CN104132926B - 一种重金属浓碱液体中浅铬黄浓度的检测方法 - Google Patents
一种重金属浓碱液体中浅铬黄浓度的检测方法 Download PDFInfo
- Publication number
- CN104132926B CN104132926B CN201410362612.5A CN201410362612A CN104132926B CN 104132926 B CN104132926 B CN 104132926B CN 201410362612 A CN201410362612 A CN 201410362612A CN 104132926 B CN104132926 B CN 104132926B
- Authority
- CN
- China
- Prior art keywords
- peak
- chrome yellow
- concentration
- calibration
- light chrome
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- MOUPNEIJQCETIW-UHFFFAOYSA-N lead chromate Chemical compound [Pb+2].[O-][Cr]([O-])(=O)=O MOUPNEIJQCETIW-UHFFFAOYSA-N 0.000 title claims abstract description 63
- 239000007788 liquid Substances 0.000 title claims abstract description 38
- 229910001385 heavy metal Inorganic materials 0.000 title claims abstract description 27
- 238000001514 detection method Methods 0.000 title claims abstract description 24
- 239000003513 alkali Substances 0.000 title claims abstract description 8
- 238000012360 testing method Methods 0.000 claims abstract description 69
- 238000012417 linear regression Methods 0.000 claims abstract description 33
- 238000001237 Raman spectrum Methods 0.000 claims abstract description 32
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 claims abstract description 26
- 229910052710 silicon Inorganic materials 0.000 claims abstract description 25
- 239000010703 silicon Substances 0.000 claims abstract description 25
- 238000000034 method Methods 0.000 claims abstract description 22
- 239000002585 base Substances 0.000 claims abstract description 17
- 239000000758 substrate Substances 0.000 claims abstract description 12
- VYZAMTAEIAYCRO-UHFFFAOYSA-N Chromium Chemical compound [Cr] VYZAMTAEIAYCRO-UHFFFAOYSA-N 0.000 claims description 12
- 238000004458 analytical method Methods 0.000 claims description 11
- 238000012216 screening Methods 0.000 claims description 9
- 239000011651 chromium Substances 0.000 claims description 8
- 229910052804 chromium Inorganic materials 0.000 claims description 8
- 238000001530 Raman microscopy Methods 0.000 claims description 4
- 239000000284 extract Substances 0.000 claims description 3
- 238000001069 Raman spectroscopy Methods 0.000 abstract description 10
- 238000005259 measurement Methods 0.000 abstract description 4
- 238000002360 preparation method Methods 0.000 abstract description 2
- HEMHJVSKTPXQMS-UHFFFAOYSA-M Sodium hydroxide Chemical compound [OH-].[Na+] HEMHJVSKTPXQMS-UHFFFAOYSA-M 0.000 description 9
- 239000011159 matrix material Substances 0.000 description 5
- 230000023077 detection of light stimulus Effects 0.000 description 4
- 239000000203 mixture Substances 0.000 description 4
- 238000001228 spectrum Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 239000000049 pigment Substances 0.000 description 3
- 238000003950 stripping voltammetry Methods 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- 239000002351 wastewater Substances 0.000 description 3
- 201000004624 Dermatitis Diseases 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 2
- 229910001430 chromium ion Inorganic materials 0.000 description 2
- 230000000052 comparative effect Effects 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 238000009616 inductively coupled plasma Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 238000004065 wastewater treatment Methods 0.000 description 2
- 206010027439 Metal poisoning Diseases 0.000 description 1
- 206010040943 Skin Ulcer Diseases 0.000 description 1
- 208000025865 Ulcer Diseases 0.000 description 1
- 238000001391 atomic fluorescence spectroscopy Methods 0.000 description 1
- 208000010668 atopic eczema Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 230000000711 cancerogenic effect Effects 0.000 description 1
- 231100000315 carcinogenic Toxicity 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003153 chemical reaction reagent Substances 0.000 description 1
- 150000001845 chromium compounds Chemical class 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000011049 filling Methods 0.000 description 1
- 238000013100 final test Methods 0.000 description 1
- 125000000524 functional group Chemical group 0.000 description 1
- 230000002706 hydrostatic effect Effects 0.000 description 1
- 238000002386 leaching Methods 0.000 description 1
- 208000008127 lead poisoning Diseases 0.000 description 1
- 239000002932 luster Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 229910021421 monocrystalline silicon Inorganic materials 0.000 description 1
- 239000000123 paper Substances 0.000 description 1
- 239000004033 plastic Substances 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 238000002203 pretreatment Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000005060 rubber Substances 0.000 description 1
- 239000002210 silicon-based material Substances 0.000 description 1
- 231100000019 skin ulcer Toxicity 0.000 description 1
- 238000004611 spectroscopical analysis Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000003756 stirring Methods 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 229920003002 synthetic resin Polymers 0.000 description 1
- 239000000057 synthetic resin Substances 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 230000036269 ulceration Effects 0.000 description 1
- 239000001052 yellow pigment Substances 0.000 description 1
Landscapes
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
Abstract
本发明公开了一种重金属浓碱液体中浅铬黄浓度的检测方法,该方法以不同浅铬黄浓度的重金属浓碱液体作为测试样本,获取各个测试样本在设定波数范围内以硅片为衬底时的拉曼光谱,并根据所有测试样本的拉曼光谱,分别采用连续投影算法和多元线性回归分析法确定定标波数,根据各个测试样本的浅铬黄浓度,以及相应拉曼光谱中各个定标波数处的峰强与520cm‑1处的峰强的比值构建浓度‑强度比的线性回归模型作为定标模型,利用定标模型测量得到待测样本中浅铬黄的浓度。利用Raman测试进行分析,操作简单,不需要进行繁琐、耗时的样品制备过程,同时避免了其他来源的干扰进而保证了测试的浅铬黄的准确性,且以硅作为对比大大提高了测试的准确性。
Description
技术领域
本发明涉及浅铬黄浓度检测技术领域,具体涉及一种重金属浓碱液体中浅铬黄浓度的检测方法。
背景技术
浅铬黄是铅铬黄的其中一种,是一种用作油性合成树脂涂料、印刷油墨、水彩和油彩的颜料,色纸、橡胶和塑料制品的无机着色颜料,由于其具有完善的颜料应用性能、相对低廉的价格和完整的色泽范围,因此得到了广泛的应用。其主要化学成分为铬酸铅,铬酸铅对人体的危害是巨大的,可引起贫血、肾损害、铅中毒、皮炎、湿疹、铬鼻病和皮肤溃疡等,国际癌症研究中心(IARC)已将“铬和某些铬化合物”列入对人类致癌的化学物质。而每生产1吨铅铬黄颜料大约排放出120-150吨废水,废水中一般含有超过国家排放标准5-10倍以上的铅、铬离子及其化合物的悬浮物。废水的治理主要是通过调节液体的pH值,使铅、铬离子反应生成沉淀,以达到去除的效果。
目前对液体中浅铬黄的检测主要是通过测定液体中铅、铬等重金属来评定的,主要的检测方法主要有:原子吸收光谱法、电感耦合等离子体法、原子荧光光谱法和溶出伏安法等。
原子吸收光谱法、电感耦合等离子体法、原子荧光光谱法和溶出伏安法等测试方法都具有自身的优点和缺点,如:优点是选择性强、灵敏度高、分析范围广,但是在多元素检测时不能同时分析,难熔元素的检测灵敏度差,对于基体复杂的样品分析,尚存某些干扰问题需要解决。根据溶出过程中所得到的伏安曲线来进行定量分析;溶出伏安法的灵敏度很高,在超纯物质分析中具有实用价值,但是影响溶出电流的因素有很多,如富集时间、搅拌速度和电位扫描速率等。
更重要的是以上方法都是通过鉴定溶液中重金属铅和铬的存在,进而推断出液体中残留的浅铬黄含量,但是在液体处理过程中,无法排除铅、铬的其他来源。所以,单靠重金属铅和铬的检测无法确定液体中铅、铬一定来源于浅铬黄。并且用以上方法检测时需要用到大量的试剂进行前处理,过程繁琐,无法做到快速检测。此外,目前对浅铬黄废水处理过程中,每一流程里残余浅铬黄的监测还鲜见报道。
发明内容
针对现有技术的不足,本发明提供了一种重金属浓碱液体中浅铬黄浓度的检测方法。
一种重金属浓碱液体中浅铬黄浓度的检测方法,包括:
(1)以不同浅铬黄浓度的重金属浓碱液体作为测试样本,获取各个测试样本在设定波数范围内以硅片为衬底时的拉曼光谱;
(2)根据所有测试样本的拉曼光谱,分别采用连续投影算法提取若干组特征峰,每组特征峰的数量不同,采用连续投影算法时以520cm-1处的列向量作为初始投影向量;
(3)利用多元线性回归分析法确定各组特征峰的验证均方根误差,选择验证均方根误差最小的一组特征峰作为特征指纹峰,并以特征指纹峰作为定标波数,根据各个测试样本的浅铬黄浓度,以及相应拉曼光谱中各个定标波数处的峰强与520cm-1处的峰强的比值构建浓度-强度比的第一线性回归模型作为定标模型;
所述的线性回归模型为:
Y=73.857+0.183λ1+0.321λ2+0.139λ3-0.557λ4-0.003576λ5+0.01553λ6-0.444λ7+0.001861λ8
其中,λ1、λ2、λ3、λ4、λ5、λ6、λ7和λ8分别为1066cm-1、971cm-1、847cm-1、718cm-1、526cm-1、460cm-1、416cm-1和112cm-1处的峰强与520cm-1处的峰强的比值;
(4)获取待测样本在设定波数范围内以硅片为衬底时的拉曼光谱,计算该拉曼光谱中各个定标波数处的峰强和520cm-1处的峰强的比值,并代入定标模型计算得到待测样本中浅铬黄的浓度。
拉曼光谱是基于拉曼效应建立起来的分子结构表征技术,起源于晶体或分子振动(和点阵振动)与转动,拉曼谱线的位置、强度和线宽可提供分子振动、转动方面的信息,可以据此实现分子中某些化学键和官能团的“指纹鉴别”。拉曼光谱作为分子水平的测试手段,易于实现复杂混合物体系的成分鉴定分析。与其他依靠检测属铅和铬元素的方法比较,利用拉曼检测能够保证测试的铅和铬元素来源于浅铬黄,进而保证了测试的浅铬黄的准确性,避免了其他来源的干扰。
本发明的重金属浓碱液体指的是重金属的NaOH溶液。
本发明中的硅片多采用单晶硅片,且与测试样本接触面为抛光面,有利于增强520cm-1处的拉曼振动。
本发明中在连续投影算法时,将硅的特征峰(520cm-1处的峰)的列向量作为初始投影向量,确保了在处理大数据样本时,结果的唯一性,同时也大大加快了数据的处理速度。另一方面,在建模过程中,挑选了不影响溶液结构性质的衬底硅片,以其特征峰做为参照,将测试样本的各个特征指纹峰的强度与520cm-1处的峰强的比值构建定标模型,可以实现拉曼光谱的半定量检测,大大提高了测试的准确性。
多元线性回归分析是用来研究一个因变量与一组自变量之间的依存关系的,步骤(3)中根据线性回归分析的结果,选择均方根误差最小的一组特征峰作为特征指纹峰计算待测样本中浅铬黄的浓度,能够提高测量结果的准确度。
所述步骤(1)包括如下步骤:
(1-1)将硅片置入容器底部后,向容器中注入测试样本;
(1-2)将注有测试样本的容器放置在显微拉曼光谱仪的载物台上测试该测试样本的拉曼光谱。
获取以硅片为衬底的Raman光谱(拉曼光谱)时,可以直接将样本均匀涂抹在硅片上,然后将均匀涂抹的硅片放置在显微拉曼光谱仪的载物台上测试样本的拉曼光谱。但是由于液体具有流动性,且所需要的测试样本量是微量的,液体表面存在着张力,直接涂抹无法确保样品表面的平整,易对实验造成影响。其次,采用涂抹时,很难保每次涂抹的测试样本的量刚好相等,从而存在测试误差。本发明中利用容器盛放测试样本,便于对测试样本进行定量,也能够使表面平整,有利于减小因测试条件引起的测试误差。
本发明中为保证量相同,每次均将容器注满,然后利用刮板沿容器顶面将多余的液体去除。
通常采用圆柱形容器,相应的,所述硅片为圆形,且硅片直径比容器的内径小1~2mm。
进行Raman测试时,为保证能够采集到硅衬底的Raman振动,尽量使硅片能够覆盖整个容器底部,且在测试时尽量不要扫描靠近容器边缘的点。若技术条件允许时,可直接将Si片焊接于容器内的底部,或采用硅材料的容器。
本发明中Raman测试的测试条件如下:测试激光波长为532nm,测试激光功率为25mv,曝光时间为1s,曝光次数为1次,采集孔径为20μm,物镜为20倍,扫描点数为30。
作为优选,测试样本的数量为50~150。
单独通过某一个测试样本的Raman光谱很难准确的确定浅铬黄的特征指纹峰,本发明中通过对大样本进行统计学分析,能够准确的找出浅铬黄振动相关的特征指纹峰。通常样本数越多,特征指纹峰判定越准确,但是这样会导致计算量大,效率低。因此测试样本的数量需要根据实际情况考虑,不可太高,也不能太低。另外,为便于实现所有测试样本可分为若干组(通常为5~7组),每一组的浅铬黄浓度相同,不同组之间的浅铬黄浓度进行梯度设置。
作为优选,设定波数范围为112.3~2717.2cm-1。
重金属浓碱液体中与浅铬黄相关的振动峰分布在该波数范围内,因此通过设定该112.3~2717.2cm-1的波数范围扫描。
所述步骤(2)各组特征峰中特征峰的个数为5~15。
提取得到的特征峰的组数根据实际情况设定,不同组中特征峰的个数互不相同,兼顾到模型的建模效率以及模型的准确性,将特征峰的个数设定为5~15,每组包含的特征峰个数均不同。
所述步骤(3)中构建定标模型后还包括更新定标波数和定标模型,更新后的定标模型为:
Y=60.681+0.449λ1+0.127λ3-0.77λ4。
更新方法如下:
对所述的第一线性回归模型进行方差分析筛选定标波数,并将筛选后的定标波数作为最终的定标波数,根据所有测试样本的浅铬黄浓度,以及筛选后的各个定标波数处的峰强和520cm-1处的峰强的比值构建浓度-强度比的第二线性回归模型作为定标模型。
通过对第一线性回归模型进行方差分析对特征指纹峰进行筛选,确定得到最终的定标波数,进一步提高定标模型的准确性,进而减小最终测试的浓度值与实际浓度值之间的偏差。
本发明中未作特殊说明,Y均表示测试样本中浅铬黄的含量,其单位为mg/ml。
与现有技术相比,本发明具有如下优点:
(1)利用Raman测试进行分析,能够保证测试的铅和铬元素来源于浅铬黄,进而保证了测试的浅铬黄的准确性,避免了其他来源的干扰;
(2)利用硅片作为衬底,一方面,由于本实验的检测对象是液体,用硅片作为衬底,可以方便实验中的聚焦;另一方面,硅片的信号峰单一,主要在520cm-1处,对测试样本的信号干扰少;同时,以测试样本的各个特征指纹峰的强度与520cm-1处的峰强的比值构建定标模型,可以实现拉曼光谱的半定量检测,大大提高了测试的准确性;
(3)操作简单,避免了传统浅铬黄含量测量的提取、消解等繁琐、耗时的样品制备过程,为快速有效地实时监测浅铬黄废水处理过程中残余浅铬黄的浓度提供有效手段,具有良好的应用前景。
具体实施方式
下面将结合具体实施例和对比例对本发明进行详细描述。
分别称取1g、0.8g、0.6g、0.4g、0.2g浅铬黄于50ml烧杯中,用移液管移入10mlNaOH浓溶液,用玻璃棒充分搅拌混匀,静置过夜后,配制成5个浓度梯度的液体样本。每个浓度水平取15个样本,5个浓度梯度的合计得到75个测试样本。
实施例1
一种重金属浓碱液体中浅铬黄浓度的检测方法,包括:
(1)以不同浅铬黄浓度的重金属浓碱液体作为测试样本,获取各个测试样本在2717.2cm-1~112.3cm-1波数范围内以硅片为衬底时的拉曼光谱。
本实施例中采用96孔平底培养皿(孔径:6.4mm,底面积:0.32cm2,容积为0.36ml)作为容器,一个孔即作为一个容器。将每孔的底部首先放置一块直径为5mm,厚度为0.5mm的圆形硅片,用移液管移取0.4ml液体于培养皿孔中,用刮板沿着培养皿边缘将多余的液体去除,然后将培养皿放置在玻璃片上,待用。
将盛有测试样本的容器放置在显微拉曼光谱仪的载物台上测试各个测试样本的拉曼光谱。每个样本的测试条件相同,均如下:
测试激光波长为532nm,测试激光功率为25mv,曝光时间为1s,曝光次数为1次,采集孔径为20μm,物镜为20倍,扫描点数为30。
(2)根据所有测试样本的拉曼光谱,分别采用连续投影算法提取若干组特征峰,每组特征峰的数量不同,采用连续投影算法时以520cm-1处的列向量作为初始投影向量;
根据测试样本的个数M(本实施例中M=75)和波数的个数K组成大小为M×K的光谱矩阵X,光谱矩阵X中的元素xij为第i个测试样本在第j个波数处的拉曼峰的强度值,j=1个波数对应的波数最大,依次向后减小。
连续投影算法(SPA算法)是一种前向循环选择方法,它从光谱矩阵X中任意一个波长对应的一列组作为投影向量开始,每次循环,计算该投影向量在未选入的波长对应的向量上的投影,再将投影向量的模最大的波长引入到波长组合,直到循环N次。每一次新选入的波长,都与前一个线性关系最小。
本实施例中一共需要提取11组特征峰,各组特征峰包含的特征峰的个数分别为5、6、……15。对于每一组特征峰均采用SPA方法进行提取,记每组特征峰的个数为N,则SPA方法包括如下步骤:
(2-1)初始化:n=1(第一次迭代),在光谱矩阵X中520cm-1对应的元素组成一个列向量作为投影向量,即初始投影向量,记为Xk(0)(即j=k(0),且第k(0)波数为520cm-1);
(2-2)集合S定义为: 即还没有被选择进波长链的列向量,其中,k(n-1)表示第n次迭代选出来的最大投影所在的列向量,根据公式:
Pxj=xj-(xj Txk(n-1))xk(n-1)(xT k(n-1)xk(n-1))-1,
分别计算Xj在S集合中各个波数对应的列向量上的投影,并根据公式:
k(n)=arg(max||Pxj||,j∈S)
确定投影最大的j的取值,并记为k(n),其中||Pxj||为投影向量在Xj上的投影的模;
(2-3)如果n<N,则令n=n+1,并返回步骤(2-1),并以Xk(n)作为初始投影向量,否则停止,并以每次最大投影对应的波数作为特征峰所在的位置,进而得到除520cm-1外,另外包含N个特征峰的一组特征峰。
(3)分别对每一组N个特征峰建立线性回归模型,使用多元线性回归分析法来判断所建模型的优劣,选出最小的RMSEP的一组特征峰作为特征指纹峰。以选择的特征指纹峰作为定标波数,根据各个测试样本的浅铬黄浓度,以及相应拉曼光谱中各个定标波数处的峰强与520cm-1处的峰强的比值构建浓度-强度比的第一线性回归模型作为定标模型;
本实施例中得到的第一线性回归模型为:
Y=73.857+0.183λ1+0.321λ2+0.139λ3-0.557λ4-0.003576λ5+0.01553λ6-0.444λ7+0.001861λ8
其中,λ1、λ2、λ3、λ4、λ5、λ6、λ7和λ8分别为1066cm-1、971cm-1、847cm-1、718cm-1、526cm-1、460cm-1、416cm-1和112cm-1处的峰强与520cm-1处的峰强的比值;
(4)获取待测样本在设定波数范围内以硅片为衬底时的拉曼光谱,计算该拉曼光谱中各个定标波数处的峰强和520cm-1处的峰强的比值,并代入定标模型计算得到待测样本中浅铬黄的浓度。
利用定标模型对这25个待测样本的浅铬黄浓度的预测结果如表1所示,模型的相关系数为0.982174,均方根误差为6.515267。说明该模型能够实现浓NaOH溶液中浅铬黄浓度的有效检测。
表1
实施例2
与实施例1相同,所不同的是步骤(3)中构建定标模型后还包括更新定标波数和定标模型,更新方法如下:
对第一线性回归模型进行方差分析筛选定标波数,并将筛选后的定标波数作为最终的定标波数,并根据所有测试样本的浅铬黄浓度,以及拉曼光谱中筛选后的各个定标波数处的峰强和520cm-1处的峰强的比值构建浓度-强度比的第二线性回归模型作为更新后的定标模型。
对更新前的定标模型进行方差分析,结果如表2所示
表2
表2显示波数变量λ526、λ460、λ416、λ112(样本在波数526cm-1、460cm-1、416cm-1、112cm-1处的拉曼光谱强度)的显著水平P>0.05,表明波数变量λ526、λ460、λ416、λ112与因变量Y(浓碱液体中浅铬黄的浓度)无显著相关性,故波数526cm-1、460cm-1、416cm-1、112cm-1不适合用来建立浓碱液体中浅铬黄浓度的测量模型。由于在971cm-1处的拉曼光谱曲线没有显著的特征峰,故也加以剔除。最后剩下1066cm-1、847cm-1、718cm-1三个波数作为最终定标波数,并根据这三个定标波数重新建立线性回归模型作为更新后的定标模型。
本实施例中,更新后的定标模型为:
Y=60.681+0.449λ1+0.127λ3-0.77λ4。
利用更新后的定标模型对这25个待测样本的浅铬黄浓度的预测结果如表3所示,模型的相关系数为0.954154,均方根误差为13.01838。说明该模型能够实现浓NaOH溶液中浅铬黄浓度的有效检测。
表3
对比例
选取邻近三个波长分别为996nm,1120nm,1333nm基于这三个波长建立用于测量重金属浓碱液体中浅铬黄浓度的定标模型:
Y=44.927254+0.949λ1333/λ520-1.314λ1120/λ520+0.203λ996/λ520。
利用该定标模型计算得到的样本重金属浓碱液体中浅铬黄浓度的检测值与真实值如表4所示,该定标模型的预测相关系数为0.492494,效果明显差于本发明所提方法的预测相关系数0.954154。
表4
以上所述的具体实施方式对本发明的技术方案和有益效果进行了详细说明,应理解的是以上所述仅为本发明的最优选实施例,并不用于限制本发明,凡在本发明的原则范围内所做的任何修改、补充和等同替换等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种重金属浓碱液体中浅铬黄浓度的检测方法,其特征在于,包括如下步骤:
(1)以不同浅铬黄浓度的重金属浓碱液体作为测试样本,获取各个测试样本在设定波数范围内以硅片为衬底时的拉曼光谱;
(2)根据所有测试样本的拉曼光谱,分别采用连续投影算法提取若干组特征峰,每组特征峰的数量不同,采用连续投影算法时以520cm-1处的列向量作为初始投影向量;
(3)利用多元线性回归分析法确定各组特征峰的验证均方根误差,选择验证均方根误差最小的一组特征峰作为特征指纹峰,并以特征指纹峰对应的波数作为定标波数,根据各个测试样本的浅铬黄浓度,以及相应拉曼光谱中各个定标波数处的峰强与520cm-1处的峰强的比值构建浓度-强度比的第一线性回归模型作为定标模型;
所述的第一线性回归模型为:
Y=73.857+0.183λ1+0.321λ2+0.139λ3-0.557λ4-0.003576λ5+0.01553λ6-0.444λ7+0.001861λ8,
其中,λ1、λ2、λ3、λ4、λ5、λ6、λ7和λ8分别为1066cm-1、971cm-1、847cm-1、718cm-1、526cm-1、460cm-1、416cm-1和112cm-1处的峰强与520cm-1处的峰强的比值;
(4)获取待测样本在设定波数范围内以硅片为衬底时的拉曼光谱,计算该拉曼光谱中各个定标波数处的峰强和520cm-1处的峰强的比值,并代入定标模型计算得到待测样本中浅铬黄的浓度。
2.如权利要求1所述的重金属浓碱液体中浅铬黄浓度的检测方法,其特征在于,所述步骤(1)包括如下步骤:
(1-1)将硅片置入容器底部后,向容器中注入测试样本;
(1-2)将注有测试样本的容器放置在显微拉曼光谱仪的载物台上测试该测试样本的拉曼光谱。
3.如权利要求2所述的重金属浓碱液体中浅铬黄浓度的检测方法,其特征在于,所述硅片为圆形,且硅片直径比容器的内径小1~2mm。
4.如权利要求1所述的重金属浓碱液体中浅铬黄浓度的检测方法,其特征在于,测试样本的数量为50~150。
5.如权利要求1所述的重金属浓碱液体中浅铬黄浓度的检测方法,其特征在于,设定波数范围为112.3~2717.2cm-1。
6.如权利要求1所述的重金属浓碱液体中浅铬黄浓度的检测方法,其特征在于,所述步骤(2)各组特征峰中特征峰的个数为5~15。
7.如权利要求1~6中任意一项权利要求所述的重金属浓碱液体中浅铬黄浓度的检测方法,其特征在于,所述步骤(3)中构建定标模型后还包括更新定标波数和定标模型,更新后的定标模型为:
Y=60.681+0.449λ1+0.127λ3-0.77λ4。
8.如权利要求7所述的重金属浓碱液体中浅铬黄浓度的检测方法,其特征在于,更新方法如下:
对所述的第一线性回归模型进行方差分析筛选定标波数,并将筛选后的定标波数作为最终的定标波数,根据所有测试样本的浅铬黄浓度,以及筛选后的各个定标波数处的峰强和520cm-1处的峰强的比值构建浓度-强度比的第二线性回归模型作为定标模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410362612.5A CN104132926B (zh) | 2014-07-28 | 2014-07-28 | 一种重金属浓碱液体中浅铬黄浓度的检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410362612.5A CN104132926B (zh) | 2014-07-28 | 2014-07-28 | 一种重金属浓碱液体中浅铬黄浓度的检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104132926A CN104132926A (zh) | 2014-11-05 |
CN104132926B true CN104132926B (zh) | 2016-09-07 |
Family
ID=51805690
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410362612.5A Expired - Fee Related CN104132926B (zh) | 2014-07-28 | 2014-07-28 | 一种重金属浓碱液体中浅铬黄浓度的检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104132926B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111289451B (zh) * | 2020-02-27 | 2021-03-16 | 欧梯恩智能科技(苏州)有限公司 | 复杂光谱组分浓度定量计算的方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102928396A (zh) * | 2012-10-29 | 2013-02-13 | 浙江大学 | 基于拉曼光谱的尿素同位素丰度的快速检测方法 |
-
2014
- 2014-07-28 CN CN201410362612.5A patent/CN104132926B/zh not_active Expired - Fee Related
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102928396A (zh) * | 2012-10-29 | 2013-02-13 | 浙江大学 | 基于拉曼光谱的尿素同位素丰度的快速检测方法 |
Non-Patent Citations (2)
Title |
---|
拉曼光谱法定量分析山茶油中脂肪酸;郝勇等;《食品科学》;20131231;137-140 * |
茶叶中铅铬绿的检测方法研究;陈利燕等;《热带农业工程》;20081031;38-44 * |
Also Published As
Publication number | Publication date |
---|---|
CN104132926A (zh) | 2014-11-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106442441B (zh) | 基于荧光光谱积分比值判定有色可溶性有机物来源的方法 | |
CN104914089A (zh) | 用表面增强拉曼光谱对痕量混合物进行半定量分析的方法 | |
CN102495042A (zh) | 一种粉末混合物的拉曼光谱准确定量分析方法 | |
Alam et al. | Status and advances in technologies for phosphorus species detection and characterization in natural environment-A comprehensive review | |
CN104359884A (zh) | 一种pH荧光传感膜及碱性沉积物pH二维动态分布检测方法 | |
CN104132928B (zh) | 一种茶叶中美术绿含量的检测方法 | |
CN109030527A (zh) | 基于xrf技术儿童纺织品及鞋部件中重金属含量的快速检测方法 | |
CN104931488B (zh) | 一种基于指示剂阵列检测阴离子的方法 | |
Verma et al. | Direct and rapid determination of sulphate in environmental samples with diffuse reflectance Fourier transform infrared spectroscopy using KBr substrate | |
CN102759526A (zh) | 一种金标银染定量检测汞离子的方法及其试剂盒 | |
CN104132926B (zh) | 一种重金属浓碱液体中浅铬黄浓度的检测方法 | |
CN201788147U (zh) | 光纤探头式土壤养分测试仪 | |
Yang et al. | Error analysis for pesticide detection performed on paper-based microfluidic chip devices | |
CN104132930B (zh) | 一种重金属浓酸液体中中铬黄浓度的检测方法 | |
CN104132922B (zh) | 一种重金属浓碱液体中桔铬黄浓度的检测方法 | |
CN104132929B (zh) | 一种重金属浓酸液体中深铬黄浓度的检测方法 | |
CN104132925B (zh) | 一种重金属浓碱液体中深铬黄浓度的检测方法 | |
CN104132923B (zh) | 一种重金属浓酸液体中浅铬黄浓度的检测方法 | |
CN104132924B (zh) | 一种重金属浓碱液体中中铬黄浓度的检测方法 | |
CN104132932B (zh) | 一种重金属浓酸液体中桔铬黄浓度的检测方法 | |
CN104132927B (zh) | 一种重金属浓碱液体中柠檬铬黄浓度的检测方法 | |
CN104132931B (zh) | 一种重金属浓酸液体中柠檬铬黄浓度的检测方法 | |
CN108982466A (zh) | 一种用于水体中阿莫西林抗生素现场快速检测的方法 | |
CN105866065B (zh) | 一种乌洛托品-醋酸溶液中乌洛托品含量分析方法 | |
CN108344726A (zh) | 一种基于金纳米薄膜sers技术的2,4-二氯苯氧乙酸(2,4-d)农药的检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB03 | Change of inventor or designer information |
Inventor after: Su Zhenzhu Inventor after: Li Xiaoli Inventor after: He Yong Inventor after: Sun Chanjun Inventor before: Li Xiaoli Inventor before: Sun Chanjun Inventor before: He Yong |
|
COR | Change of bibliographic data | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160907 |
|
CF01 | Termination of patent right due to non-payment of annual fee |