[發明專利]堆肥中對苯二酚的在線檢測方法及檢測系統

無效

• 申請號: 200810031757.1
• 申請日: 2008-07-14
• 公開（公告）號: CN101349700A
• 公開（公告）日: 2009-01-21
• 發明（設計）人: 曾光明;章毅;湯琳;晏銘;杜春艷;黃國和;李文衛
• 申請（專利權）人: 湖南大學
• 主分類號: G01N33/558
• 分類號: G01N33/558;G01N27/327;G06F19/00
• 代理公司: 湖南兆弘專利事務所
• 代理人: 趙洪

技術領域

本發明涉及一種對苯二酚的在線檢測方法及系統，尤其涉及一種利用生物化學電極 和神經網絡模型進行對苯二酚檢測的方法及系統。

背景技術

酚類物質是大規模有機化工工業非常重要的基本原料和副產物，在環境中存在很廣， 難以被生物或非生物降解，具有高毒性。作為公認的有害物質，酚對人體健康和環境有 很大的影響。在城市生活垃圾堆肥系統中，存在有多種酚類污染物，堆肥菌種通過分泌 出的木質素過氧化物酶、錳過氧化物酶、漆酶和酚氧化酶等多種酶，均可以催化酚類物 質的解毒和氧化。因此，有必要對堆肥過程中的酚類物質進行監測控制。

目前，對于酚含量的測定采用較多的有分光光度法、高效液相色譜法(HPLC)、氣 相色譜法等方法進行檢測。但這些方法由于底物濁度的要求和光干擾物質的影響，限制 了其精確性和使用范圍，還往往需要進行繁瑣耗時的預處理，此外檢測儀器比較昂貴， 且不便攜帶，不能進行實時檢測。生物傳感器是近年來發展起來的可以對環境中有害物 質進行快速、準確、實時檢測的新方法，其靈敏度高、選擇性好、操作簡單，正逐步走 向微型化、陣列化，從單一測定發展成同時測定多種物質，傳感技術也在不斷更新，越 來越廣泛地應用在環境監測領域中。此前，我們開發了基于磁性納米粒子固定技術的漆 酶傳感器用于垃圾堆肥中對苯二酚的檢測，實現了堆肥系統中酚類物質的快速檢測。然 而，受線性檢測范圍的影響，將傳感器用于實際樣品檢測，有一定局限性。

生物傳感器與神經網絡相結合的檢測方法是近年來污染物快速檢測的一種趨勢，不 僅繼承了生物傳感器快速、簡便，靈敏的優勢，還能有效避免檢測范圍限制、信號重疊 和干擾等影響，實現污染物快速準確檢測。神經網絡由于其固有的自學習、自適應、自 組織和大規模并行處理等能力，已經在模式識別、信號處理、系統辨識、控制以及優化 等領域得到了廣泛的應用，尤其在復雜系統的預測和軟測量領域顯示了巨大的優越性。 因此，如何結合生物傳感器技術與人工神經網絡技術建立一種在線檢測系統，實現對堆 肥系統中對苯二酚的實時在線測定，就成為本領域技術人員所要解決的一個問題。

發明內容

本發明要解決的技術問題是克服現有技術的不足，提供一種簡便、高效、抗干擾能 力強的堆肥中對苯二酚的在線檢測方法，還提供一種成本低、靈敏度高、檢測速度快、 檢測結果更準、檢測范圍更寬的堆肥中對苯二酚的在線檢測系統。

生物傳感器與人工神經網絡相結合的檢測方法是近年來污染物快速檢測的一種趨 勢，能有效避免檢測范圍限制、信號重疊和干擾等影響，實現污染物快速準確檢測。漆 酶生物傳感器利用漆酶(laccase，EC?1.10.3.2)催化空氣中的氧氣直接氧化對苯二酚，使 對苯二酚的一個羥基失去H⁺，變成醌類物質，再由電極表面補償一個電子將其還原成對 苯二酚，這一過程可產生響應電流信號進行識別。神經網絡由于其固有的自學習、自適 應、自組織和大規模并行處理等能力，能進行非線性和信號重疊分析，尤其在復雜系統 的預測和軟測量領域顯示了巨大的優越性。本發明正是利用上述原理將生物傳感技術和 神經網絡模型分析相結合，提出了一種堆肥中對苯二酚的在線檢測方法，其特征在于首 先，將生物傳感器置于待測溶液中，利用電化學分析儀對生物傳感器采集的電流變化數 據進行分析，得到響應電流變化特征曲線、響應電流穩定時間和穩態電流值，由響應電 流變化特征曲線確定出響應電流變化特征值，將響應電流變化特征值、響應電流穩定時 間和穩態電流值作為輸入向量輸入到神經網絡分析設備中，經人工神經網絡模型分析運 算后得到輸出向量，該輸出向量即為待測溶液中對苯二酚的濃度值。

上述在線檢測方法中用到的生物傳感器為修飾了漆酶-Fe₃O₄磁性納米顆粒交聯體的 碳糊電極。該生物傳感器的工作條件為：

還原電位?????????-0.232V

磷酸鹽緩沖溶液???pH值5.5。

上述在線檢測方法中用到的電化學分析儀是采用計時電流法對電流變化數據進行分 析。

上述神經網絡分析設備中的人工神經網絡模型是采用包括輸入層、隱含層和輸出層 的三層反饋型神經網絡模型，其中隱含層設有十個隱含層神經元，隱含層的傳遞函數為 對數S型傳遞函數(Logsig)，輸出層的傳遞函數為對數S型傳遞函數，所述人工神經網 絡模型采用的算法為麥夸特法(Levenberg-Marquardt算法)。