多组分分析方法综述多组分分析方法综述.docx

重金属多组分分析的研究现状近年来，随着科技的进步，单组分重金属的检测技术已经非常成熟，但是在实际污染体系中重金属离子种类繁多，且它们之间往往存在相互干扰，传统的化学分析方法和化学分析仪器难以一次性精确的检测出各个重金属离子的浓度，需要对共存组分进行同时测定。对共存组分进行同时测定，传统的化学分析方法是首先通过加入各种掩蔽剂进行组分的预分离，然后采用单组分重金属检测技术进行分析检测。这种方法的分离过程往往冗长繁琐，实验条件苛刻，费时费力，而且检测精度低，无法应用于污染现场的检测。随着计算机科学技术、光谱学和化学信息学的发展，复杂体系的多组分分析已成为当今光谱技术的研究热点，应用范围涉及环境监测、石油化工、高分子化工、食品工业和制药工业等领域，而且需求日益显著。由于多重金属离子共存时会产生重金属离子间的相互作用，因此在用化学分析仪器检测时会产生相干数据干扰，对实验结果产生影响，为了使测试结果更加准确，需要在实验的基础上建立数学模型，用于数据处理，消除各重金属离子共存时产生的相干数据干扰。近年来，引入化学计量学手段，用“数学分离”部分代替复杂的“化学分离”，从而达到重金属离子的快速、简便分析测定[1]。化学计量学是一门通过统计学或数学方法将对化学体系的测量值与体系的状态之间建立联系的学科，它应用数学、统计学和其他方法和手段（包括计算机）选择最优试验设计和测量方法，并通过对测量数据的处理和解析，最大限度地获取有关物质系统的成分、结构及其他相关信息。目前，已有许多化学计量学方法从不同程度和不同方面解决了分析化学中多组分同时测定的问题，如偏最小二乘法（PLS）、主成分回归法（PCR）、Kalman滤波法、多元线性回归（MLR）等，这些方法减少了分离的麻烦，并使试验更加科学合理。(1) 光谱预处理技术这些方法用来降噪、消除无关信息。①主成分分析法在处理多元样本数据时，假设总体为X=（x1,x1,x3…xn），其中每个xi（i=1,2,3,…n）为要考察的数量指标，在实践中常常遇到的情况是这n个指标之间存在着相关关系。如果能从这n个指标中构造出k个互不相关的所谓综合指标（kn），而且这几个综合指标充分地反映了原来的n个指标的信息，则我们称这些综合指标为主成分。这一处理过程则称为主成分分析。我们要区分主成分分析和下文中所述的主成分回归的区别，这里所说的主成分分析是数理统计中常用的一种技巧，用于光谱的前期预处理。主成分回归则在主成分分析的基础上进行拟合。此方法尤其多的应用于BP神经网络中[2]。②傅里叶变换(FT)傅里叶变换(FT)是一种十分重要的信号处理技术，它能够实现频域函数与时域函数之问的转换，其实质是把原光谱分解成许多不同频率的正弦波的叠加和。根据需要可通过FT对原始光谱数据进行平滑、插值、滤波、拟合及提高分辨率等运算，或用FT频率谱即权系数(傅里叶系数)直接参与模型的建立。在NIR光谱分析中，傅立叶变换可用来对光谱进行平滑去噪、数据压缩以及信息的提取[3]。③小波变换（WT）近年来，小波变换在信号和图像处理中的应用逐渐广泛和成熟起来。与FT相比，WT具有时频局部化特性，能够将化学信号根据频率的不同，分解成多种尺度成分，并对大小不同的尺度成分采取相应粗细的取样步长，从而能够聚焦于信号中的任何部分。高频信息留在较低的尺度上，低频信息留在较高的尺度上。这样，若设定一定的阈值，除去小于阈值的高频信息则达到去噪的作用[4]。④净分析信号算法净分析信号也是有浓度阵参与的一种预处理算法，最早由Lorber提出。它的基本思想与OSC基本相同，都是通过正交投影除去光谱阵中与待测组分无关的信息[5]。⑤模糊聚类法模糊聚类法是一种基于模糊逻辑理论的用来探寻数据潜在结构的无监督聚类方法。聚类分析可以定量地确定研究对象之间的亲疏关系，达到对其合理分类的目的。模糊聚类法已成功应用于多个领域，比如图像分析、人脸识别及转录组学等。申明金将模糊聚类分析与RBF神经网络法相结合，对模拟原油中吸收光谱严重重叠的重金属多组分体系进行解析，较好地解决了光度分析计算中校准模型的优化问题，提高了分析结果的准确度。(2)波长选择方法①相关系数法相关系数法是将校正集光谱阵中的每个波长对应的吸光度向量X。与浓度阵中的待测组分浓度向量Y进行相关性计算，得到波长一相关系数图。对应相关系数越大的波长其信息应越多，因此，可结合已知的化学知识给定一阈值，选取相关系数大于该阈值的波长参与模型建立。②逐步回归分析法[6]逐步回归法的基本思想是，逐个选入对输出结果有显著影响的变量，每选人一个新变量后，对选人的各变量逐个进行显著性检验，并剔除不显著变量。如此反复选入、检验、剔除，：直至无法剔除且无法选人为止。（3）非线性校正模型技术①人工神经网络人工神经网络是模拟人脑细胞的工作原理建立模型进行分类和预测的