第32卷，第3期 2012年3月
光谱学与光谱分析 Spectroscopy and Spectral Analysis
Vol.32,No.3,pp714-718
March,2012
三维荧光光谱及平行因子分析在石油类污染物检测分析中的应用
潘钊，王玉田，邵小青，吴希军，杨丽丽燕山大学河北省测试计量技术及仪器重点实验室，河北秦皇岛
066004
摘要以三维荧光光谱技术结合平行因子分析算法研究了石油类污染物识别与浓度测量方法，重点分析了两种以上成品油共存时对测量的影响。以0"柴油、97*汽油与煤油的CCL溶液为测量样本，通过两种或三种油不同配比的混合溶液来模拟多种石油类污染物共存的状态，研究平行因子分析方法在复杂混合物共存体系成分分析时的特点。实验分别针对汽柴油混合溶液、柴煤油混合溶液以及存在少量煤油干扰成分的汽柴油溶液，分解得到各溶质的激发与发射特征光谱，实现了各混合样品中主要成分含量的同时测量，计算了平均回收率。结果表明，该方法能够实现石油类污染物中共存成分的识别与浓度测量。
三维荧光光谱；平行因子分析；石油类污染物；成分检测
关键调
中图分类号：X830.2，(657.3
引言
文献标识码：A
石油类污染物对土壤、水环境等具有广泛的污染影响，危害植物与动物的生长发育，并会通过食物链等方式进人人体损害人体健康。无论原油还是汽油、柴油等石化产品都含有丰富的芳香烃成分，面芳香烃普遍具有较强的荧光特性(]，所以荧光方法成为识别与测量石油类污染物的重要方法。原油或其各种工业产品多含有相同或相似的芳香烃等荧光成分，其荧光光谱是不同成分荧光叠加的产物。各种石油类物质共存时，识别其成分种类和测定特定成分的浓度相对困难，特别是针对环境中的微量石油类污染物，很难用化学分离的方法将其逐个分离和分别测量。通常的检测方法并不能区别右油类污染物是原油或是某种石油产品，只是测量其整体含量，但在某些情况，如分析污染物来源等则需要对石油类污染物种类进行详细区分。平行因子分析（PARAFAC) 是一种针对三线性复杂数据的分析方法，近年来在化学分析领域有较多应用，多位研究者在此方面进行了大量的实验工作(48)。本工作尝试使用平行因子分析方法对混合溶液的三维荧光光谱数据进行分析，来实现以“数学分离”代替"化学分离”对混合溶液中成分进行识别与浓度测量。
测量原理
由多个样品的三维荧光光谐构成的数据阵列即是一组典收稿日期：2011-06-20，修订日期：2011-09-28
基金项目：国家自然科学基金项目（60974115，61071202)资助
作者简介：潘钊，1982年生，燕山大学电气工程学院博士研究生万方数据
DOl: 10. 3964/j. issn. 10000593(2012)03-0714-05
型的三线性数据，一个三线性数据阵列X的PARAFAC模型由三个负载矩阵A，B，C构成，以数学形式可表示为
q? x=
(1)
式中，，b,和c分别为A，B，C矩阵中的第列，F为分解运算的因子数，也就是X中的主成分数。③表示张量积。
计算PARAFAC模型的基本方法是使用交替最小二乘法(ALS)，即假设两个负载矩阵已知，利用它们去估算第三个负载矩阵。算法过程如下；
①确定模型的因子数F，即混合样品中主成分数； ②为负载矩阵B，C赋予设定的初始值
③以初始化后的B和C为基础，用式(2)来估计载荷矩
阵A的值，
-(iZZ)iZX =V
(2)
式中，X为X的展开，Z为由列向量，构成的矩阵，z=b?cr
①以上一步得到的A的估计值和C为基础，用同样的方法估计矩阵B；以A和B为基础估算矩阵C；
③以各步得到的估计值重复③和①的过程，逐次选代直到收敏。
PARAFAC方法分解结果具有唯一性，面且具有化学意义，与实际分析对象相--致。随着计算机运算速度的提高，
PARAFAC方法得以较方便地应用于化学计量学领域。 e-mail; panzh_zachhotmail. com, panzh_zyahoo, com, cn