基于PCA―BP神经网络合成色素SERS信号判别.docVIP

基于PCA―BP神经网络合成色素SERS信号判别 　　摘要：表面增强拉曼散射技术（SERS）是一种可以提供分子指纹信息的表征技术，具有快速、灵敏度高及检出限低等优势，已被广泛应用于食品分析领域。结构相似的分析物的SERS光谱重叠度较高，不宜用常规手段进行区分。以同类型色素为代表分析物，利用主成分分析（PCA）和BP神经网络相结合的方法，对高度重叠的SERS图谱数据进行分析，实现了同类型色素的SERS光谱区分。将归一化后累计贡献率达到90%的主成分进行BP网络训练和预测，结果发现，该法对不同色素预测的准确度高达99.87%，并且所呈现的结果与预计基本相同。 　　关键词： SERS；主成分分析；BP神经网络；色素判别；数据挖掘 　　中图分类号：TP391 文献标识码：A 文章编号：1009-3044（2017）31-0196-03 　　SERS Discrimination for Synthetic Pigment Based on PCA and BP Network Model 　　DUAN Ling-feng， XU Lu，WANG Li-dong* 　　（Qianjiang College， Hangzhou Normal University， Hangzhou 310018， China ） 　　Abstract：Surface enhanced Raman scattering （SERS） has been widely used in biochemistry disease diagnosis and environmental monitoring， with the advantages of fast， sensitive， less material consumption and low detection limit. In the early detection of the pigment， we found that the overlap of the SERS spectra of the same type of pigment is high. In this paper， we employ Principal Component Analysis （PCA） and Back Propagation （BP） network to analyze the characteristic of the data and identify different spectra. Then， the normalized main component whose cumulative contribution reaches 90 % is trained and is predicted by BP network. The experimental results show that the accuracy for different pigments can achieve 99.87%. The results are basically the same as expected. 　　Key words：SERS；PCA；BP network；discrimination of pigment；data mining 　　1 概述 　　近年来，食品安全威胁到人类健康的问题频繁发生，引起了社会各界的高度关注。食品行业中，滥用添加剂、人工色素都极易引发人们的担忧。其中人工合成色素添加的不透明、不规范现象极为严重。据报道2013年北京市工商局查出在对北京市流通领域食品抽检中发现7个不合格样本，其中有两种肉制品被查出不得含有的色素“诱惑红”。 　　表面增强拉曼散射（Surface Enhanced Raman Scattering，简称SERS）技术由于具有灵敏度高、选择性好、费用低、试样量少、分析结果快速等优点，在生物、化学传感器、环境检测及食品分析[1-7]等方面都得到了广泛应用。由于不同分析物结构的差异性，理论上不同种类物质应具有各异的SERS特征。然而，由于有些分析物结构相似，其“指纹”信息差异小，谱线重叠严重，难以通过SERS光谱的直观对比进行区分，因此需要开发一种方法对高度重叠的SERS图谱进行分析判别。 　　在进行SERS检测时，获取的研究对象的特征峰属于“指纹区”，特征峰相对于其他的检测方法更为明显可靠，所以只需要在各个拉曼光谱中做谱线的归属以及峰强的比较就可以很好的区分出各种物质。但是，拉曼散射的形成是由于分子的振动，而同类物质的分子结构有可能很相似，所以产生的拉曼光谱就会很相似，用常规手段很难区分，再加之实验不可能达到理论完美，更加大了区分