化學(xué)纖維的鑒別方法精選(九篇)

前言：一篇好文章的誕生，需要你不斷地搜集資料、整理思路，本站小編為你收集了豐富的化學(xué)纖維的鑒別方法主題范文，僅供參考，歡迎閱讀并收藏。

第1篇：化學(xué)纖維的鑒別方法范文

關(guān)鍵詞：銅離子；腈綸；定性

1 引言

銅離子纖維具有優(yōu)良的抗菌性能，人體能將其代謝，且相對于銀價(jià)格合理，目前各種銅離子纖維技術(shù)也日益成熟，有兩種方式制得的銅離子抗菌纖維的耐持久性好：一是通過離子交換法在棉纖維上鍍氧化銅，二是通過共混紡絲法在滌綸、腈綸、錦綸等化纖上引入銅離子基[1]。

由于銅離子基的引入，使得纖維大分子鏈改變，進(jìn)而纖維原有的物理、化學(xué)性質(zhì)發(fā)生改變，導(dǎo)致紡織品檢測時(shí)纖維原標(biāo)準(zhǔn)檢測方法與檢測結(jié)果發(fā)生偏差，甚至相反，這給紡織品檢測帶來了困難和考驗(yàn)，例如本文涉及的這種功能性銅離子腈綸。

隨著科技的飛速發(fā)展，人們對紡織品的要求越來越高，差別化纖維、功能性纖維等新型纖維層出不窮。所以紡織品檢測要跟緊步伐，及時(shí)更新、制定紡織品檢測標(biāo)準(zhǔn)十分必要。

2 試驗(yàn)部分

2.1 試驗(yàn)儀器及試劑

HD500溫控振蕩水浴鍋，南通宏大試驗(yàn)儀器有限公司；WRX-1S熔點(diǎn)儀，蘇州江東精密儀器有限公司；生物顯微鏡（纖維細(xì)度儀CU一6），和眾視野；98%硫酸、37%鹽酸、堿性次氯酸鈉、濃硝酸、88%甲酸、99%冰乙酸、N，N-二甲基甲酰胺（DMF）、硫氰酸鉀（AR，國藥集團(tuán)化學(xué)試劑有限公司）；三級水。

2.2 顯微鏡觀察法、燃燒法鑒別

將纖維刮散夾入蓋玻片，滴入試劑制樣，在放大400倍的顯微細(xì)度儀下，觀察纖維的縱向形態(tài)，加以鑒別；將纖維束慢慢靠近火焰，觀察其燃燒性質(zhì)、熔縮狀態(tài)、氣味以及燃燒殘?jiān)?/p>

2.3 溶解鑒別

將少量纖維試樣置于小燒杯中，加入配制好的溶液在特定的溫度下振蕩30min，觀察纖維溶解情況，各試劑均按照FZ/T 01057.4―2007《紡織纖維鑒別方法第4部分：溶解法》配制。

2.4 熔點(diǎn)儀法

取少量纖維置于兩片蓋玻片之間，置于熔點(diǎn)儀顯微鏡上，調(diào)焦使纖維清晰成像，熔點(diǎn)儀升溫速率為5℃/min，此過程中仔細(xì)觀察纖維形態(tài)變化，熔點(diǎn)儀最高溫度為280℃。

3 結(jié)果與推斷

3.1 纖維的試劑溶解特性及前后顯微鏡下形態(tài)的變化

銅離子纖維的溶解情況見表1，纖維溶解前后的形態(tài)見圖1。

由圖1（1）溶解前纖維原始縱面形態(tài)可看出，纖維表面不光滑，有規(guī)則的菱形紋路，縱向粗細(xì)均勻，可以初步排除天然棉麻的可能。表1各試劑的溶解特性中纖維不溶解于堿性次氯酸鈉，排除天然蛋白質(zhì)纖維，即蠶絲和羊毛；濃硫酸不能將其溶解排除了纖維素纖維的可能。至此得出該纖維是一種化學(xué)纖維。

3.2 纖維的燃燒特性和熱學(xué)性質(zhì)

將纖維束慢慢靠近火焰時(shí)，纖維熔縮，這驗(yàn)證了其化學(xué)纖維的判斷；置于火焰中時(shí)纖維燃燒，放出辛辣味，類似于腈綸，但有異于傳統(tǒng)腈綸；燃燒后形成易碎硬塊殘?jiān)?。由此初步判斷為一種腈綸。

圖2 纖維熔點(diǎn)儀加熱至280℃后纖維形態(tài)

由圖2可見，纖維加熱至280℃仍未熔融，纖維無固定熔點(diǎn)，根據(jù)FZ/T 01057. 4―2007《紡織纖維鑒別方法 第6部分：熔點(diǎn)法》，可以進(jìn)一步判斷出這是一種腈綸。根據(jù)客戶提供這是一種銅離子改性纖維，最終判斷該纖維為銅離子腈綸。

4 建議

本文針對一種銅離子改性腈綸，采用了纖維鏡法、燃燒法、溶解法、熔點(diǎn)法這4種檢驗(yàn)室常用方法做了其定性判斷的探討，總結(jié)了一些纖維定性方面的建議：

（1）纖維定性工作要求試驗(yàn)人員耐心仔細(xì)，顯微鏡法觀察時(shí)要勤滴試劑。若不加試劑或觀察不夠仔細(xì)則很容易將其誤判為滌綸。

（2）纖維定性工作要不厭其煩，在一種方法不能確認(rèn)時(shí)要采取多種方法配合，采用排除法推斷，逐步縮小纖維的范圍，最終確認(rèn)。對照上述銅離子腈綸的溶解特性，普通腈綸溶解于濃硝酸、90℃DMF和煮沸的65%硫氰酸鉀，而這種銅離子腈綸在這幾種溶劑中并不溶解或只是溶脹，很多檢驗(yàn)人員錯(cuò)誤地將腈綸排除，這種腈綸在引入銅離子基團(tuán)后其大分子鏈發(fā)生了變化，使得它的溶解性質(zhì)發(fā)生改變，溶解法不能準(zhǔn)確地對其定性；另外銅離子的引入也混淆了纖維原有的燃燒氣味，進(jìn)一步增加了定性的難度。

（3）本文涉及的銅離子纖維最主要的判斷依據(jù)是它沒有固定的熔點(diǎn)，在排除了其天然纖維、纖維素纖維的可能之后，沒有固定熔點(diǎn)的只有腈綸。

參考文獻(xiàn)：

第2篇：化學(xué)纖維的鑒別方法范文

本文介紹了拉曼光譜和利用化學(xué)計(jì)量學(xué)方法處理拉曼光譜的過程，簡述了拉曼光譜應(yīng)用于紡織纖維檢測的可行性，最后介紹了本單位在應(yīng)用拉曼光譜和化學(xué)計(jì)量學(xué)進(jìn)行纖維檢測方向的初期研究成果。

關(guān)鍵詞：拉曼光譜；化學(xué)計(jì)量學(xué)；纖維檢測

1 拉曼光譜的簡介

印度物理學(xué)家C.V.Raman于1928年發(fā)現(xiàn)拉曼光譜并因此榮獲諾貝爾物理獎(jiǎng)。自此以后，拉曼光譜作為一種分子級別的物質(zhì)結(jié)構(gòu)分析手段被廣泛應(yīng)用。特別是在20世紀(jì)60年代后，隨著高通量激光光源的產(chǎn)生、微弱信號檢測技術(shù)的提高、化學(xué)計(jì)量學(xué)的高速發(fā)展和計(jì)算機(jī)的普及，拉曼光譜分析技術(shù)在很多領(lǐng)域得到了大力發(fā)展[1]。

拉曼散射是光照射到物質(zhì)上發(fā)生的非彈性散射所產(chǎn)生的。單色光的入射光子與分子相互作用時(shí)可發(fā)生彈性碰撞和非彈性碰撞。彈性碰撞中，光子與分子之間沒有能量交換，碰撞的發(fā)生只改變了光子的方向而不改變光子的頻率，這種碰撞方式也稱為瑞利散射。而非彈性碰撞過程中，光子不僅僅改變運(yùn)動方向，同時(shí)光子的一部分能量傳遞給分子，或者分子的振動、轉(zhuǎn)動能量傳遞給光子，從而改變了光子的頻率，這種散射過程稱為拉曼散射[2]。拉曼散射光和瑞利光的頻率之差值稱為拉曼位移。拉曼位移就是分子振動或轉(zhuǎn)動頻率，與入射頻率無關(guān)，而與分子結(jié)構(gòu)有關(guān)。拉曼光譜與紅外光譜類似，同屬于散射光譜中的一種，其信號來源于分子的振動與轉(zhuǎn)動。但紅外光譜與分子振動時(shí)的偶極矩變化相關(guān)，而拉曼散射則是分子極化率變化的結(jié)果。分子結(jié)構(gòu)分析中，拉曼光譜與紅外光譜是相互補(bǔ)充的[2， 3]。

拉曼光譜是一種振動光譜，與物質(zhì)自身的結(jié)構(gòu)相關(guān)，拉曼光譜技術(shù)對樣品無接觸、無損傷，測試前無須特殊前處理過程，可提供快速、簡便無損傷的定性定量分析。在分析研究領(lǐng)域，拉曼光譜與其他分析方法相比，還具有以下的突出優(yōu)點(diǎn)[4-6]：

（1）無損、快速、無污染。拉曼光譜是一種純粹的光學(xué)檢測方法，其分析過程無須制樣、不破壞樣品、不產(chǎn)生污染；分析過程快速，重現(xiàn)性好。

（2）檢測靈敏度較高。新開發(fā)的激光拉曼分析技術(shù)和多種聯(lián)用拉曼光譜技術(shù)，如顯微拉曼光譜技術(shù)、表面增強(qiáng)拉曼光譜技術(shù)等，大大提高了拉曼光譜的探測靈敏度。

（3）不受水的影響。由于水的拉曼散射很微弱，適合含水樣品的測試，對含水樣品來說是非常理想的分析工具。

（4）高分辨率。拉曼光譜譜峰清晰尖銳，適合定量研究、數(shù)據(jù)庫搜索以及運(yùn)用差異分析進(jìn)行定性研究。在化學(xué)結(jié)構(gòu)分析中，獨(dú)立的拉曼區(qū)間的強(qiáng)度可以和功能集團(tuán)的數(shù)量相關(guān)。

2 國內(nèi)外拉曼光譜技術(shù)發(fā)展?fàn)顩r及其在紡織纖維檢測中的應(yīng)用

隨著拉曼光譜技術(shù)的迅速發(fā)展以及與化學(xué)計(jì)量學(xué)的緊密結(jié)合，拉曼光譜越來越多地被應(yīng)用于過程監(jiān)控、反應(yīng)機(jī)理研究、材料分析等方面[7]。拉曼光譜技術(shù)除了應(yīng)用于眾多的科研項(xiàng)目外，還被廣泛應(yīng)用于醫(yī)藥、環(huán)境、食品、寶石鑒定等快速分析檢測領(lǐng)域?？殿U璞等[8]利用電解法制備銀膜，使用在氯霉素拉曼光譜中，可快速檢測出食品中殘留的對人體骨髓有重大傷害的氯霉素。陶家友等[9]直接測量居室環(huán)境中的甲醛分子產(chǎn)生的拉曼光譜，快速測定了密閉環(huán)境中的甲醛濃度，為揮發(fā)性有機(jī)物的快速、準(zhǔn)確檢測提供了一種新方法。馬寒露等[10]使用便攜式拉曼光譜儀，結(jié)合化學(xué)計(jì)量學(xué)的方法，較好地鑒別了蘋果汁中摻入梨汁的造假行為，建立了鑒別方法，為其他摻偽問題的解決提供了借鑒。

除了上述的分析檢測領(lǐng)域，紡織品纖維成分定性鑒別和定量分析也是拉曼光譜分析技術(shù)應(yīng)用的另一熱點(diǎn)。棉、麻、毛、絲等大多數(shù)天然纖維及再生纖維素纖維等都具有較顯著的吸濕性能，一小部分合成纖維的吸濕性能也較顯著，若應(yīng)用紅外光譜法進(jìn)行檢測，須進(jìn)行一定的前處理才能得到較好的結(jié)果，而由于拉曼光譜對水分子不敏感，且擁有上述優(yōu)點(diǎn)，拉曼光譜不需要繁瑣的前處理過程，被視為未來紡織纖維材料檢測的一種新手段。喬西婭等[11]通過直接測取織物、紗線或纖維的激光拉曼光譜，結(jié)合光譜預(yù)處理技術(shù)與特征峰提取、匹配識別方法定性鑒別了滌綸、腈綸、錦綸、粘膠等纖維，并利用94份測試樣品驗(yàn)證了其算法的有效性。吳儉儉[12]等針對當(dāng)前纖維定性鑒別方法存在的缺點(diǎn)，開發(fā)拉曼光譜定性鑒別方法，通過對紡織纖維原始拉曼譜圖的特性分析、光譜預(yù)處理等得到了信噪比更高的標(biāo)準(zhǔn)拉曼譜圖，建立了拉曼譜圖特征表數(shù)據(jù)庫，初步驗(yàn)證了拉曼光譜定性分析纖維紡織材料的可行性。

3 化學(xué)計(jì)量學(xué)在拉曼光譜中的應(yīng)用

拉曼光譜技術(shù)引入分析化學(xué)領(lǐng)域以來，以其獨(dú)特的優(yōu)勢吸引了分析化學(xué)家的注意。拉曼光譜雖從實(shí)驗(yàn)中較易得到，但其反映的分子振動信息是以一種復(fù)雜的形式加和在一起，因此給拉曼光譜的解析帶來了很大困難。隨著化學(xué)計(jì)量學(xué)的引入，大大地降低了提取物質(zhì)相關(guān)信息的難度，使拉曼光譜分析技術(shù)的應(yīng)用范圍得到了拓寬。為了得到有效的拉曼光譜，使所建的模型穩(wěn)健可靠，有足夠的預(yù)見性，在進(jìn)行數(shù)據(jù)分析前須對實(shí)驗(yàn)所得到的拉曼光譜進(jìn)行預(yù)處理，預(yù)處理過程包括信號平滑和背景扣除兩部分。

3.1 拉曼光譜的信號平滑算法

拉曼光譜獲取的過程中，由于拉曼散射效應(yīng)信號微弱、儀器自身設(shè)計(jì)和操作者水平等原因，采集得到的拉曼光譜或多或少都會存在噪聲。噪聲是無用信息，還會對有效信息造成干擾。噪聲可分為三類：第一類是沒有規(guī)律的，與測量技術(shù)和環(huán)境影響相關(guān)，多次測量疊加后取平均值時(shí)噪聲沒有線性增加，可通過增加測量次數(shù)提高信噪比；第二類是有規(guī)律的，隨著測量次數(shù)的增加，噪聲也增加；第三類是前兩種的結(jié)合，即無規(guī)律噪聲。拉曼光譜中某些樣品的光譜漂移就是第三類情況?；瘜W(xué)計(jì)量學(xué)上常用信號平滑來消除隨機(jī)噪聲，提高信噪比。信號平滑算法主要有窗口移動多項(xiàng)式最小二乘擬合[13-16]、窗口移動中位數(shù)[17， 18]、快速傅里葉變換、懲罰最小二乘[19]、小波系數(shù)收縮[20]等算法。

3.2 拉曼光譜的背景扣除算法

對拉曼光譜影響最大的背景，就是熒光響應(yīng)，為了有效地提取數(shù)據(jù)信息進(jìn)行多變量定性定量分析，在預(yù)處理時(shí)要先將無用的背景扣除。扣除背景分為硬扣除和軟扣除兩種。硬扣除指的是改進(jìn)實(shí)驗(yàn)儀器性能或操作條件，如更換波長更大的激發(fā)光源、對不同的樣品采取不同的試驗(yàn)條件等；軟扣除指的是利用化學(xué)計(jì)量學(xué)方法扣除拉曼光譜的熒光背景，常用于扣除背景的算法有手動線性背景擬合法[21]、不對稱最小二乘法[22]、全自動背景扣除算法[23]和自適應(yīng)迭代重加權(quán)懲罰最小二乘算法[24]等。

3.3 聚類與分類算法（定性鑒別）

在光譜預(yù)處理完成后，就對數(shù)據(jù)進(jìn)行分類，也就是常說的定性鑒別，在化學(xué)計(jì)量學(xué)上稱這種方法為聚類與分類法。聚類是研究樣品分類問題的一種統(tǒng)計(jì)分析方法。拉曼光譜數(shù)據(jù)通過化學(xué)計(jì)量學(xué)方法進(jìn)行聚類或者分類分析建立模型，對新測定的樣品數(shù)據(jù)進(jìn)行已知類樣本模型比對，以預(yù)測位置樣品的類歸屬。聚類與分類算法常有以下幾種算法：主成分分析[25]、偏最小二乘線性判別式分析、偏最小二乘判別分析[26]等。

3.4 回歸分析（定量分析）

在定性鑒別完成后，可以進(jìn)一步對樣品進(jìn)行定量分析?；瘜W(xué)計(jì)量學(xué)常用回歸分析算法進(jìn)行定量計(jì)算，就是根據(jù)聚類與分類的結(jié)果，對數(shù)據(jù)信號進(jìn)行深入處理，建立一個(gè)數(shù)據(jù)回歸規(guī)律模型，以對其他未知數(shù)據(jù)進(jìn)行定量分析，概括來講就是用一個(gè)函數(shù)來表示應(yīng)變量和自變量之間的關(guān)系?；貧w分析按照其自變量的多少，可以分為一元回歸分析和多元線性回歸分析；按照自變量和應(yīng)變量的關(guān)系可以分為線性回歸和非線性回歸。不論是何種回歸分析，基本都包含以下步驟：回歸模型的建立、模型參數(shù)的求解、模型的評價(jià)、能很好模擬實(shí)測數(shù)據(jù)的模型選擇、根據(jù)自變量對新樣品的進(jìn)一步預(yù)測。常用的回歸算法有主成分回歸[27， 28]、偏最小二乘回歸[29]和支持向量回歸[30]。

4 應(yīng)用前景及研究進(jìn)展

當(dāng)前，分析測試技術(shù)受到越來越多的關(guān)注與重視，隨著各種新型材料的出現(xiàn)，傳統(tǒng)的檢測手段在一定程度上難以適應(yīng)新的要求。目前行業(yè)內(nèi)常用的纖維鑒別方法有顯微鏡觀察法、燃燒法、化學(xué)溶解法等，但這些方法耗時(shí)長，不適宜現(xiàn)場快速鑒定。而拉曼光譜是反映分子極化率變化與振動信息的一種散射光譜，不同的紡織纖維具有不同的拉曼光譜特征，可以利用這些特征結(jié)合其他定性鑒別的方法區(qū)分纖維種類。

本單位以開發(fā)床上用品纖維成分現(xiàn)場檢驗(yàn)鑒定技術(shù)為目的，利用美國必達(dá)泰克公司（B&W Tek， Inc.）的便攜式拉曼光譜儀i-Raman EX對超過1000個(gè)純棉、純滌樣品進(jìn)行測試。全部樣品譜圖通過Matlab進(jìn)行信號平滑和背景扣除的數(shù)據(jù)預(yù)處理。通過對各種預(yù)處理方法的比較，我們認(rèn)為運(yùn)用自適應(yīng)迭代重加權(quán)懲罰最小二乘算法對樣品數(shù)據(jù)進(jìn)行預(yù)處理可以得到最大限度保留樣本光譜有效信息的數(shù)據(jù)，棉和滌綸的拉曼光譜圖如圖1和圖2所示。

圖1 預(yù)處理前（左）后（右）純棉樣品拉曼譜圖

圖2 預(yù)處理前（左）后（右）滌綸樣品拉曼譜圖

預(yù)處理之后的光譜包含有織物的特征信息，我們將大量的數(shù)據(jù)混合后通過主成分分析、偏最小二乘線性判別式分析、偏最小二乘判別分析等聚類與分類計(jì)算，嘗試將它們分類，也就是我們常說的纖維成分定性。我們發(fā)現(xiàn)運(yùn)用主成分分析法能很好地將純棉和純滌的混合光譜聚類分離，如圖3所示，紅色表示純棉樣品，黑色表示純滌樣品。結(jié)果表明，運(yùn)用主成分分析方法，能將光譜的有效信息充分區(qū)分，并直觀顯示出來。主成分分析非常適合用對紡織纖維進(jìn)行定性分析。

圖3 300個(gè)純棉、純滌混合樣品主成分分析圖

化學(xué)計(jì)量學(xué)方法是拉曼光譜檢測技術(shù)應(yīng)用發(fā)展的重要推動力量，其與拉曼光譜檢測技術(shù)的結(jié)合對紡織纖維的快速、無損檢測有著至關(guān)重要的作用。隨著數(shù)據(jù)分析的進(jìn)一步深入，拉曼光譜技術(shù)將從紡織纖維的定性鑒別應(yīng)用階段跨入定量檢測應(yīng)用階段，估計(jì)在不久的將來，以拉曼光譜為核心技術(shù)的紡織纖維定性定量分析標(biāo)準(zhǔn)將會誕生。

參考文獻(xiàn)：

[1]朱自瑩， 顧仁敖，陸天虹.中國拉曼光譜研究十年（1981～1991）[J].光譜學(xué)與光譜分析， 1993，（01）：49-84.

[2]田國輝， 陳亞杰，馮清茂.拉曼光譜的發(fā)展及應(yīng)用[J].化學(xué)工程師， 2008：（01）： 34-36.

[3]喬西婭. 拉曼光譜特征提取方法在定性分析中的應(yīng)用[D].杭州：浙江大學(xué)，2010.

[4]程光煦.拉曼、布里淵散射： 原理及應(yīng)用[M].北京： 科學(xué)出版社，2001：120.

[5]白利濤， 張麗萍，趙國文.拉曼光譜的應(yīng)用及進(jìn)展[J].福建分析測試， 2011，（02）： 27-30.

[6]宮衍香， 呂剛，馬傳濤.拉曼光譜及其在現(xiàn)代科技中的應(yīng)用[J].現(xiàn)代物理知識， 2006，（01）： 24-28.

[7] 黃海平， 田英芬， 何尚錦， 等. 拉曼光譜在高分子中的應(yīng)用新進(jìn)展[J]. 熱固性樹脂， 2001， （02）： 38-44.

[8]康頤璞， 司民真，劉仁明.氯霉素在電解法制備納米銀膜上的表面增強(qiáng)拉曼光譜的研究[J].光散射學(xué)報(bào)， 2009，（01）： 25-28.

[9] 陶家友， 黃鷹， 廖高華，等. 甲醛濃度的激光拉曼光譜檢測研究[J]. 光散射學(xué)報(bào)， 2008， （04）： 346-349.

[10] 馬寒露， 董英， 張孝芳， 等. 拉曼光譜法快速檢測摻入梨汁的濃縮蘋果汁[J]. 分析測試學(xué)報(bào)， 2009， （05）： 535-538.

[11]喬西婭， 戴連奎，吳儉儉.拉曼光譜特征提取在化學(xué)纖維定性鑒別中的應(yīng)用[J].光譜學(xué)與光譜分析， 2010，（04）： 975-978.

[12] 吳儉儉， 孫國君， 戴連奎， 等. 紡織纖維拉曼光譜定性分析法[J]. 紡織學(xué)報(bào)， 2011， （06）： 28-33.

[13]Gorry， P.A. General least-squares smoothing and differentiation by the convolution （Savitzky-Golay） method[J]. Analytical Chemistry， 1990， 62（6）： 570-573.

[14]Madden， ments on the Savitzky-Golay convolution method for least-squares-fit smoothing and differentiation of digital data[J]. Analytical Chemistry， 1978， 50（9）： 1383-1386.

[15]Savitzky， A. and M.J.E. Golay.Smoothing and Differentiation of Data by Simplified Least Squares Procedures[J]. Analytical Chemistry， 1964，36（8）： 1627-1639.

[16]Steinier， J.， Y. Termonia， and J. Deltour， Smoothing and differentiation of data by simplified least square procedure[J]. Analytical Chemistry， 1972，44（11）： 1906-1909.

[17]尼珍， 胡昌勤，馮芳.近紅外光譜分析中光譜預(yù)處理方法的作用及其發(fā)展[J].藥物分析雜志， 2008，（05）： 824-829.

[18] 夏俊芳， 李培武， 李小昱，等. 不同預(yù)處理對近紅外光譜檢測臍橙VC含量的影響[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào)， 2007， （06）： 107-111.

[19]Eilers， P.H.C.. A Perfect Smoother[J]. Analytical Chemistry， 2003，75（14）： 3631-3636.

[20] Daubechies， I.Ten lectures on wavelets[M]. SIAM， 1992.

[21]陳珊. 拉曼光譜背景扣除算法及其應(yīng)用研究[D]. 長沙： 中南大學(xué)， 2011.

[22]Eilers， P.H.， H.F. Boelens. Baseline correction with asymmetric least squares smoothing[J]. Leiden University Medical Centre Report， 2005.

[23]Carlos Cobas， J.， et al.， A new general-purpose fully automatic baseline-correction procedure for 1D and 2D NMR data[J]. Journal of Magnetic Resonance， 2006，183（1）： 145-151.

[24]Zhang， Z.-M.， S. Chen， Y.-Z. Liang. Baseline correction using adaptive iteratively reweighted penalized least squares[J]. Analyst， 2010， 135（5）： 1138-1146.

[25]Wold， S.， K. Esbensen， P. Geladi.Principal component analysis[J]. Chemometrics and Intelligent Laboratory Systems， 1987，2（1–3）： 37-52.

[26]Geladi， P.， B.R. Kowalski. Partial least-squares regression： a tutorial[J]. Analytica Chimica Acta， 1986. 185（0）： 1-17.

[27]羅文海， 萬巧云，高永.主成分回歸分析與多元線性回歸的對比研究[J].數(shù)理醫(yī)藥學(xué)雜志， 2003，（02）： 140-143.

[28]Jolliffe， I.T. Principal Components in Regression Analysis[J]. Principal Component Analysis， 2002： 167-198.

[29]秦浩， 林志娟， 陳景武.偏最小二乘回歸原理、分析步驟及程序[J].數(shù)理醫(yī)藥學(xué)雜志， 2007（04）： 450-451.