Дистанционная идентификация и оценка концентрации кальция в объеме жидкости в условиях высокого давления

С помощью лазерно-искровой эмиссионной спектроскопии (LIBS) осуществлен удаленный анализ концентрации кальция в объеме жидкости в условиях высокого давления. Изучено влияние солености при определении концентрации Са. Классификаторы машинного обучения использованы для оценки неизвестной концентрации Ca в жидкой пробе для различных экспериментальных параметров или условий. Наблюдаются эмиссионные линии Ca II при 393 и 396 нм. Линии излучения хлора не наблюдаются из-за требований высоких энергий ионизации. С увеличением солености (NaCl) раствора образца до 2500 ppm отношение сигнал/шум сигнала LIBS улучшается в 0.85 раза. С увеличением атмосферного давления и удалением от объекта исследования интенсивность эмиссионной линии Ca II уменьшается. Противоположная тенденция наблюдается при увеличении плотности энергии излучения лазера и концентрации CaCl₂ · 2H₂O в растворе пробы. Период времени излучения Ca II 393 нм оценивается как (1/е)I₀, I₀ — максимальная интенсивность. Типичный период излучения Ca II 393 нм 6.712—6.766 мкс. Указанное значение получено для плотности энергии лазерного излучения 9 Дж/см², атмосферного давления 1 атм, при расстоянии от образца 0.6 м, 2500 ppm NaCl и 1500 ppm для CaCl₂ · 2H₂O. Обнаружено, что период излучения увеличивается с повышением концентрации CaCl₂ · 2H₂O в растворе образца и мощности лазерного излучения. Противоположная тенденция имеет место при увеличении давления окружающей среды и расстояния до образца. Результаты, полученные из спектральных и временных измерений, коррелируют друг с другом. Лучшие показатели производительности модели системы получены в фиксированных экспериментальных условиях с использованием классификатора k-ближайших соседей. 

1. B. Thornton, T. Takahashi, T. Sato, T. Sakka, A. Tamura, A. Matsumoto, et al., Deep Sea Res. I: Oceanogr. Res. Papers, 95, 20–36 (2015).

2. A. K. Knight, N. L. Scherbarth, D. A. Cremers, M. J. Ferris, Appl. Spectrosc., 54, No. 3, 331–340 (2000).

3. K. A. Miller, K. F. Thompson, P. Johnston, D. Santillo, Front. Mar. Sci., 4, 418 (2018).

4. S. M. Clegg, R.Wiens, A. K. Misra, S. K. Sharma, J. Lambert, S. Bender, et al., Appl. Spectrosc., 68, No. 9, 925–936 (2014).

5. J. Lasue, R. C. Wiens, S. M. Clegg, D. T. Vaniman, K. H. Joy, et al., J. Geophys. Res.: Planets, 117 (2012).

6. P. Zheng, H. Liu, J. Wang, M. Shi, X. Wang, B. Zhang, et al., J. Anal. At. Spectrom., 30, No. 4, 867–874 (2015).

7. G. U. O. Jinjia, A. S. Mahmoud, L. I. Nan, S. O. N. G. Jiaojian, R. Zheng, Plasma Sci. Technol., 21, No. 3, 034022 (2019).

8. A. P. Michel, M. Lawrence-Snyder, S. M. Angel, A. D. Chave, Appl. Opt., 46, No. 13, 2507–2515 (2007).

9. C. Goueguel, D. L. McIntyre, J. Jain, A. K. Karamalidis, C. Carson, Appl. Opt., 54, No. 19, 6071–6079 (2015).

10. C. Goueguel, J. P. Singh, D. L. McIntyre, J. Jain, A. K. Karamalidis, Appl. Spectrosc., 68, No. 2, 213–221 (2014).

11. C. L. Goueguel, J. C. Jain, D. L. McIntyre, C. G. Carson, H. M. Edenborn, J. Anal. At. Spectrom., 31, 1374–1380 (2016).

12. C. L. Goueguel, C. R. Bhatt, J. C. Jain, C. L. Lopano, D. L. McIntyre, Opt. Laser Technol., 108, 53–58 (2018).

13. N. Li, J. Guo, C. Zhang, Y. Zhang, Q. Li, Y. Tian, R. Zheng, Appl. Opt., 58, No. 14, 3886–3891 (2019).

14. M. Dell’ Aglio, M. Lopez-Claros, J. J. Laserna, S. Longo, A. De Giacomo, Spectrochim. Acta B: At. Spectroscopy, 147, 87 (2018).

15. V. Sathiesh Kumar, Nilesh J. Vasa, R. Sarathi, J. Phys. D: Appl. Phys., 48, 435504 (2015).

16. Rajendhar Junjuri, Arun Prakash Gummadi, Manoj Kumar Gundawar, Optic, 204, 163946 (2020).

17. Tomoko Takahashi, Soichi Yoshino, Yutaro Takaya, TatsuoNozaki, Koichi Ohki, Toshihiko Ohki, Tetsuo Sakka, Blair Thornton, Deep Sea Res. I: Oceanogr. Res. Papers, 158, 103232 (2020).

18. Liwen Sheng, Tianlong Zhang, Guanghui Niu, Kang Wang, Hongsheng Tang, Yixiang Duan, Hua Li, J. Anal. At. Spectrom., 30, 453–458 (2015).

19. H. Li'ao, W. A. N. G. Qianqian, Z. H. A. O. Yu, L. Li, P. Zhong, Plasma Sci. Technol., 18, No. 6, 647 (2016).

20. S Anubha Pearline, V. Sathiesh Kumar, IET Image Process., 13, No. 12, 2176–2182 (2019).

21. S. Marsland, Machine Learning a Algorithm Perspective, 2nd ed., CRC Press (2015).

22. NIST Handbook of basic atomic Spectroscopic data. http://physics.nist.gov/PhysRefData/Handbook/index.htmlS.

23. H. Hou, Y. Tian, Y. Li, R. Zheng, J. Anal. At. Spectrom., 29, 169–175 (2014).