论文部分内容阅读
微波等离子体炬(Microwave Plasma Torch,MPT)是继电感耦合等离子体(Inductively Coupled Plasma,ICP)后发展起来的一种新型激发光源。作为我国的一项原创技术,自1985年发明以来,已引起国内外学者的广泛关注和研究。最新的研究表明,MPT可在千瓦级微波功率下形成氩、氦、氮乃至空气等离子体,对部分元素的检测性能已经与ICP相近。因此,千瓦级MPT光谱仪在诸如食品安全、环境保护等领域中具有切实的应用前景。由于MPT原子发射光谱背景比较复杂,难免存在波长偏移、背景干扰等缺陷,这些问题严重影响着MPT光谱法测量结果的准确性。另外,在分析复杂样品时需要建立多种元素的标准工作曲线,仪器的参数优化一般通过单次单变量调节,但样品制备复杂、测量时间较长,极大限制了 MPT的应用和发展。基于此,本文从化学计量学角度出发,通过实验设计、数据预处理、数据分析建模等一系列研究,对MPT光谱技术进行了深入分析并应用于解决实际问题,主要取得以下创新性成果:(1)为了获取可靠的光谱数据,提出通过偏移校正、谱线平滑、特征提取等算法校正MPT光谱背景和测量误差。首次提出将单纯形法用于MPT光谱仪的实验条件参数优化,为实验设计优化提供了理论依据。实现了实验条件参数快速寻优,在一定程度上提高了仪器的检测性能。(2)在对MPT光谱特征进行深入研究的基础上,首次将化学计量学方法系统地应用于人参的产地溯源。通过对比支持向量机(Support Vector Machine,SVM)和高斯过程分类(Gaussian Process Classification,GPC)两种模型的分类效果,表明SVM模型具有较好的分类能力和检测结果,展现了将MPT光谱与化学计量学相结合用于解决实际问题的应用前景。(3)提出将MPT与支持向量回归(Support Vector Regression,SVR)模型相结合,用于人参关键元素含量预测和质量评价。为解决传统SVM采用网格搜索参数存在效率低的问题,将遗传算法(Genetic Algorithm,GA)和粒子群优化算法(Particle Swarm Optimization,PSO)用于改进SVR模型的参数寻优。相比于偏最小二乘法等回归方法,SVR表现出优异的预测性能,进一步体现了将MPT光谱与化学计量学相结合在生物样品分析中的应用优势。(4)为全面理解MPT的光谱特征,将主成分分析(Principal Component Analysis,PCA)用于MPT原始光谱数据的处理与分析。同时结合高斯过程回归(Gaussian Process Regression,GPR)研究了预测值输出的概率意义。通过高斯回归模型给出预测值的置信区间,直观分析预测结果的可信度。同时讨论并分析训练集的采样对结果的影响,采用数据子集(Subset of Datapoints,SD)、映射过程(Projected Process,PP)、回归量子集(Subset of Regressors,SR)等三种近似法降低数据计算量,以提高建模效率。