量化优化和氨酸异构体的识别:基于MOF的光虚拟传感器阵列的应用案例

科学领域:

• 环境化学环境化学
• 分析化学 分析化学
• 材料科学 (金属有机框架)

背景情况:

• 在水中检测中性芳胺是具有挑战性的.
• 基于MOF的光传感器阵列为污染物检测提供了优势.
• 目前的方法需要在信号采集和数据分析方面进行优化.

研究的目的:

• 开发和优化用于检测芳香胺的光传感阵列.
• 探索3D光扫描和先进的数据分析,以改善检测.
• 为光传感阵列方法提供一个全面的优化案例.

主要方法:

• 基于内部过效应 (IFE) 的Zn-MOF-74传感器的合成.
• 使用激发发射矩阵 (EEM) 来创建虚拟传感器阵列 (VSA) 的信号采集.
• 开发PCA-SVM (主要组件分析-支持矢量机) 用于定性分析和PCA-LUT (主要组件分析-查询表) 用于定量分析.

主要成果:

• 单个样本的分类精度达到了97.7%,二元混合物的分类精度达到了76.2%.
• 在自来水和河水样本中有效检测.
• 与神经网络相比,PCA-LUT模型显示出稳定的性能,高效率,以及改善的平均绝对误差 (MAE) 和平均平方误差 (MSE).

结论:

• 开发的光传感阵列与3D扫描和PCA-LUT提供了一种高效和可解释的芳香胺检测方法.
• 这种方法为神经网络等复杂的方法提供了有价值的替代方案,尤其是在有限的校准数据的情况下.
• 该研究强调了在光传感阵列开发中优化信号采集和数据分析的重要性.