[发明专利]基于归一化表面增强拉曼散射技术的定量分析模型及方法

说明书

本发明提出基于归一化表面增强拉曼散射技术的定量分析模型及方法，采用面积归一化表面增强拉曼散射光谱和线性主成分分析方法建立数学模型，有效消除光谱绝对强度波动的影响，同时实现对光谱中定量信息的降维处理，从而使用该模型对目标体系实现定量分析。

技术领域

本发明涉及痕量有机物定量分析技术领域，具体涉及一种基于归一化表面增强拉曼散射技术的痕量物质定量分析方法，用于液体环境中有机物定量分析。

背景技术

表面增强拉曼散射(SERS)光谱已成为一种重要的光谱分析方法，具有高灵敏度、采谱耗时短、包含指纹信息、样品制备简单等优点，在有机污染物检测、生物医药分析、食品有机添加剂检测等诸多领域中发挥着越来越重要的作用。目前基于贵金属(银、金、铜)设计的表面增强拉曼散射基片取得了很大的成功，在痕量物质检测领域中发挥了重要作用，尤其是柔性表面增强拉曼散射基片等更是进一步拓展了其应用范围。但是基于表面增强拉曼散射光谱实现对痕量物质的半定量和定量分析仍面临巨大挑战，其中光谱绝对的波动是一个重要影响因素。测试条件的细微变化、表面增强拉曼散射基片的批次间差异性以及同批次基片的稳定性都会对表面增强拉曼散射光谱绝对强度产生影响，导致强度在很大范围内波动。

谱线强度波动是一个常见的问题，利用相对强度的外标法和内标法在X射线衍射分析、红外光谱分析以及拉曼光谱分析中已经取得了一定范围的应用。对于表面增强拉曼散射光谱，由于高灵敏度，测试条件的细微变化，表面增强拉曼散射基片的微小差异都会造成光谱强度的显著波动。利用表面增强拉曼散射光谱的相对强度进行定量分析是一种有效解决绝对强波波动影响的方法，目前常见的方法有相对峰强法和多元回归等方法，但是对与谱线相似和重叠程度高的混合物体系，往往使用起来较为困难，且准确度随体系复杂程度下降较快。线性主成分分析(PCA)分析方法是一种数据降维算法，可以把高维度数据降低至包含主要差异信息的低维度空间内，并保留数据间的线性关系。

为了解决上述问题，我们将二者结合，从理论上建立了基于归一化表面增强拉曼散射技术的痕量物质定量分析模型用于定量分析，首先面积归一化可以有效消除光谱绝对强度波动的影响，其次采用线性主成分分析实现对光谱中定量信息的降维处理，实现对有机物含量的定量分析，并结合添加已知浓度的物质实现对待测物浓度的定量分析。

在实际应用中，本发明提供的基于归一化表面增强拉曼光谱的定量分析方法在有机污染物检测、生化医药、食品安全等方面的有着广阔的应用前景。

发明内容

本发明的目的在于提供一种基于归一化表面增强拉曼散射技术的定量分析模型和分析方法，采用面积归一化表面增强拉曼散射光谱和线性主成分分析方法建立数学模型，有效消除光谱绝对强度波动的影响，同时实现对光谱中定量信息的降维处理，从而使用该模型对目标体系实现定量分析。

为解决上述技术问题，本发明提供一种基于归一化表面增强拉曼散射技术的定量分析模型的建立方法，其包括：

用向量a₀，b₀，c₀表示纯物质的拉曼散射光谱，因为增强因子的波动，其各自会有不同的增强系数，设为EF_a、EF_b、EF_c，则得到的表面增强拉曼散射光谱为a₁、b₁、c₁，如下式(1)-(3)所示：

a₁-EF_a×a₀ (1)

b₁＝EF_b×b₀ (2)

c₁-EF_c×c₀ (3)