶解灰分，然后將溶液倒入50mL的容量瓶中，定容，搖晃均勻，進行干過濾后，放置待測。

1.3.2硫酸消解法：取剪為1mm3大小的橡膠試樣0.5g，放置在100mL的平底燒瓶中，加入濃硫酸10mL，在電爐上加熱至完全裂解，冷卻后，加入10mL硝酸溶液，緩慢加熱至沒有棕色氣體逸出，之后，提高溫度，加熱至有少量白色煙霧冒出。重復上述步驟，直到溶液的顏色不再褪色。然后，加熱至溶液將近干涸，加入少量蒸餾水，繼續加熱到白煙不再冒出，加入5mL硝酸溶液，加熱，將殘余物溶解，之后將溶液倒入50mL容量瓶中，定容，搖晃均勻，進行干過濾后，放置待測。

1.3.3硝酸-高氯酸-氫氟酸消解法：取剪為1mm3大小的橡膠試樣0.5g，放置在100mL的聚四氟乙烯燒杯中，加硝酸30mL，高氯酸8mL，氫氟酸8mL，蓋上表面皿，浸泡24h。在消解前，將表面皿取下，燒杯放置于控溫電熱板上，以100-120℃的溫度，進行加熱消解。黃煙冒盡后，提升溫度至140-150℃，加熱至溶液近干，加入少量蒸餾水，加熱至白煙不再冒出，之后加入5mL硝酸溶液，加熱，溶解殘余物，然后將溶液倒入50mL的容量瓶中，定容，搖晃均勻，進行干過濾后，放置待測。

其次，要對樣品進行分析。開機預熱點燃等離子體光源后，對相關儀器參數進行調試，確保其處于最佳測試狀態，利用蠕動泵將試樣溶液引入等離子體光源。試樣溶液在激發過程中，其中含有的微量元素會產生特定的光譜線，經過分光系統分光后，被光電元件接收后，會轉變為電信號并被記錄。結合數據庫中的信息，通過對比，系統可以自動計算并記錄被測試樣中各元素的含量和特性。

2.結果分析

通過對不同量的溶解酸的比較，結果顯示：各種酸的體積分數在0.5%～2%時，分析結果呈現下降趨勢；體積分數在2%～5%時，分析結果基本穩定；體積分數大于5%，再次呈現下降趨勢，鹽酸與硝酸的測定結果完全一致。因此，在實驗中選擇體積分數為2%～5%的硝酸作為溶解酸。通過對三種消解方法的對比，采用硝酸-高氯酸-氫氟酸消解法結合ICP-AES測定橡膠中微量元素的方法，具有快速、簡便、污染小、精度高的優點，適用于橡膠中微量元素的定量分析。

四、結語

總之，對橡膠中的微量元素進行檢測，可以有效分析橡膠成分，便于橡膠制品的生產和仿制，對橡膠工業的發展有著巨大的促進作用。

參考文獻

[1]鄧江華，王進，楊柳，昌慧娟.電感耦合等離子體原子發射光譜法測定橡膠中微量元素[J].理化檢驗（化學分冊），2011，（2）：151-154.

[2]劉立行，劉旭東.消解乳化技術-火焰原子光譜法測定天然橡膠中微量元素[J].山東師范大學學報（自然科學版），2007，（5）：212-217.

第9篇

關鍵詞：粉色、蛋白石、相似品種、鑒別、特征；

正文：蛋白石可粗分為兩大類，具有變彩效應的貴重蛋白石，以及沒有變彩的普通蛋白石[1]。粉紅色蛋白石，又名“粉歐泊”，是一種不具有變彩效應的普通蛋白石。但是在龐大的蛋白石家族里，粉紅色蛋白石是非常稀有的一種。主要產自于秘魯和墨西哥等國。在蛋白石礦區開采出來95%都是普通歐泊，絕大多數只有白、灰或黑等顏色暗淡的單體色蛋白石。剩下的5%是帶有有一些彩色體色的蛋白石，比如粉紅色、紅色、紫青色、棕色、黃色等。其中最為罕見、最為珍貴的便是被稱為“單色蛋白石新貴”――粉色蛋白石。粉紅蛋白石質地細膩溫潤、顏色嬌嫩柔美、具有陶瓷般光澤。因此，它在西方被冠以“最能代表女人的寶石”的稱號，而“玫瑰蛋白石”更是它的別名。由于黑色細紋、白色斑點、表層龜裂等直接影響整體感的情形出現可能性大，因此大顆粒的粉紅蛋白石便更為珍貴，商業價值也高。因產量稀少，不是常見寶石，認知度較低，所以不免有人很可能將它與有著類似粉紅體色的常見寶玉石品種相混淆。本文歸納總結出5種外觀與之有可能混淆的常見天然寶玉石品種[2]：海螺珍珠、珊瑚（“天使膚”）、菱錳礦、薔薇輝石、粉晶（芙蓉石）。并選擇典型測試樣品（圖1所示）在常規實驗測試和大型儀器測試下的主要鑒別特征[1]的不同進行分析對比研究。

粉色蛋白石的寶石學特征如下[3]：

化學成分：屬硅酸鹽礦物，其化學分子式為：SiO?nH2O，是一種含水的二氧化硅凝膠，含水量一般在4%―9%，最高可達20%；

結晶習性：非晶質體，無解理，具有貝殼狀端口；

摩氏硬度：5-6.5；

相對密度：2.15；

折射率：1.45；

光澤：樹脂光澤；

顏色：深淺不同的分紅色調；

透明度：半透明至不透明；

紫外熒光下：長波和短波均顯示弱熒光；

吸收光譜：無特征吸收光譜線；

特殊光學效應：不具變彩效應；

穩定性：遇酸無反應；因含水，少數結構不穩定者受高溫或熱拋光會有顏色變淡現象。

只要足夠的耐心和細心在常規儀器下檢測粉色蛋白石與以上5個常見粉色寶玉石品種，是可以加以鑒別的。當然，為了使以上寶玉石品種與粉色蛋白快速得以區分，采用大型儀器紅外光譜儀來做礦物紅外光譜分析，即可快速、準確的將其區分開來。

1、常規儀器測試：

選樣品為6粒拋光好的粉色蛋白石與相似寶玉石品種（如圖1），樣品由分別命名為：T1粉色蛋白石，T2海螺珍珠，T3珊瑚（“天使膚”），T4菱錳礦，T5薔薇輝石，T6粉晶，常規儀器測試不同鑒別特征【2】如下：

總結：在常規儀器下以上5種粉色常見寶玉石品種的樣品具有明顯可以與粉色蛋白石相區分的鑒定特征，在時間和實驗條件允許的前提下完全通過常規寶石學測試方法將它們加以區分。

2、樣品大型器測試：以上6粒不同樣品的分子結構和光譜特征的測定所用儀器為Nicolet550傅里葉變換紅外光譜儀及鏡面反射附件，采用反射測試方法對樣品進行測試，掃描次數為32次，測試范圍2000～ 400cm-1[5]。經過測試，圖1中6個樣品所得的紅外圖譜分別如圖2依次所示：通過紅外圖譜分析可以將以上6種外觀十分相似的樣品快速、準確的區分開來。同時，過對紅外標準圖譜的比對分析，可以對其準確定性。

總結：掃描得出以上6粒樣品的不同特征紅外吸收圖譜：樣品T1在1250M-1，1120M-1，790M-1有特征吸收峰；樣品T2在1480M-1，890M-1，710M-1，625M-1有特征吸收峰；樣品T3在1477M-1，880M-1，630M-1有特征吸收峰；樣品T4在1475M-1，860M-1，730M-1有特征吸收峰；樣品T5在1070M-1，1030M-1，960M-1，875M-1，725M-1，675M-1，600M-1，448M-1有特征吸收峰；樣品T6在1170M-1，1060M-1，800M-1，469M-1有特征吸收峰[4]；通過以上紅外圖譜的特征反射峰位的不同，可以將以上6種相似顏色外觀的樣品快速、準確的區分開來；再者通過對紅外標準圖譜庫的檢索分析，可以對其準確定性，結果為：樣品T1為：粉色蛋白石；樣品T2為：海螺珍珠；樣品T3為：珊瑚（“天使膚”品種）；樣品T4為：菱錳礦（粉色）；樣品T5為：薔薇輝石（粉色）；樣品T6為：粉晶（芙蓉石）。

參考文獻：

[1]張蓓莉《系統寶石學》，北京，地質出版社，2006年，第二版；

[2]陳鐘惠《寶石學基礎教程》，武漢，地質出版社，2012年；

[3]英國寶石協會和寶石檢測實驗室（作者），陳鐘惠（譯者）《寶石學基礎教程》武漢，中國地質出版社，2006年；

[4]彭文世，劉高魁《礦物紅外光譜圖集》1982年，第一版；

[5]尹文萱，陳航，李壯福，張模濤《傅里葉變換紅外光譜在寶玉石鑒定研究中的應用》，出自《光譜學與光譜分析》2010年11月，第30卷，第11期；

作者簡介：

甘彥超（1982-），女，學士，GIC，FGA，CGC珠寶鑒定師，主要從事珠寶專業教研，珠寶貴金屬檢測和實驗室管理；

第10篇

【摘要】 多組分同時測定時，組分間發生相互作用，應作波段選擇。提出了改進的粒子群優化算法進行隨機的波段選擇。所提出的方法用于鄰、間、對硝基苯酚的濃度預測，在208～481 nm范圍內，以0.15 mol/L NaOH為溶劑，配置27組混合液作訓練集，27組作預測集。訓練集的均方根誤差(RMSE)分別為0.1257、0.2228 和 0.0846; 預測集RMSE分別為0.2070、0.1507 和0.394，得到了較好的預測結果。

【關鍵詞】 粒子群優化算法，波段選擇，硝基苯酚

1 引 言

多組分體系的同時測定是化學分析較活躍的研究領域之一。由于多組分吸收光譜相互重疊，組分間相互干擾等原因，全譜中會出現與組分濃度無關或呈非線性關系的波段。篩選與待分析組分相關的波長不僅能提高模型的預測能力和穩健性[1～4]， 還可簡化模型。波長選擇方法主要有相關系數法[5]、逐步回歸法、無信息變量消除法[6]及間隔偏最小二乘法，基于支持向量機和子空間劃分的波段選擇[7]和基于組合優化的方法，如模擬退火法、遺傳算法[8]等。優化方法選擇離散的波長點建模，由于未考慮光譜數據連續相關性的特點，可能導致過擬合現象，模型穩健性差[9]。常用的波段選擇方法由于固定了波段位置或區間長度，也難以達到最優結果。粒子群優化是一種較新的組合優化算法，概念簡明，需要參數少，易于實現。本實驗采用改進的粒子群優化算法進行隨機的波段選擇，確定與分析物相關的波段，并進行PLS建模。本方法應用于鄰、間、對硝基苯酚的實驗表明，方法能最大地利用全波譜中的有用信息，提高預測能力。

2 計算方法

2.1 改進的粒子群優化算法(particle swarm optimization，PSO)

PSO是由Kennedy和Eberhart于1995年提出的全局隨機優化技術，源于人工生命。在搜索空間中隨機產生一群粒子，每個粒子是D維空間的一個點，代表一個可行解。第i個粒子表示為xi=(xi1，xi2，…，xiD)。采用適當的目標函數確定每個粒子的適應度。每個粒子通過速率決定移動的方向和距離。速率是一個D維向量，記為vi=(vi1，vi2，…，viD)。粒子追蹤當前的兩個已知最優解在搜索空間中運動：粒子自身迄今找到的最優解pi=(pi1， pi2，……piD)和種群迄今找到的最優解pg=(pg1， pg2，……pgD)。根據粒子群算法的信息共享機制，作者曾提出了改進的離散粒子群優化算法[10]。粒子通過下式來更新自己的位置:

If(0

If(a

If ((1+a)/2

其中，個體速率vid是(0，1)之間的隨機數;α為靜態幾率因子，是(0，1)之間的隨機數。a越大，算法能跳出局部最優的幾率越大; a越小，越有利于粒子追隨兩個最優粒子，使算法快速收斂。本實驗中a取值0.33。

2.2 粒子群優化算法用于波長選擇

隨機初始化個體，個體長度等于全部的波長點數，個體采用二進制編碼。PSO用于波段選擇的解碼方式與一般優化方法選擇波長點不同。波長點選擇方法是個體元素值為1表示該波長點被選中，為0表示該波長點未選中。因為波譜具有連續性，這些分離的孤立波長點并不能代表全波譜的有用信息。為了能最大程度地利用有效信息，提高模型的穩健性和抗干擾能力，需采用波段選擇的方法。常用的波段選擇方法，由于波段寬度為一個固定值，具有機械性和固定性。波譜中有用相關的信息可能為不確定的波長區間，并非一個固定長度的波長段。為克服此缺點，采用了新的解碼方式來進行波段選擇。先將個體元素值為1的波長點選出，得到一系列的波長值。第1個波長點到第2個波長點為選擇的第1個波長段，第3個波長點到第4個波長點為選擇的第2個波長段，依此類推得到一系列的波段。以所選波長段中連續相鄰的波長點的吸光度為自變量，進行偏最小二乘建模對多組分含量預測，得到的均方根誤差作為個體的適應度函數。均方根誤差如下:

RMSE=∑ni=1(ypred-yobs)2n(4)

其中，ypred表示樣品中的預測濃度值，yobs表示樣品中的實際濃度值。n為樣本數。算法首先隨機初始化50個個體，為了避免初始選入的波段過多，初始化的二進制個體中90%的點設置為1。a取值0.33，算法循環100代。

3 實驗部分

3.1 儀器與試劑

UV2102PC型紫外可見分光光度計。

鄰硝基苯酚、間硝基苯酚、對硝基苯酚、乙醇、NaOH均為分析純。標準溶液：分別準確稱取鄰硝基苯酚、間硝基苯酚、對硝基苯酚各0.4000 g，用22 mL 0.15 mol/L NaOH溶解并以2%乙醇定容至100 mL，配制成4 g/L的儲備液。然后用2%乙醇稀釋得到0.4 g/L的標準溶液。參比溶液：移取3.2 mL 0.15 mol/L NaOH于100 mL容量瓶中，用2%乙醇定容。

3.2 實驗方法

準確吸取適量的鄰、間、對硝基酚標準溶液于25 mL容量瓶中，以2%乙醇定容。共配制54組混合標準溶液，其中27組作為訓練集建模，其余27組作為預測集以檢驗模型。用1 cm比色皿，在208～481 nm范圍內掃描，間隔1 nm采集吸光度值。測定數據由計算機處理，程序用Matlab編寫。

4 結果與討論

4.1 吸收光譜

鄰、間、對硝基苯酚的吸收曲線見圖1。由圖1可知，它們的最大吸收波長分別為227， 228和400 nm。紫外吸收光譜相互重疊， 圖1 硝基苯酚的紫外吸收光譜

1. 間硝基苯酚(mnitrophenol); 2. 鄰硝基苯酚(onitrophenol); 3. 對硝基苯酚(pnitrophenol)。采用常規分析方法難以直接測定單一組分的含量。在最大吸收波長處對單組分分別測定，得到鄰硝基苯酚和間硝基苯酚的線性范圍均為2～28 mg/L; 對硝基苯酚在2～24 mg/L范圍內線性關系良好。

4.2 波長選擇和模型預測

為了提高模型的預測力和穩健性，采用粒子群優化算法挑出信息含量豐富的波長段。所選出的波段為247～254 nm，262～264 nm，273～278 nm，288～328 nm和371～379 nm。以所選波長段中連續相鄰的波長點的吸光度為自變量對訓練集樣本進行PLS建模(PSOPLS)，并對預測集樣本進行預測。表1列出了預測集樣本的硝基苯酚含量和粒子群優化算法的計算值。鄰、間、對硝基苯酚預測的相對誤差分別為-1.44%，-0.77%和-0.59%。與全波譜PLS建模(FULLPLS)進行對比，采用全部274個波長(208～481 nm)，鄰、間、對硝基苯酚預測的相對誤差分別為5.77%，-6.50%和-1.53%。可見，粒子群優化選擇波段后，各組分預測的平均相對誤差均減小。表2列出了全波譜建模和粒子群優化波段選擇建模的均方根誤差RMSE值。由表2可知，進行波段選擇后3種硝基苯酚訓練集和預測集的RMSE值均明顯降低，預測集的RMSE分別降低了80.48%，44.75%和11.58%，表明了粒子群優化法的波段選擇方法對多組分混合物同時測定的預測能力明顯提高，模型的穩健性較好。表1 粒子群優化波段選擇算法的預測集結果

參考文獻

1 Cheng Biao(成 飆)， Wu XiaoHua(吳曉華)， Chen DeZhao(陳德釗). Spectroscope and Spectral Analysis(光譜學與光譜分析)，2006， 26(10): 1923～1927

2 Li YanWei (李彥威)， Fang HuiWen(方慧文)， Liang SuXia(梁素霞)， Wang ZhiZhong(王志忠). Chinese J. Anal. Chem.(分析化學)， 2008， 36(1)： 95～98

3 Liu BoPing(劉波平)， Qin HuaJun(秦華俊)， Luo Xiang(羅 香)， Cao ShuWen(曹樹穩)， Wang JunDe(王俊德). Chinese J. Anal. Chem.(分析化學)， 2007， 35(4)： 525～528

4 Fang LiMin(方利民)， Lin Min(林 敏). Chinese J. Anal. Chem.(分析化學)， 2008， 36(7)： 815～818

5 Wang YanBin(王艷斌)， Yuan HongFu(袁洪福)， Lu WanZhen(陸婉珍). Lubricating Oil(油)， 2001， 16(16): 53～56

6 Han Q J， Wu H L， Cai C B， Xu L， Yu R Q. Anal. Chim. Acta， 2008， 612: 121～125

7 Zou XiaoBo(鄒小波)， Zhu Zeng(朱 曾)， Zhao JieWen(趙杰文). Modern Scientific Instruments(現代科學儀器)， 2007， 1: 86～88

8 Ghasemi J， Niazi A， Leardi R. Talanta， 2003， 59: 311～317

第11篇

[關鍵詞]原子吸收 光譜分析 巖礦測試

[中圖分類號] P575.4 [文獻碼] B [文章編號] 1000-405X（2013）-7-170-2

0引言

原子吸收光譜分析法提出于上個世紀中期，并且經過多年來不斷地嘗試和探索，其在實驗中獲得了長足的發展[1]。尤其是在地質找礦中，原子吸收光譜分析法發揮了明顯的優勢和重要的作用。因此，在實際的野外巖礦測試中原子吸收光譜分析法具有廣闊的應用前景。

1原子吸收光譜分析法的相關理論

在野外巖礦測試中經常需要對巖礦的樣品規格以及特點進行分析和檢測，因此原子吸收光譜分析法能夠充分地發揮其優勢。原子吸收光譜分析法，英文簡稱：AAS，在應用的過程中可以對樣品中的金屬含量進行準確地分析和檢測。因此，無論是在化工工業領域，還是在食品行業中原子吸收光譜分析法都發揮了不可替代的作用[2]。然而，通過原子吸收光譜分析法的不斷應用和實踐，其缺點也在慢慢地暴露出來。例如，原子吸收光譜分析法在對相關的樣品進行檢測和分析的過程中會受到很多的因素的干擾并且會影響檢測的結果。因此，如何科學有效地消除對原子吸收光譜分析法的干擾因素有利于野外巖礦測試的順利開展。

2野外巖礦測試中消除干擾以及校正數據的因素分析

野外巖礦利用原子吸收光譜分析法進行測試的過程中主要的干擾因素體現在以下幾個方面：

2.1化學干擾

在對相關的樣品進行檢測的過程中將一定量的溶液轉化成一種自由狀態下的離子。化學干擾主要表現在陽離子干擾和陰離子干擾以及陰陽離子的混合干擾等等。其中，陽離子干擾主要是在原子吸收光譜分析法檢測的過程中由于陽離子會對檢測中的信號產生不同程度的抑制從而會影響原子吸收光譜分析法的檢測效果。

2.2光譜干擾

利用原子吸收光譜分析法在對巖礦進行檢測的過程中通過不同的光源以及背景，從而會對相關金屬元素的吸收和檢測造成不同程度的干擾。由于光譜干擾因為重線性干擾以及非吸收線干擾會影響巖礦檢測的重點，因此對相關的原子化溫度可以使用不同的方法來進行技術改造從而達到消除的效果。原子吸收光譜分析法可以利用幾條不同的發射線并且每一條發射線都會參與吸收從而會形成不同程度的干擾。如果不同的發射線會因為靈敏度的差異而產生不同的干擾，那么整個檢測過程中的信噪會相對低減少。

2.3電離干擾

原子吸收光譜分析法在進行野外巖礦的測試過程中會因為火焰使自由原子發生電離反應從而形成不同程度的干擾。如果野外巖礦的測試過程中出現電離干擾會相對低減少自由狀態中原子的濃度。同時，整個巖礦中的需要檢測的元素中的吸光度也會發生彎曲現象[3]。

2.4物理干擾

如果在野外巖礦測試過程中抽取的樣品發生了不同程度地轉移會對該樣品的物理性質產生一定的影響。相關巖礦的粘度和表面張力會因為不同的干擾而發生改變并且影響了自由狀態下原子的吸收效果。每一個樣品中的金屬元素的吸光度會因為細管的內徑不同而形成不同的影響。

3原子吸收光譜分析法在野外巖礦測試中消除干擾以及校正數據的研究進展

在利用原子吸收光譜分析法在野外巖礦測試中可以對那些需要檢測的元素進行加溫以提高火焰的溫度。如果高溫火焰代替低溫火焰可以有效地消除檢測過程中化學干擾所產生的影響。其次，不同的火焰會營造不同的火焰氛圍，因此在檢測的過程中相關的工作人員要根據實際的情況適時地改變不同火焰的氣氛從而提高原子吸收光譜分析法在野外巖礦測試中的靈敏度。同時，不同量的釋放劑也會對野外巖礦測試產生一定的影響。所以在需要檢測的元素和已經受到干擾元素的過程中會形成相對穩定的化合物。原子吸收光譜分析法可以利用幾條不同的發射線并且每一條發射線都會參與吸收從而會形成不同程度的干擾。每一條分析線的附近都會出現一些待檢測的譜線。譜線既可以是待檢測的元素，又可以是檢測元素。因此，此種類型的譜線會大大地降低整個檢測過程中的靈敏度。因此只有盡可能地降低和減少這種干擾才會提高原子吸收光譜分析法的實際性和可靠性。如果加入適量的釋放劑可以消除定量的化學干擾（如下表1所示）。

例如，在檢測鋁的過程中，鎂離子的存在會對鋁離子的信號產生一定的抑制作用；然而在對鋁的檢測過程中氯離子的存在又可能會增強鋁離子的信號。因此兩者之間會形成不同的反應從而會對檢測效果產生影響。陰離子的化學干擾主要是在利用原子吸收光譜分析法進行野外巖礦測試的過程中會因為陰離子的存在而對巖礦中的金屬原子形成一定的影響。如果鋁具有很強的吸收作用會因為陰離子的存在和濃度的高低而形成負干擾。

對于電離干擾的消除方法可以通過兩種方法來進行。第一種方法就是可以通過加入適量的消電離劑，其在檢測的過程中可以更容易地被電離。消電離劑的使用可以控制火焰中的待測元素。同時，工作人員還可以通過降低火焰的溫度來達到消除干擾的目的。尤其是地質測試實驗中，原子吸收光譜分析法能夠以自動化操作的形式在最短的時間內獲得可靠的數據。原子吸收光譜分析法能夠從室外的光源輻射出一些需要待檢測的元素，通過對樣品中的蒸汽進行有效地吸收從而檢測中所取的樣品中相關元素的含量。

如何有效地降低原子吸收光譜分析法在野外巖礦測試中的物理干擾。首先，工作人員要根據相關的標準來設置測試樣品，并且還可以考慮使用內標法以減少物理干擾對整個檢測的影響。光譜干擾會對整個野外巖礦測試采用多種方法對其進行干擾消除。其次，在以后的野外巖礦測試中要及時地對基體進行改善，保持整個檢測過程中的溫度保持正常。最后，工作人員在通過對實地進行考察之后選擇一種合理科學的方法以保證測量結果的可靠性和科學性。同時，原子吸收光譜分析法還擁有較高的靈敏度，可以對相關的標準進行清晰地測試。而且，原子吸收光譜分析法還能夠減少對相關因素的干擾并且方便操作人員進行野外作業。

4結束語

綜上所述，原子吸收光譜分析法在野外巖礦測試中具有明顯的優勢[4]。因此在實際的野外巖礦測試過程中需要工作人員對實地進行詳細地考察，分析出相關的干擾因素從而采取相應的方法以消除干擾對整個檢測的影響。

參考文獻

[1]玉清.正交信號矯正法在消除非變量誘導信號對二維相關光譜干擾中的應用[A].第十四屆全國分子光譜學術會議論文集[C].2011年.

[2]梁斌，范素珍.ICP-OES法直接測定鈥鉺富集物中包含主量和微量成分的7個稀土元素含量[A].第十三屆全國稀土化學分析學術研討會論文集[C].2011年.

第12篇

關鍵詞：金屬材料；成分分析；重要性；分析方法；發展趨勢

中圖分類號：TG115 文獻標識碼：A

1 概述

國家建設與金屬材料密不可分，隨著科技的發展，金屬材料的分析方法也在不斷改進，從最初被應用的傳統方法到如今的最新技術。由于金屬材料可以廣泛應用于各個不同行業，因此，社會對其的需求量也在不斷增長。隨著不斷的創新和改進，一些新型復合金屬材料應運而生，對它們進行成分分析，才能更全面的了解其特性，同時也能為以后開發更加新型的材料奠定基礎。

2 金屬材料成分分析的重要性

2.1 有利于了解金屬材料的性能成因

金屬材料成分分析的最重要意義，在于通過分析有利于了解金屬材料的性能成因，并通過多種材料分析總結規律。金屬材料顯微組織的五大要素—晶粒類型、形狀、大小、相對數量和相對分布對金屬材料的性能有重大影響。決定金屬材料顯微組織中各種晶粒相對數量的主要因素在于不同成分的金屬材料在其原子結構、原子之間的結合鍵和晶體結構等方面存在巨大的差異，從而對其性能產生大的影響。

2.2 有利于合理選擇金屬材料加工方法

金屬材料的成分有利于合理選擇金屬材料的加工方法，這是因為在確定了金屬材料的化學成分后，可以對其性能和加工要求有詳細的了解，進而通過經驗和理論知識確定最合理的材料加工方法。合理的加工方法對于金屬制造會起到事半功倍的效果，且可以在最大程度上保證金屬材料性能。因此，通過對金屬材料進行精準的懲成分分析才能更好的了解其成分組成和基本特性，并由此確定采用哪一種加工方法。

2.3 有利于合理選擇熱處理方法和設備

金屬材料加工完成后，還有性能并不能完全得到發揮，對于大多數金屬材料在加工后還要進行熱處理，熱處理一方面可以改善金屬材料的性能，另一方面也能夠有效消除加工中產生的組織缺陷，應用普遍。而對金屬材料而言，能否采取熱處理，采用何種方式，處理過程中工藝參數的控制以及效果，都由其成分來決定。

所以金屬材料成分分析有利于合理選擇熱處理方法和設備。

2.4 有利于經濟、安全、合理地應用金屬材料

對金屬材料進行成分分析，還有利于對其進行更加經濟、安全、合理地應用，使其更好的發揮優良性能。最基本也是最重要的是，首先必須使金屬材料充分發揮潛力，達到人們所要的使用性能。可以對基體金屬與合金組元的合理搭配，采用一定的加工方式和熱處理工藝，使其性能達到最佳。除此之外，需要考慮的就是降低成本，使經濟效益達到最大化。伴隨著科技的不斷進步，金屬材料的分析方法也在逐漸被改進，變得更加先進實用，精準度也得到了較大幅度的改善。

3 金屬材料成分分析的傳統方法

3.1 分光光度法

金屬材料成分分析的傳統方法中最常見的是分光光度法，是一種根據Lambert（朗伯）-Beer（比爾）定律，通過測定被測物質在特定波長處或一定波長范圍內光的吸光度或發光強度，對該物質進行定性和定量分析的方法。采用的檢測儀器為紫外分光光度計，可見分光光度計（或比色計）、紅外分光光度計或原子吸收分光光度計。在分光光度計中，將不同波長的光連續地照射到一定濃度的樣品溶液時，便可得到與不同波長相對應的吸收強度。如以波長（λ）為橫坐標，吸收強度（A）為縱坐標，就可繪出該物質的吸收光譜曲線。通過該曲線便可對物質進行相應的定性、定量分析。

3.2 滴定分析法

滴定分析法，又稱為容量分析法。其原理是將已知準確濃度的標準溶液，滴加到被測溶液中（或者將被測溶液滴加到標準溶液中），直到所加的標準溶液與被測物質按化學計量關系定量反應為止，然后測量標準溶液消耗的體積，根據標準溶液的濃度和所消耗的體積，算出待測物質的含量。這種分析方法簡便快捷，現在仍有一定通用性，實驗表明改方法的分析結果與理論值相符。

3.3 原子光譜分析法

金屬材料的成分分析傳統方法還包括原子光譜分析法，這種方法又分為原子發射光譜法和原子吸收光譜法兩種。原子發射光譜法是依據各種元素的原子或離子在熱激發或電激發下，發射特征的電磁輻射，而進行元素的定性與定量分析的方法，是光譜學各個分支中最為古老的一種。其優點是多元素同時檢出能力強、選擇性好、分析速度快、檢出限低、樣品消耗少，適于整批樣品的多組分測定。缺點是準確度較差、只能用于元素分析、大多數非金屬元素難以得到靈敏的光譜線。原子吸收光譜法是基于氣態的基態原子外層電子對紫外光和可見光范圍的相對應原子共振輻射線的吸收強度來定量被測元素含量為基礎的分析方法，是一種測量特定氣態原子對光輻射的吸收的方法。其優點是選擇性強、靈敏度高、分析范圍廣、抗干能力強、精密度高。缺點在于不能多元素同時分析，測定難熔元素的靈敏度還不令人滿意，對于某些基體復雜的樣品分析，尚存某些干擾問題需要解決。

3.4 X射線熒光光譜法

金屬材料成分分析傳統方法還包括X射線熒光光譜法，其原理是基態原子（一般蒸汽狀態）吸收合適的特定頻率的輻射而被激發至高能態，而后激發過程中以光輻射的形式發射出特征波長的熒光。通過測出一系列X射線熒光譜線的波長，即能確定元素的種類，將測得的譜線強度與標準樣品比較，即可確定該元素的含量。主要用于金屬元素的測定，在環境科學、高純物質、礦物、水質監控、生物制品和醫學分析等方面有廣泛的應用。

3.5 電分析法

金屬材料成分分析傳統方法還包括電分析法，這種方法最初是被用來研究金屬電池中所進行的化學反應，其原理是利用了金屬材料的組成和含量與金屬材料的電性質的關聯性。但是因為其準確度不高，而且實施也很不方便，受其他干擾時誤差很大，如今已很少采用。

4 金屬材料成分分析新方法

4.1 電感耦合等離子體質譜法

該方法是20世紀80年展起來的無機元素和同位素分析測試技術，它以獨特的接口技術將電感耦合等離子體的高溫電離特性與質譜計的靈敏快速掃描的優點相結合而形成一種高靈敏度的分析技術。主要用于金屬材料中的稀有金屬、貴金屬、難熔金屬和稀土金屬進行測量。這種方法具有相當高的靈敏度，速度快、譜線簡單，所以應用起來準確度高，但使用成本也相對較高，所以只在上述特殊金屬中采用。

4.2 激光誘導等離子體光譜法

金屬材料成分分析的新方法包括激光誘導等離子體光譜法，其也是近幾年才被發明的新方法。特點是檢測設備簡單，操作方便，成本較低，可以同時測量多種元素，便于提高效率，常用來測量不銹鋼鐘的微量元素。唯一的不足之處就是適用范圍較窄。

4.3 電感耦合等離子體原子發射光譜法

該方法也是一種新型的原子發射光譜法，其原理為利用金屬元素受到激發而產生電子躍遷，在譜線上表現出一定強度而進行測量的方法，測量范圍較廣且靈敏度高。電感耦合等離子原子發射光譜法是一種發展比較完善的測量方法，不僅保證了測量的高靈敏度，而且也保證了應用范圍的廣泛性。

4.4 石墨爐原子吸收法

石墨爐原子吸收法是利用石墨材料制成管、杯等形狀的原子化器，用電流加熱原子化進行原子吸收分析的方法。由于樣品全部參加原子化，并且避免了原子濃度在火焰氣體中的稀釋，分析靈敏度得到了顯著的提高。該法用于測定痕量金屬元素，在性能上比其他許多方法好，并能用于少量樣品的分析和固體樣品直接分析。因而其應用領域十分廣泛。

5 金屬材料分析方法的發展趨勢

隨著科技的發展，更多更復雜的金屬材料正在被研發，對于這些材料的成分分析，傳統方法因為各種原因已經遠遠達不到人們的要求。為了更好的對這些新型復雜材料進行成分分析，只有開發出與時俱進的新方法才能滿足人們科研的需求，越來越多的現代分析法防隨之應運而生。這些新方法更加專注于材料成分、結構、缺陷等的分析。同時，更多的分析檢測儀器也被不斷的研究出來，從而使一些新方法的實施成為了可能。在這樣的發展趨勢之下，金屬材料的分析方法朝著準確、高效的方向發展，也就是操作上要不斷簡捷方便，測量結果上靈敏度、準確度也要加強。

結語

綜上所述，金屬材料成分分析對金屬其性能研究和改善影響重大，可以通過準確的成分分析并采取相應的改善措施來提高金屬材料的性能。本文主要分析金屬材料成分分析的方法，主要從傳統分析方法和新方法兩個方面來介紹，可以看到現在科學技術在分析方法中得到應用，不僅提高了金屬材料成分分析的效率，而且從多個角度提高了金屬材料成分分析的準確性。金屬材料分析方法還是存在一些局限性，需要通過不斷探索來改善，所以本文還分析了金屬材料成分分析的發展趨勢，可見發展方向從主要從準確性和效率兩個方面展開，方法則是利用現代技術，不斷將更新的科學技術手段應用到金屬材料成分分析中去。

參考文獻

[1]薛廣鵬.淺析金屬材料的分析方法[J].科技資訊，2012（25）：84.

[2]李大為.金屬材料成分分析方法現狀與趨勢[J].工業設計，2012（03）：28.

[3]趙黎鋒.各種金屬材料成分分析方法現狀與趨勢[J].科技創新導報，2012（05）：143.

[4]陳文哲.材料現代分析方法與新材料技術的發展[J].理化檢驗，2002（11）：466-472.