机器学习辅助的物种化使用单井比计光纳米探针

科学领域:

• 环境化学环境化学
• 分析化学 分析化学
• 材料科学 材料科学 材料科学

背景情况:

• 是一种有毒的污染物,其环境风险取决于其氧化状态.
• 准确的物种分析对于环境水质监测和工业废物风险评估至关重要.

研究的目的:

• 开发一个单井度传感器,用于检测和区分物种 (Cr(III和Cr(VI)).
• 应用机器学习来分析光谱和量化物种.

主要方法:

• 使用色的排放性硫糖酸稳定CdTe量子点 (TGA-QDs) 和蓝色的排放性碳点 (CDs).
• 采用线性判别分析 (LDA) 进行分类,以及部分最小平方回归 (PLSR) 进行多变量校准.
• 在添加物种后分析光谱变化.

主要成果:

• 在区分单元和双元样本方面,LDA取得了很高的准确性.
• 对于Cr2O72− (1.0100.0 μM),CrO42− (1.0100.0 μM) 和Cr3+ (0.115 μM),PLSR显示出强烈的线性.
• 获得了Cr2O72−的2.6μM,CrO42−的2.9μM和Cr3+的0.7μM的检测极限.

结论:

• 开发的传感器平台成功地识别和量化环境水样中的物种.
• 这项工作为环境监测的物种分析提供了创新的见解.
• 该传感器提供了一种灵敏而准确的方法来评估污染.