卷煙有害成分分析的化學計量學新方法及應用研究.pdf

1、吸煙與健康的問題越來越受到人們的關注，尤其是對煙氣中有害成分的研究，目前煙草行業(yè)對煙氣中的有害成分的檢測主要是依靠各種昂貴的儀器，如氣質聯用、液質聯用或者更復雜的儀器。這些檢測方法存在樣品的前處理繁瑣復雜、對分析員技術水平要求高、試劑對環(huán)境有污染等問題。考慮到紅外光譜技術不需要昂貴的儀器和化學試劑，分析成本極低，不受樣品形態(tài)的限制，不破壞樣品，分析速度快，提供的信息多等優(yōu)點，擬結合紅外光譜技術和化學計量學方法，實現卷煙主流煙氣中有害成分

2、的快速分析。
　　本論文的內容主要涉及以下幾個方面：
　　1、結合紅外光譜的特點，提出了一種基于離散粒子群優(yōu)化算法的自適應小波包變換特征提取偏最小二乘的新算法。小波包變換在提取光譜特征信息、去噪以及修正基線漂移等方面非常有效。在此基礎上，進一步調用偏最小二乘回歸建立校正模型。上面提到的兩步紅外光譜分析彼此密切相關，協同優(yōu)化，通過一種全局優(yōu)化的離散粒子群算法優(yōu)化算法同時確定小波包變換的最優(yōu)小波包分解樹，小波系數和隱變量個數用于

3、偏最小二乘建模。從而構建了用于紅外光譜分析的上述新算法。本文第二章采用氣質聯用測定卷煙主流煙氣中有害成分苯并[a]芘的含量，結合上述新算法和煙葉粉末的衰減全反射紅外光譜建立定量校正模型，對苯并[a]芘的量測數據進行快速定量分析，結果良好。同時與多元線性回歸、偏最小二乘、基于逐步回歸變量選擇后構建的偏最小二乘算法處理的結果比較，結果顯示上述新算法建立的模型能夠提供更好的性能，模型更穩(wěn)健，結果更可信。說明該算法能應用于主流煙氣中有害成分苯并

4、[a]芘的分析，有望成為一種新的有效的卷煙主流煙氣中有害成分苯并[a]芘的快速定量分析方法。
　　2、本文第三章采用微型氧彈式量熱器測定煙葉燃燒熱的值，結合上述新算法和煙葉粉末的衰減全反射紅外光譜建立定量校正模型，對煙葉燃燒熱的量測數據進行快速定量分析，同時對上述算法建模的參數進行了優(yōu)化，建模選用“db4”為母小波，小波包分解層數為4層，結果良好。并與偏最小二乘、基于逐步回歸變量選擇后構建的偏最小二乘算法處理的結果比較，結果顯示上

5、述新算法建立的模型能夠提供更好的性能，模型更穩(wěn)健，結果更可信。說明此方法能應用于煙葉燃燒熱的分析，有望成為一種新的有效的煙葉燃燒熱的快速定量分析方法。
　　3、本文第四章采用串聯四級桿液質聯用測定卷煙主流煙氣中的四種煙草特有亞硝胺的含量，四種亞硝胺分別為：N’-亞硝基去甲煙堿、4-(甲基亞硝胺基)-1-(3-吡啶基)-1-丁酮、N’-亞硝基新煙堿、N’-亞硝基假木賊堿，結合上述新算法和煙葉粉末的衰減全反射紅外光譜建立定量校正模型，

6、優(yōu)化建模的參數，對四種煙草特有亞硝胺的量測數據進行快速定量分析，同時分析了四種亞硝胺，都獲得了滿意的結果。并與偏最小二乘、基于逐步回歸變量選擇后構建的偏最小二乘算法處理的結果比較，結果顯示上述新算法建立的模型能夠提供更好的性能，模型更穩(wěn)健，方法可行。說明此方法能應用于主流煙氣中有害成分煙草特有亞硝胺的分析，克服了現有方法的不足，實現了主流煙氣中有害成分煙草特有亞硝胺的快速定量分析，有望成為一種新的有效的卷煙主流煙氣中煙草特有亞硝胺的分析