傅里葉變換紅外光譜定性識別分析方法研究.pdf

1、傅里葉變換紅外（FT-IR: Fourier Transform Infrared）光譜技術(shù)在復(fù)雜、痕量多組分氣體的定量分析中得到了廣泛的應(yīng)用。近年來，發(fā)展了各種基于FT-IR光譜的組分高精度定量分析方法。通常，在采用FT-IR光譜進行定量分析之前，需要對光譜進行定性分析。傳統(tǒng)方法采用一定的輔助手段，例如GC-MS等。當(dāng)然，也有直接采用FT-IR光譜進行定性分析的方法。目前現(xiàn)有的FT-IR光譜定性分析方法存在定性識別效果差、不能進行實時

2、在線分析等缺點，這些缺點導(dǎo)致FT-IR光譜分析技術(shù)在很多應(yīng)用場景受到限制。最典型的應(yīng)用場景就是采用FT-IR光譜技術(shù)實時檢測化工園區(qū)的污染排放，由于無法進行實時在線定性分析，往往采集到的FT-IR光譜需要經(jīng)過事后的定性分析，再來進行相應(yīng)的定量分析。這樣就無法實時監(jiān)控化工園區(qū)的排放情況。同樣的，在工業(yè)生產(chǎn)過程中，例如藥品生產(chǎn)過程中，需要對某些成分或原料進行分析和監(jiān)測，也需要用到快速的FT-IR光譜定性識別分析技術(shù)。
　　實際上，關(guān)于

3、FT-IR光譜定性識別分析技術(shù)一直沒有很大的實質(zhì)性突破。在采用FT-IR光譜進行定性識別分析時需要進行有很多假設(shè)和前提條件，例如，很少有FT-IR光譜定性分析識別方法考慮到FT-IR光譜的非線性效應(yīng)，而是直接采用FT-IR光譜的依據(jù)比爾郎伯定律而來的線性模型。這使得現(xiàn)有的FT-IR光譜定性識別分析技術(shù)在實際應(yīng)用中受到種種限制。
　　鑒于此，本文分別從FT-IR光譜的線性模型以及非線性模型出發(fā)，分別發(fā)展了基于變量選擇方法的FT-IR

4、光譜定性識別分析模型以及基于遺傳算法和非線性最小二乘擬合算法的FT-IR光譜定性識別分析模型。
　　本文首先介紹了近年來發(fā)展的變量選擇方法，分別結(jié)合多種變量選擇技術(shù)以及變量選擇準(zhǔn)則，構(gòu)建了FT-IR光譜的定性識別分析模型。并從推薦系統(tǒng)的角度對基于變量選擇方法的FT-IR光譜的定性識別分析模型進行評價。通過模擬實驗的研究，對FT-IR光譜的定性識別分析模型進行了改進研究。最后進行了幾組實際數(shù)據(jù)實驗，對FT-IR光譜定性識別分析模型進

5、行了驗證。實驗結(jié)果表明，基于變量選擇方法的FT-IR光譜定性識別分析模型是一種有效的模型。
　　接著本文發(fā)展了基于FT-IR光譜的非線性生成模型，并采用非線性最小二乘擬合算法，對模型進行求解。結(jié)合遺傳算法，發(fā)展了基于遺傳算法以及非線性最小二乘擬合算法的FT-IR光譜的定性識別分析模型。并從模擬實驗對FT-IR光譜進行定性識別分析研究。進行模擬實驗時，研究了不同噪聲情況下定性識別分析模型的定性識別分析效果。采用遺傳算法以及非線性最小

6、二乘擬合方法進行了實驗研究。通過對實際實驗以及模擬實驗的定性識別分析結(jié)果進行分析，提出了一點改進，并對改進型模型進行了模擬實驗和數(shù)據(jù)實驗研究。研究結(jié)果表明基于遺傳算法以及非線性最小二乘擬合方法的FT-IR光譜定性識別分析方法是一種有效的FT-IR光譜定性識別分析方法?？紤]到遺傳算法是一種隨機搜索算法，最后對定性識別分析方法從實驗角度進行了重復(fù)性驗證。
　　最后開展了模擬外場實驗，并采用本文提出的兩種FT-IR光譜定性識別分析方法對