| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-18页 |
| 1.1 论文研究背景 | 第9-12页 |
| 1.1.1 石油类污染物的广泛性 | 第9-10页 |
| 1.1.2 石油类污染物的组成成分及特性 | 第10-11页 |
| 1.1.3 石油类污染物的危害 | 第11-12页 |
| 1.2 石油类污染物检测方法 | 第12-14页 |
| 1.3 石油类污染物检测发展趋势 | 第14-15页 |
| 1.4 荧光检测矿物油技术国内外研究概况 | 第15-16页 |
| 1.4.1 国内研究现状 | 第15页 |
| 1.4.2 国外的研究现状 | 第15-16页 |
| 1.5 论文主要研究内容 | 第16-18页 |
| 第2章 荧光法测量石油类污染物原理 | 第18-27页 |
| 2.1 引言 | 第18页 |
| 2.2 荧光光谱检测原理 | 第18-24页 |
| 2.2.1 光致发光原理 | 第18-19页 |
| 2.2.2 水中油荧光发光的数学模型 | 第19-20页 |
| 2.2.3 荧光物质特性参数 | 第20-23页 |
| 2.2.4 荧光分析法分类及光谱特征 | 第23-24页 |
| 2.3 三维荧光光谱原理 | 第24-25页 |
| 2.4 荧光法检测矿物油的可行性 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第3章 荧光检测系统设计及参数选择 | 第27-38页 |
| 3.1 引言 | 第27页 |
| 3.2 测量系统总体结构 | 第27-28页 |
| 3.3 荧光检测仪器的结构 | 第28-35页 |
| 3.3.1 光源 | 第29-30页 |
| 3.3.2 单色器 | 第30-31页 |
| 3.3.3 光纤 | 第31-33页 |
| 3.3.4 光电探测器 | 第33-35页 |
| 3.4 荧光信号检测系统 | 第35-36页 |
| 3.4.1 电流/电压转换 | 第35页 |
| 3.4.2 放大电路 | 第35-36页 |
| 3.5 单片机控制部分设计 | 第36-37页 |
| 3.6 本章小结 | 第37-38页 |
| 第4章 石油类污染物荧光光谱实验研究 | 第38-48页 |
| 4.1 引言 | 第38页 |
| 4.2 实验部分 | 第38-42页 |
| 4.2.1 实验试剂与仪器 | 第38-39页 |
| 4.2.2 散射对荧光光谱测量的影响 | 第39-41页 |
| 4.2.3 溶液配置和参数设置 | 第41-42页 |
| 4.3 实验结果及分析 | 第42-47页 |
| 4.3.1 矿物油纯样本荧光光谱 | 第42-45页 |
| 4.3.2 矿物油CCl4溶液荧光光谱 | 第45-47页 |
| 4.4 本章小结 | 第47-48页 |
| 第5章 基于PCA-ENN的矿物油分类识别研究 | 第48-62页 |
| 5.1 引言 | 第48页 |
| 5.2 矿物油特征参数提取 | 第48-51页 |
| 5.2.1 描述荧光强度相应统计特征参量 | 第48-49页 |
| 5.2.2 描述荧光强度相应二维平面统计特征参量 | 第49-50页 |
| 5.2.3 描述激发-发射波长与荧光强度分布关系的特征参量 | 第50页 |
| 5.2.4 敏感特征参量的提取 | 第50-51页 |
| 5.3 主成分分析 | 第51-55页 |
| 5.3.1 主成分分析数学模型 | 第51-52页 |
| 5.3.2 主成分分析推导 | 第52-54页 |
| 5.3.3 主成分分析法的步骤 | 第54-55页 |
| 5.4 神经网络理论 | 第55-58页 |
| 5.4.1 可拓神经网络 | 第55-57页 |
| 5.4.2 结合主成分分析法的可拓神经网络 | 第57-58页 |
| 5.5 样品荧光光谱分类识别 | 第58-61页 |
| 5.6 本章小结 | 第61-62页 |
| 结论 | 第62-63页 |
| 参考文献 | 第63-69页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第69-70页 |
| 致谢 | 第70页 |