基于三维荧光谱降维处理的矿物油识别研究.pdf-_矿业文库_煤矿文库_有色文库_金属矿山文库_矿山安全_煤矿安全_采矿技术措施

资源描述：

书书书第４１卷第１２期中国激光Ｖｏｌ．４１，Ｎｏ．１２２０１４年１２月ＣＨＩＮＥＳＥＪＯＵＲＮＡＬＯＦＬＡＳＥＲＳＤｅｃｅｍｂｅｒ，２０１４基于三维荧光谱降维处理的矿物油识别研究王玉田徐婧＊周艳岭（燕山大学河北省测试计量技术与仪器重点实验室，河北秦皇岛０６６００４）摘要以汽油、煤油和柴油为研究对象，并将其作为整体研究，不考虑其中具体组分，利用荧光光谱分析技术，提出一种通过将光谱数据矩阵首尾相连，求取其包络线，利用其表观统计量（选用标准偏差、峰度系数和偏度系数）将三维光谱降为二维光谱的方法，该方法对于光谱有一定程度重叠但光谱形状相似性较低的体系有较好的适用性。结合聚类方法，对油种进行识别，识别率达９８％，依据朗伯比尔定律，测定三种油类的荧光强度与浓度的拟合曲线，并对其进行定量分析，加标回收率可达９５％以上。并与目前常用的平行因子法进行分辨效率的比较，在计算时间上提高了４３％。关键词光谱学；光谱降维；表观统计量；包络线；聚类分析中图分类号Ｏ４３６文献标识码Ａｄｏｉ１０．３７８８／ＣＪＬ２０１４４１．１２１５００２ＳｔｕｄｙｏｎＭｉｎｅｒａｌＯｉｌＩｄｅｎｔｉｆｉｃａｔｉｏｎＢａｓｅｄｏｎａＤｉｍｅｎｓｉｏｎＲｅｄｕｃｔｉｏｎＭｅｔｈｏｄｏｆＴｈｒｅｅＤｉｍｅｎｓｉｏｎａｌＦｌｕｏｒｅｓｃｅｎｃｅＳｐｅｃｔｒａＷａｎｇＹｕｔｉａｎＸｕＪｉｎｇＺｈｏｕＹａｎｌｉｎｇ（ＭｅａｓｕｒｅｍｅｎｔＴｅｃｈｎｏｌｏｇｙａｎｄＩｎｓｔｒｕｍｅｎｔａｔｉｏｎＫｅｙＬａｂｏｒａｔｏｒｙｏｆＨｅｂｅｉＰｒｏｖｉｎｃｅ，ＹａｎｓｈａｎＵｎｉｖｅｒｓｉｔｙ，Ｑｉｎｈｕａｎｇｄａｏ，Ｈｅｂｅｉ０６６００４，Ｃｈｉｎａ）ＡｂｓｔｒａｃｔＫｅｒｏｓｅｎｅ，ｄｉｅｓｅｌａｎｄｇａｓｏｌｉｎｅａｒｅｔａｋｅｎａｓｒｅｓｅａｒｃｈｏｂｊｅｃｔｓｗｉｔｈｏｕｔｃｏｎｓｉｄｅｒｉｎｇｅａｃｈｏｉｌ ′ ｓｃｏｍｐｏｎｅｎｔｓ．Ｂｙｆｌｕｏｒｅｓｃｅｎｃｅｓｐｅｃｔｒｏｓｃｏｐｙａｎａｌｙｓｉｓ，ａｄｉｍｅｎｓｉｏｎｒｅｄｕｃｔｉｏｎｍｅｔｈｏｄｔｈａｔｔｕｒｎｓｔｈｒｅｅ－ｄｉｍｅｎｓｉｏｎａｌｓｐｅｃｔｒｕｍｉｎｔｏｔｗｏ－ｄｉｍｅｎｓｉｏｎａｌｓｐｅｃｔｒｕｍｉｓｐｒｏｐｏｓｅｄｂｙｌｉｎｋｉｎｇｔｈｅｓｐｅｃｔｒａｌｄａｔｕｍｍａｔｒｉｘｅｓｅｎｄｔｏｅｎｄ，ｄｒａｗｉｎｇｉｔｓｅｎｖｅｌｏｐｅａｎｄｅｘｔｒａｃｔｉｎｇｔｈｅａｐｐａｒｅｎｔｓｔａｔｉｓｔｉｃ（ｔｈｅｓｔａｎｄａｒｄｄｅｖｉａｔｉｏｎ，ｃｏｅｆｆｉｃｉｅｎｔｏｆｋｕｒｔｏｓｉｓａｎｄｃｏｅｆｆｉｃｉｅｎｔｏｆｓｋｅｗｎｅｓｓａｒｅｃｈｏｓｅｎ）．Ｔｈｅｍｅｔｈｏｄｉｓａｐｐｌｉｃａｌｔｏｔｈｅｓｙｓｔｅｍｓｏｆｃｅｒｔａｉｎｄｅｇｒｅｅｏｆｓｐｅｃｔｒａｌｏｖｅｒｌａｐｂｕｔｌｏｗｓｐｅｃｔｒａｌｓｈａｐｅｓｉｍｉｌａｒｉｔｙ．Ｔｈｅｒｅｃｏｇｎｉｔｉｏｎｒａｔｅｏｆｔｈｅｏｉｌｓｉｓｏｖｅｒ９８％ｗｉｔｈｃｌｕｓｔｅｒｉｎｇａｎａｌｙｓｉｓ．ＡｃｃｏｒｄｉｎｇｔｏｔｈｅＬａｍｂｅｒｔ－Ｂｅｅｒｌａｗ，ｆｉｔｔｉｎｇｃｕｒｖｅｏｆｆｌｕｏｒｅｓｃｅｎｃｅｉｎｔｅｎｓｉｔｙａｎｄｃｏｎｃｅｎｔｒａｔｉｏｎｉｓｕｓｅｄｆｏｒｑｕａｎｔｉｔａｔｉｖｅａｎａｌｙｓｉｓａｎｄｓｔａｎｄａｒｄａｄｄｉｔｉｏｎｒｅｃｏｖｅｒｙｒａｔｅｉｓｏｖｅｒ９５％．Ｄｉｓｔｉｎｇｕｉｓｈｅｆｆｉｃｉｅｎｃｙｉｓｉｎｃｒｅａｓｅｄｂｙ４３％，ｃｏｍｐａｒｅｄｗｉｔｈｔｈｅｐａｒａｌｌｅｌｆａｃｔｏｒｍｅｔｈｏｄｕｓｅｄｃｏｍｍｏｎｌｙ．Ｋｅｙｗｏｒｄｓｓｐｅｃｔｒｏｓｃｏｐｙ；ｓｐｅｃｔｒａｌｄｉｍｅｎｓｉｏｎｒｅｄｕｃｔｉｏｎ；ａｐｐａｒｅｎｔｓｔａｔｉｓｔｉｃ；ｅｎｖｅｌｏｐｅ；ｃｌｕｓｔｅｒｉｎｇａｎａｌｙｓｉｓＯＣＩＳｃｏｄｅｓ３００．２５３０；３００．６１７０；３００．６２８０；３００．６３９０；３００．６５４０收稿日期２０１４－０５－２３；收到修改稿日期２０１４－０７－０２基金项目国家自然科学基金（６１２０１１１０，６１０７１２０２）、河北省自然科学基金（Ｆ２０１０００１３１２）作者简介王玉田（１９５２），男，博士，教授，主要从事光电检测、光纤传感和荧光分析法等方面的研究。Ｅ－ｍａｉｌｙ．ｔ．ｗａｎｇ＠１６３．ｃｏｍ＊通信联系人。Ｅ－ｍａｉｌｙｓｕｘｕｊｉｎｇ＠１６３．ｃｏｍ本文电子版彩色效果请详见中国光学期刊网ｗｗｗ．ｏｐｔｉｃｓｊｏｕｒｎａｌ．ｎｅｔ１引言荧光法灵敏快速的特性，常用于物质特性的研究［１］。油类污染日益严重，危害人们的生活健康，海上溢油事件时有发生，对溢油种类的检测十分重要。由于矿物油中含有的芳香烃类物质使其可以受激发产生荧光光谱，同时由于不同种单一矿物油所含芳香烃种类和含量有所不同，又使不同矿物油的荧光光谱有所不同，这是通过荧光法鉴别矿物油种类的理论基础。近年来许多学者利用荧光法对水中油类及其他污染物质进行了研究［２－１１］。本文通过绘制包络线并提取特征统计量，对油种进行识别，在运算时间上得到了改善。１２１５００２－１中国激光２主要研究内容２．１测量原理三维荧光光谱（ＥＥＭ）的常用表达形式为激发发射光强光谱矩阵形式［１２］，其表达式为［］Ｉ＝ａＹＸ＝［］ＹＩＮ［］ＸＮＪ，（１）式中［Ｉ］为荧光的光谱矩阵，ａ是只与浓度有关的系数，Ｘ为荧光的发射光谱，Ｙ为荧光的激发光谱，Ｎ为组分数，Ｉ为激发波长数，Ｊ为发射波长数。通过在发射谱方向上，将每个发射点对应的激发点列进行首尾相连，组成降维后的激发光谱，为了提高数据处理的速度，将数据进行离散化处理，并求取其包络线，提取表观统计量，用以对不同油种进行测定。包络线包含着荧光峰值的形状及走势，这正是对不同油种进行区分的理论依据，因此选用表征曲线所含信息量多少的标准偏差、表征数据分布对称性的峰度系数ｋ和表征分布曲线陡缓程度的偏度系数ｓ作为其特征统计量。ｋ＝Ｅ（ｘ－μ）３ σ ３μ，（２）ｓ＝Ｅ（ｘ－μ）４ σ ４，（３）式中Ｅ为数学期望， σ为标准差， μ为均值，ｘ为样本点取值。２．２实验部分实验样品及器具主要有取自秦皇岛某加油站的０＃柴油、煤油和９７＃汽油，四氯化碳溶剂，四面透光石英比色皿４个，用于稀释缓冲溶液的２００ｍＬ广口杯２个，用于存放对应浓度溶液的玻璃锥形瓶５个（１Ｌ），１０ｍＬ注射器３只，５ｍｌ取液管２根，容量为５０、１０ｍＬ的量筒各１个。实验中配置油样与四氯化碳体积比为１∶１０００的标准母液，然后依次稀释得到不同体积分数的矿物油样本，依次稀释为体积分数为８５１０－６，６５１０－６，４５１０－６，２５１０－６，５１０－６，２．５１０－６，１．２５１０－６，０．６２５１０－６。实验搭建的系统框图如图１所示，通过中央处理器（ＣＰＵ）与控制电路来控制光源电源，调节电压及稳压控制，光源选取功率较大的脉冲氙灯，发出的复色光经激发单色器色散一部分进入参比电路，以排除光源波动带来的影响，另一部分进入样品池，对待测样品进行荧光激发，荧光通过发色单色器进入测量电路，进行信号检测，最终将信号输入上位机进行信号的处理。具体仪器参数激发光源功率为４５０Ｗ的脉冲氙灯，激发单色器和发射单色器选用典型Ｃｚｅｒｎｙ－Ｔｕｒｎｅｒ对称结构设计的Ｍ３００型光栅单色器，分辨率可达０．０５～０．１ｎｍ，波长重复性可达０．１ｎｍ，探测器选用１Ｐ２８型光电倍增管。图１荧光光谱仪系统结构图Ｆｉｇ．１Ｆｌｕｏｒｅｓｃｅｎｃｅｓｐｅｃｔｒｏｍｅｔｅｒｓｙｓｔｅｍｓｔｒｕｃｔｕｒｅ实验时为保证光源使用寿命，需等到冷却装置降温到－２０ ℃再开始实验，同时设定采样间隔为０．１ｎｍ，狭缝宽度为０．２５ｍｍ，此时分辨率可达１．０ｎｍ，激发波长（Ｅｘ，λＥｘ）扫描范围为２５０～５００ｎｍ，步长为１０ｎｍ；考虑到杂散光的影响，选择发射波长（Ｅｍ， λＥｍ）扫描范围λＥｘ＋１０ｎｍ～５００ｎｍ，步长为２ｎｍ，可以较好的避免散射光的影响。３数据处理及结果分析对数据进行标准化、离散化处理［下面均以柴油的标准化离散激发发射矩阵（ＥＥＭ）图像为例进行说明］，如图２所示。图２柴油的标准化离散ＥＥＭ图像Ｆｉｇ．２ＤｉｅｓｅｌｓｔａｎｄａｒｄｉｚｅｄｄｉｓｃｒｅｔｅＥＥＭｉｍａｇｅ对其进行降维处理，即将每个发射点对应的激发点列首尾相连，形成降维后的激发矩阵，如图３所示。对其求取包络线，如图４所示。利用同样的方法求取汽油和煤油二维激发图像的包络线图像如图５和图６所示。利用绘制包络线的方法，对２７组待测油样进行１２１５００２－２王玉田等基于三维荧光谱降维处理的矿物油识别研究表观统计量的提取，并进行标准化处理，其结果如表１所示。图３柴油的二维激光图像Ｆｉｇ．３Ｔｗｏ－ｄｉｍｅｎｓｉｏｎａｌｅｘｃｉｔａｔｉｏｎｉｍａｇｅｏｆｄｉｅｓｅｌ图４柴油的二维激发图像的包络线Ｆｉｇ．４Ｅｎｖｅｌｏｐｅｏｆｄｉｅｓｅｌｔｗｏ－ｄｉｍｅｎｓｉｏｎａｌｅｘｃｉｔａｔｉｏｎｉｍａｇｅ图５汽油的二维激发图像的包络线Ｆｉｇ．５Ｅｎｖｅｌｏｐｅｏｆｇａｓｏｌｉｎｅｔｗｏ－ｄｉｍｅｎｓｉｏｎａｌｅｘｃｉｔａｔｉｏｎｉｍａｇｅ图６煤油的二维激发图像的包络线Ｆｉｇ．６Ｅｎｖｅｌｏｐｅｏｆｋｅｒｏｓｅｎｅｔｗｏ－ｄｉｍｅｎｓｉｏｎａｌｅｘｃｉｔａｔｉｏｎｉｍａｇｅ表１标准化的提取特征值列表Ｔａｂｌｅ１ＳｔａｎｄａｒｄｉｚｅｄｃｈａｒａｃｔｅｒｉｓｔｉｃｖａｌｕｅｅｘｔｒａｃｔｉｏｎｔａｂｌｅＯｉｌｔｙｐｅＮｕｍｂｅｒＳｔａｎｄａｒｄｄｅｖｉａｔｉｏｎＫｕｒｔｏｓｉｓｃｏｅｆｆｉｃｉｅｎｔＳｋｅｗｎｅｓｓｃｏｅｆｆｉｃｉｅｎｔＧａｓｏｌｉｎｅＫｅｒｏｓｅｎｅＤｉｅｓｅｌＵｎｋｎｏｗｎ１０．９１４３－０．９９２４－１．１７６８２２．０６９３－０．８９７２－１．１４２４３－０．２４０６－１．０８７５－１．２１１２４１．３０８３－０．９３４９－０．９１７１５０．５２０４－１．０４９８－１．４３６４６２．２８１９－０．９７５８－０．９１３６７－０．４４１８－１．０４３３－１．３９３６８－０．４５３２－１．００９０－１．４４００９－０．１０４６－０．３２０００．０５０７１０－０．３０５８－０．３６４３－０．１９７５１１－０．０５５０－０．２３０９０．３０３６１２－１．０６６８－０．３９９６－０．１５０９１３１．０１７８－０．２１９３０．２２８３１４－０．１５５６－０．４０９３－０．２０２４１５０．０９５３－０．２７５８０．２９８７１６－１．２２８３－０．４２０８－０．１２７１１７－０．５７２２１．３３７２１．３７７７１８－０．６３７４１．３２７０１．１５４７１９－１．５９９６１．２４７４０．９５３０２０－０．０８１９１．３９５８１．２０１０２１－１．１９４３１．２５８１１．１０８０２２０．３２３４１．４０６５１．３５６０２３－１．６３９３１．３２３６１．０７９６２４０．３６３１１．３３０２１．２２９５２５－０．７０４０１．３１６７０．９３１３２６０．８５６２－０．２４０５０．２５２１２７０．７３０１－１．０７１８－１．２１５３将标准化后的数据利用欧氏距离ｄｉｊ作为标准进行最短距离聚类，具体步骤为１）计算样品间两两距离，距离最接近的为一类；２）计算类间距离，类间距离最短两者合并，至最终聚为一类。ｄｉｊ＝ ∑ ３ａ＝１（ｘｉａ－ｘｊａ）［］２１／２，（４）式中ｄｉｊ为第ｉ样品与第ｊ样品间的距离，ａ＝１，２，３分别表示三个表观统计量，ｘｉａ，ｘｊａ分别为样本ｉ，样本ｊ对应相应表观统计量的标准化值。通过选取的表观统计量进行聚类分析，其结果如图７所示。由图７可知，聚类效果良好，各油种均可被区分，未知油种也被分到三组油中分别属于柴油煤油和汽油。１２１５００２－３中国激光图７特征值的聚类分析Ｆｉｇ．７Ｃｈａｒａｃｔｅｒｉｓｔｉｃｖａｌｕｅｃｌｕｓｔｅｒｉｎｇａｎａｌｙｓｉｓ下面与常用的平行因子方法进行比较。利用平行因子法得到的残差平方和及核一致测试结果如图８所示，由图８可知，当选择因子数为２时，即可满足测量要求。平行因子模型激发波长分析及实测结果对比图如图９所示，图１０为平行因子模型发射波长及实测结果对比图，可以看出模型效果良好。图８残差平方和及核一致诊断结果图Ｆｉｇ．８Ｓｕｍｏｆｓｑｕａｒｅｄｒｅｓｉｄｕａｌｓａｎｄｃｏｒｅｃｏｎｓｉｓｔｅｎｔｄｉａｇｎｏｓｉｓｆｉｇｕｒｅ经降维处理后的特征提取及聚类分析结果和常用的平行因子分析结果鉴别能力都可以达到９８％以上。由表２可知，在分辨效率的比较中，实验中所采用方法有明显的优势，运算时间仅为平行因子方法的５８．７％，更适于对数据处理速度有更高要求的现场实时处理。图９平行因子模型激发波长分析及实测结果对比图Ｆｉｇ．９Ｃｏｎｔｒａｓｔｆｉｇｕｒｅｏｆｐａｒａｌｌｅｌｆａｃｔｏｒｍｏｄｅｌｅｘｃｉｔａｔｉｏｎｗａｖｅｌｅｎｇｔｈａｎａｌｙｓｉｓａｎｄｍｅａｓｕｒｅｄｒｅｓｕｌｔｓ图１０平行因子模型发射波长及实测结果对比图Ｆｉｇ．１０Ｃｏｎｔｒａｓｔｆｉｇｕｒｅｏｆｐａｒａｌｌｅｌｆａｃｔｏｒｍｏｄｅｌｅｍｉｓｓｉｏｎｗａｖｅｌｅｎｇｔｈａｎｄｍｅａｓｕｒｅｄｒｅｓｕｌｔｓ表２本文算法与平行因子分析耗时对比Ｔａｂｌｅ２ＴｉｍｅｃｏｍｐａｒｉｓｏｎｏｆｐｒｏｐｏｓｅｄｍｅｔｈｏｄａｎｄｐａｒａｌｌｅｌｆａｃｔｏｒＣｌｕｓｔｅｒｉｎｇａｎａｌｙｓｉｓＴｉｍｅ／ｓＰａｒａｌｌｅｌｆａｃｔｏｒＴｉｍｅ／ｓＴｈｒｅｅ－ｄｉｍｅｎｓｉｏｎａｌｉｍａｇｅｄｉｓｐｌａｙ１．４５Ｔｈｒｅｅ－ｄｉｍｅｎｓｉｏｎａｌｉｍａｇｅｄｉｓｐｌａｙ１．４５Ｄｉｓｃｒｅｔｅａｎｄｓｔａｎｄａｒｄｉｚａｔｉｏｎ０．４５Ａｎａｌｙｓｉｓｏｆｎｕｃｌｅａｒｃｏｎｓｉｓｔｅｎｃｙａｎｄｒｅｓｉｄｕａｌｓｕｍｏｆｓｑｕａｒｅｓ１．３５Ｄｉｍｅｎｓｉｏｎｒｅｄｕｃｔｉｏｎ０．３Ｐａｒａｌｌｅｌｆａｃｔｏｒａｎａｌｙｓｉｓｅｘｃｉｔａｔｉｏｎｓｐｅｃｔｒｕｍ１．２４Ｆｅａｔｕｒｅｅｘｔｒａｃｔｉｏｎ０．３Ｐａｒａｌｌｅｌｆａｃｔｏｒａｎａｌｙｓｉｓｅｍｉｓｓｉｏｎｓｐｅｃｔｒｕｍ１．２４Ｃｌｕｓｔｅｒｉｎｇａｎａｌｙｓｉｓ０．５Ｔｏｔａｌ３．０Ｔｏｔａｌ５．２８１２１５００２－４王玉田等基于三维荧光谱降维处理的矿物油识别研究依据朗伯比尔定律，在浓度较低可进行近似线性化的范围内，对汽油、煤油和柴油的荧光光强ｙ与相应体积分数Ｃ进行线性拟合，其拟合曲线分别为柴油ｙ＝３３．５７８３Ｃ＋１２３５．３７２８，煤油ｙ＝４９．９７８５Ｃ＋１８４２．５３４１，汽油ｙ＝６６．６７３７Ｃ＋５９５．６４４３。经验证其线性相关度均大于９５％，有良好的线性关系，三种矿物油的体积分数与荧光光强的拟合线如图１１所示。测定含有５ｍＬ油样河水的加标回收率，其结果如表３所示。由表３可知，加标回收率可达９５％以上，证明本文所采用方法可以用于较准确地进行河水中矿物油的检测。式中Ｃ１和Ｃ２分别为试样浓度和加标试样浓度。图１１三种矿物油的浓度拟合线Ｆｉｇ．１１Ｃｏｎｃｅｎｔｒａｔｉｏｎｆｉｔｔｉｎｇｌｉｎｅｓｏｆｔｈｅｔｈｒｅｅｋｉｎｄｓｏｆｍｉｎｅｒａｌｏｉｌ表３柴油、汽油和煤油的回收率Ｔａｂｌｅ３Ｒｅｃｏｖｅｒｙｒａｔｅｏｆｄｉｅｓｅｌ，ｇａｓｏｌｉｎｅａｎｄｋｅｒｏｓｅｎｅＳａｍｐｌｅｎａｍｅＦｏｒｔｉｆｉｅｄｖｏｌｕｍｅｆｒａｃｔｉｏｎ／１０－６Ｃ２－Ｃ１ｄｅｔｅｒｍｉｎａｔｉｏｎｒｅｓｕｌｔｓ／１０－６Ｒｅｃｏｖｅｒｙｒａｔｅ／％Ｄｉｅｓｅｌ５．００２．４５，２．４０，２．４５，２．３５，２．５５，２．４５９７．６７Ｇａｓｏｌｉｎｅ５．００２．４４，２．４６，２．４５，２．４３，２．４７，２．４６９８．０６Ｋｅｒｏｓｅｎｅ５．００２．４２，２．４５，２．４５，２．４１，２．４４，２．４６９７．５３４结论对汽油、煤油和柴油进行定性和定量测量，提出一种通过将光谱数据矩阵首尾相连，将三维光谱降维二维光谱的方法，经过离散化和求取包络线处理后，对其进行特征提取，选取标准偏差，峰度系数，偏度系作为表观特征统计量，结合聚类分析对样品的识别率达９８％，加标回收率可达９５％以上，与广泛应用的平行因子方法相比，在保证达到同样的样品识别率的同时，运算时间得到了很大的提高，分辨效率提高了４３％。适于满足对运算时间有严格要求的场合使用。该方法对于汽油、煤油和柴油等光谱有一定的重叠，但光谱线形状有较大差异的体系适用性较好，但对于光谱重叠严重，且光谱线形状相似的体系将不再适用。对于光谱线形状相似但光谱重叠较小的体系，可在不同的光谱范围内应用此法，可达较好的效果。参考文献１ＹａｎＳｕｙｕａｎ，ＺｈａｎｇＷｅｉｇａｎｇ．ＦｌｕｏｒｅｓｃｅｎｃｅｐｏｌａｒｉｚａｔｉｏｎｐｒｏｐｅｒｔｉｅｓａｎｄｄｅｔｅｃｔｉｏｎｏｆｖｉｔａｍｉｎＢ２ｓｏｉｌｄｐｏｗｄｅｒ［Ｊ］．ＣｈｉｎｅｓｅＪＬａｓｅｒｓ，２０１２，３９（６）０６１５００１．严肃源，张伟刚．维生素Ｂ２固体粉末荧光偏振特性及其检测［Ｊ］．中国激光，２０１２，３９（６）０６１５００１．２ＬｉＪ，ＦｕｌｌｅｒＳ，ＣａｔｔｌｅＪ．Ｍａｔｃｈｉｎｇｆｌｕｏｒｅｓｃｅｎｃｅｓｐｅｃｔｒａｏｆｏｉｌｓｐｉｌｌｓｗｉｔｈｓｐｅｃｔｒａｆｒｏｍｓｕｓｐｅｃｔｓｏｕｒｃｅｓ［Ｊ］．ＡｎａｌｙｔｉｃａＣｈｉｍｉｃａＡｃｔａ，２００４，５１４（１）５１－５６．３ＤｅｅｐａＳ，ＳａｒａｔｈｉＲ，ＭｉｓｈｒａＡＫ．Ｓｙｎｃｈｒｏｎｏｕｓｆｌｕｏｒｅｓｃｅｎｃｅａｎｄｅｘｃｉｔａｔｉｏｎｅｍｉｓｓｉｏｎｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｔｒａｎｓｆｏｒｍｅｒｏｉｌａｇｅｉｎｇ［Ｊ］．Ｔａｌａｎｔａ，２００６，７０（４）８１１－８１７．４ＢｕｇｄｅｎＪＢＣ，ＹｅｕｎｇＣＷ，ＫｅｐｋａｙＰＥ，ｅｔａｌ．．Ａｐｐｌｉｃａｔｉｏｎｏｆｕｌｔｒａｖｉｏｌｅｔｆｌｕｏｒｏｍｅｔｒｙａｎｄｅｘｃｉｔａｔｉｏｎ－ｅｍｉｓｓｉｏｎｍａｔｒｉｘｓｐｅｃｔｒｏｓｃｏｐｙ（ＥＥＭＳ）ｔｏｆｉｎｇｅｒｐｒｉｎｔｏｉｌａｎｄｃｈｅｍｉｃａｌｌｙｄｉｓｐｅｒｓｅｄｏｉｌｉｎｓｅａｗａｔｅｒ［Ｊ］．ＭａｒｉｎｅＰｏｌｌｕｔｉｏｎＢｕｌｌｅｔｉｎ，２００８，５６（４）６７７－６８５．５ＣｈｒｉｓｔｅｎｓｅｎＪＨ，ＴｏｍａｓｉＧ．Ｐｒａｃｔｉｃａｌａｓｐｅｃｔｓｏｆｃｈｅｍｏｍｅｔｒｉｃｓｆｏｒｏｉｌｓｐｉｌｌｆｉｎｇｅｒｐｒｉｎｔｉｎｇ［Ｊ］．ＪｏｕｒｎａｌｏｆＣｈｒｏｍａｔｏｇｒａｐｈｙＡ，２００７，１１６９（１２）１－２２．６ＳｍｉｔｈＣＧ，ＳｉｎｓｋｉＪＦ．Ｒｅｄ－ｓｈｉｆｔｃａｓｃａｄｅｉｎｖｅｓｔｉｇａｔｉｏｎｓｉｎｔｏｔｈｅｃｏｎｃｅｎｔｒａｔｉｏｎｄｅｐｅｎｄｅｎｔｗａｖｅｌｅｎｇｔｈｓｈｉｆｔｓｉｎ３－ｄｉｍｅｎｓｉｏｎａｌｆｌｕｏｒｅｓｃｅｎｃｅｓｐｅｃｔｒａｏｆｐｅｔｒｏｌｅｕｍｓａｍｐｌｅｓ［Ｊ］．ＡｐｐｌＳｐｅｃｔｒｏｓｃ，１９９９，５３（１１）１４５９－１４６９．７ＷａｎｇＣ，ＬｉＷ，ＬｕａｎＸ．Ｓｐｅｃｉｅｓｉｄｅｎｔｉｆｉｃａｔｉｏｎａｎｄｃｏｎｃｅｎｔｒａｔｉｏｎｑｕａｎｔｉｆｉｃａｔｉｏｎｏｆｃｒｕｄｅｏｉｌｓａｍｐｌｅｓｉｎｐｅｔｒｏｌｅｕｍｅｘｐｌｏｒａｔｉｏｎｕｓｉｎｇｔｈｅｃｏｎｃｅｎｔｒａｔｉｏｎ－ｓｙｎｃｈｒｏｎｏｕｓ－ｍａｔｒｉｘ－ｆｌｕｏｒｅｓｃｅｎｃｅｓｐｅｃｔｒｏｓｃｏｐｙ［Ｊ］．Ｔａｌａｎｔａ，２０１０，８１（１－２）６８４－６９１．８ＤｉｖｙａＯ，ＭｉｓｈｒＡＫ．Ｕｎｄｅｒｓｔａｎｄｉｎｇｔｈｅｃｏｎｃｅｐｔｏｆｃｏｎｃｅｎｔｒａｔｉｏｎ－ｄｅｐｅｎｄｅｎｔｒｅｄ－ｓｈｉｆｔｉｎｓｙｎｃｈｒｏｎｏｕｓｆｌｕｏｒｅｓｃｅｎｃｅｓｐｅｃｔｒａＰｒｅｄｉｃｔｉｏｎｏｆａｎｄｏｐｔｉｍｉｚａｔｉｏｎｏｆλ ｍａｘＳＦＳａｎｄｏｐｔｉｍｉｚａｔｉｏｎｏｆ Δλｆｏｒｓｙｎｃｈｒｏｎｏｕｓｆｌｕｏｒｅｓｃｅｎｃｅｓｃａｎ［Ｊ］．ＡｎａｌＣｈｉｍＡｃｔａ，２００８，６３０（１）４７－５６．９ＰａｔｒａＤ，ＭｉｓｈｒａＡＫ．Ｃｏｎｃｅｎｔｒａｔｉｏｎｄｅｐｅｎｄｅｎｔｒｅｄｓｈｉｆｔｑｕａｌｉｔａｔｉｖｅａｎｄｑｕａｎｔｉｔａｔｉｖｅｉｎｖｅｓｔｉｇａｔｉｏｎｏｆｍｏｔｏｒｏｉｌｓｂｙｓｙｎｃｈｒｏｎｏｕｓｆｌｕｏｒｅｓｃｅｎｃｅｓｃａｎ［Ｊ］．Ｔａｌａｎｔａ，２００１，５３（４）７８３－７９０．１０ＹａｎｇＬｉｌｉ，ＷａｎｇＹｕｔｉａｎ，ＬｕＸｉｎｑｉｏｎｇ．Ｉｄｅｎｔｉｆｉｃａｔｉｏｎａｎｄｍｅａｓｕｒｅｍｅｎｔｏｆｐｅｔｒｏｌｅｕｍｐｏｌｌｕｔａｎｔｂｙｔｈｒｅｅ－ｄｉｍｅｎｓｉｏｎａｌｍａｔｒｉｘｆｌｕｏｒｅｓｃｅｎｃｅｗｉｔｈｓｅｃｏｎｄ－ｏｒｄｅｒｃａｌｉｂｒａｔｉｏｎｍｅｔｈｏｄｓ［Ｊ］．ＣｈｉｎｅｓｅＪＬａｓｅｒｓ，２０１３，４０（６）０６１５００２．杨丽丽，王玉田，鲁信琼．三维荧光光谱结合二阶校正法用于石１２１５００２－５中国激光油类污染物的识别和检测［Ｊ］．中国激光，２０１３，４０（６）０６１５００２．１１ＬｉｕＪｉｎｇ，ＬｉｕＷｅｎｑｉｎｇ，ＺｈａｏＮａｎｊｉｎｇ，ｅｔａｌ．．ＰｈｙｔｏｐｌａｎｋｔｏｎｃｈｌｏｒｏｐｈｙＩＩｆｌｕｏｒｅｓｃｅｎｃｅｃｈａｒａｃｔｅｒｉｓｔｉｃｓｅｘｃｉｔｅｄｂｙｖａｒｉｏｕｓｌｉｇｈｔｑｕａｌ

展开阅读全文

基于三维荧光谱降维处理的矿物油识别研究.pdf

资源标签

最新标签