基于紫外光谱法和有监督模式识别技术对氯化钠、氢氧化钠和β-苯乙胺种类的鉴别

摘要：

β-苯乙胺(PEA)是一种重要的有机合成中间体,在PEA生产过程中,最终的生成物中常常为含有氯化钠(NaCl)、氢氧化钠(NaOH)和PEA三者的混合物.因此,对NaCl,NaOH,PEA和混合物种类进行鉴别,有利于PEA的合成以及定性检测,需建立紫外光谱快速鉴别NaCl,NaOH,PEA和混合物种类的方法.利用紫外光谱法分别测量了NaCl,NaO H,PEA和混合物在190～400 nm范围的吸收光谱.首先,采用偏最小二乘法(PLS)提取紫外光谱的主成分信息,用少数的主成分信息取代原始变量,减少模型的复杂度.用PLS提取NaCl,NaOH和PEA在前三个主成分空间中得分向量值的分布.可知NaCl,NaOH和PEA前三个主成分累计贡献率分别是96.64％,99.44％ 和99.95％.因此,NaCl、NaOH和PEA的前三个主成分基本包含了大部分的光谱信息.其次,用获得的三个主成分作为输入变量,采用线性判别分析(LDA),Sig-moid SVM,RBF-SVM,RBF-ANN,BP-ANN和人工蜂群(ABC)优化神经网络(ABC-BP-ANN)等模式识别方法对NaCl,NaOH和PEA种类进行判别,获得总的敏感性分别为95.6％,95.6％,95.9％,95.8％,96.9％ 和99.6％.由于NaCl和NaO H特征吸收峰很相似,主成分得分向量会出现重叠现象,导致NaCl和NaOH的种类鉴别出现误判.通过对比六种分类方法,可知ABC-BP-ANN效果最优,BP-ANN次之,RBF-SVM和RBF-ANN结果相似,但比BP-ANN稍差,LDA和Sigmoid-SVM效果最差.最后,配制7种不同摩尔分数的混合物(混合物摩尔分数是指PEA物质的量占混合物总物质的量百分比),浓度范围为0％mol·L-1～60％mol·L-1,然后采用RBF-SVM,BP-ANN和ABC-BP-ANN三种方法对混合物种类进行判别.从敏感性和特异性结果可以得知,ABC-BP-ANN分类效果最好,BP-ANN次之,RBF-SVM分类效果最差,由混合物得到的结果与单组分的结果相一致.结果表明,紫外光谱结合ABC-BP-ANN模式识别方法可以成功区分NaCl,NaO H,PEA和混合物的种类.该方法可作为一种简便、快速、可靠的方法用于NaCl,NaO H,PEA和混合物的种类判别,并为PEA的合成和质量控制提供理论依据和技术支撑.

关键词：β-苯乙胺、紫外光谱、人工蜂群优化神经网络、敏感性、混合物光谱判别

所属期刊栏目：41

分类号：TS227(食品工业)

资助基金：国家重点研发计划重大科学仪器设备开发项目2016YFF0102805

在线出版日期：2021-02-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：448-453