趙 國，王 輝，劉 剛

（中國農業(yè)大學現(xiàn)代精細農業(yè)與系統(tǒng)集成教育部重點實驗室，中國農業(yè)大學農業(yè)部農業(yè)信息獲取技術重點實驗室，北京 100083）

1 引言

鎘是土壤環(huán)境中最具毒性的重金屬之一，由于鎘的不可生物降解性和持續(xù)性，鎘可以對人類身體健康帶來嚴重威脅。鎘進入人體的主要方式是通過食用土壤中種植的農作物直接或間接的進入人體。因此，開發(fā)一種快速、簡單、準確和可靠的土壤重金屬原位檢測方法是非常有必要的。電感耦合等離子發(fā)射光譜法、紫外可見光譜、原子熒光光譜法、表面增強拉曼光譜法、電感藕合等離子體質譜、原子吸收光譜法和比色分析法等方法可用來檢測土壤重金屬，但是這些分析方法具有費時、檢測成本較高，需要復雜的儀器設備，不適于原位檢測等缺點。方波溶出伏安法作為一種電化學分析方法，具有易于操作、檢測成本低、可靠性高、儀器設備簡單、響應和分析速度快等特點。但是較多文獻報道，非目標重金屬離子的存在往往會降低校準模型的檢測精度。

化學修飾電極作為重金屬電化學檢測的熱門研究領域，可以有效地提高電極的電化學屬性。隨著工業(yè)、環(huán)境和食品領域中對有害物質分析需求的與日俱增，具有易于大量產生，制備簡單，檢測成本低等優(yōu)點的絲網印刷電極，多被用于重金屬原位即時檢測。但是，在絲網印刷電極制備過程中所使用的不導電粘合劑和絕緣聚合物可能會降低電子傳輸能力和屏蔽具有電化學活性的碳顆粒，進而導致多相反應中較差的動力學的產生。離子液體具有許多優(yōu)良的屬性，比如優(yōu)良的物理和化學屬性，較寬的電勢窗口和較高的離子導電性。離子液體與碳材料結合構建新的導電復合物，用于修飾電極具有較大的應用前景。在過去的幾十年里，較多文章報道了化學修飾電極用于鎘離子的溶出伏安法檢測。有些研究考慮了在鎘離子溶出伏安檢測過程中鉛離子的干擾，但多數(shù)僅考慮了鉛離子在唯一指定濃度下對鎘離子的影響，而不是多種鉛離子濃度梯度。

機器學習方法作為一種人工智能方法，已經在較多領域得到應用。這種方法的優(yōu)點之一是可以在無法用具體解析式描述預測關系的情況下實現(xiàn)預測。盡管無法用具體的解析式描述輸入和輸出之間的關系，但是機器學習算法可以建立輸入和輸出之間的非線性關系，這使得機器算法可用于建立非線性的預測模型。支持向量機是一種新穎的機器學習算法，它基于統(tǒng)計學習理論，是非線性系統(tǒng)識別和預測的重要手段。粒子群優(yōu)化算法常用于支持向量機參數(shù)的選擇和提取、參數(shù)的自動尋優(yōu)以及多類分類算法中。本文使用粒子群優(yōu)化算法對支持向量機的相關參數(shù)進行自動優(yōu)化，同時改進粒子群支持向量機算法，用于分析、處理和解析鎘離子和鉛離子的溶出峰值以及鉛離子濃度和鎘離子濃度之間的非線性關系，并建立一個簡單和易于使用的重金屬鎘離子濃度預測模型。目前，將方波溶出伏安法和粒子群優(yōu)化支持向量機算法相結合，用于在鉛離子存在條件下預測鎘離子的濃度的研究未見報道。此外，本文使用N-辛基吡啶六氟硝磷酸鹽離子液體作為粘合劑和修飾劑制作可丟棄絲網印刷電極，并結合方波溶出伏安法和粒子群優(yōu)化支持向量機算法，用于優(yōu)化絲網印刷傳感器，提高鉛離子存在條件下，鎘離子濃度的預測精度。本文還研究了不同鉛離子濃度對鎘離子溶出峰值的影響，進而分析鉛離子溶出峰值與鎘離子濃度之間的關系。研究分析表明，方波溶出伏安法和粒子群優(yōu)化支持向量機算法相結合，對檢測不同樣品中的重金屬離子濃度具有潛在的應用前景。

2 材料和方法

2.1 試劑和設備

OPFP（純度＞99%），上海成捷化學有限公司；石墨粉（光譜純度，尺寸＜20 μm）和醋酸纖維素，國藥集團化學試劑有限公司；鉍離子、鉛離子和鎘離子標準溶液（1 000 mg/L），中國國家標準參考材料中心，醋酸緩沖液（0.1M）作為鎘離子檢測的支持電解質。其它所有的化學試劑均為分析純度并在使用時不做進一步提純處理。在實驗中所使用的水均為超純水（18.2 MΩ）。

使用日本JEOL有限公司生產的掃描式電子顯微鏡對電極表面微觀形貌進行分析，上海辰華有限公司生產的CHI660D型電化學工作站進行方波溶出伏安分析。絲網印刷電極三電極體系分別由碳工作電極，Ag/AgCl參比電極和碳對電極組成。所有的電化學檢測均在一個25mL的電解池內進行。磁力攪拌子用于在沉積過程中對溶液進行攪拌。

2.2 電極制作和修飾

0.1g OPFP和4.0g石墨粉加入到由5 mL 環(huán)己酮和5 mL丙酮組成的混合溶液中。然后將得到的混合物超聲處理12h，得到粘性油墨。接著將7μL粘性油墨滴涂到絲網印刷電極的工作電極上并在室溫下烘干。最后，使用稱量紙對電極表面進行打磨進而獲得一個新的均勻表面。

2.3 鉛離子存在下鎘離子的溶出伏安法檢測

鎘離子的方波溶出伏安檢測在0.1M醋酸-醋酸鈉緩沖液中進行，其中包含600 μg/L的鉍離子，通過原位電沉積的方式將鉍膜修飾到電極表面。在1μ g/L～110μg/L范圍內配制鎘離子和鉛離子在不同濃度梯度下的混合溶液。在沉積過程中使用-1.2V沉積電勢對重金屬離子進行電沉積150s，整個過程在攪拌條件下進行。沉積結束后，停止攪拌，并將溶液靜置10s。靜置結束后進行-1.2V～0.2V的電勢掃描，進而獲得溶出伏安圖譜。階躍電位、方波振幅和頻率分別為5mV，25mV和25Hz。在下一次檢測之前，攪拌過程則使用0.31V電勢對修飾電極進行150s的活化處理，用于去除電極表面殘留的金屬和鉍膜。以上所有實驗均在室溫下進行操作。

2.4 粒子群優(yōu)化支持向量機算法

支持向量機是一種強大的機器學習算法，它被廣泛的用于線性或非線性模型的構建。容量參數(shù)（C）和核函數(shù)參數(shù)（γ）決定了支持向量機的分類和擬合性能。首先，核函數(shù)需要確定映射空間中的樣本分布。徑向基函數(shù)具有良好的綜合性能并且在優(yōu)化過程中需要調整的參數(shù)較少，因此本研究使用徑向基函數(shù)作為核函數(shù)。參數(shù)C起到權衡增大效用和減少訓練誤差的作用。核函數(shù)參數(shù)γ影響了支持向量機中支持向量的數(shù)量，而支持向量的數(shù)量與支持向量機的預測性能和訓練時間密切相關。如果支持向量太多將會導致過度擬合并且增加了訓練的時間。除此之外，參數(shù)γ控制了徑向基函數(shù)的振幅，因此控制著支持向量機的迭代性能。粒子群優(yōu)化算法是一種有效的進化計算技術，其模仿鳥類尋找食物的行為對目標物進行搜索，被廣泛應用在函數(shù)優(yōu)化方面。支持向量機通過與粒子群算法相結合可以實現(xiàn)參數(shù)的自動尋優(yōu)，能夠根據不同情況下模型的預測性能，構建一種合理的和自適應的預測模型。在本篇文章中，提出了粒子群優(yōu)化支持向量機模型，用于預測鎘離子濃度以及鉛離子和鎘離子溶出峰電流之間的關系。模型的輸入變量為鎘離子溶出峰值和鉛離子溶出峰值，模型的輸出變量為鎘離子的濃度。使用絲網印刷電極同時結合方波溶出伏安法和粒子群優(yōu)化支持向量機，對鉛離子存在條件下的鎘離子進行精確檢測。使用平均絕對誤差（MAE）、均方根誤差（RMSE）和相關系數(shù)（R2）對PSO-SVM模型的預測性能進行表征。所有與PSOSVM相關的計算和仿真均通過使用MATLAB R2012b編程實現(xiàn)。

2.5 土壤樣品前處理

將土壤進行前處理獲得土壤浸提液。首先將土壤放入干燥箱中持續(xù)干燥2 h；接著使用便攜式土壤碾磨儀對土壤進行碾磨處理并用200 mm篩子過篩；取1g過篩后的土壤至浸提瓶中，并使用40 mL 0.11M的醋酸對土壤中的重金屬進行浸提；接著使用振蕩器對浸提液在室溫下振蕩處理16h；將振蕩處理后的混合物進行離心處理，使液相和固相分離；最后使用薄膜對液相提取物進行過濾，進一步去除溶液中雜質；根據優(yōu)化實驗的實驗結果，使用0.11M NaOH將浸提液的pH值調整到5.0。

3 結果與討論

3.1 實驗參數(shù)優(yōu)化

為了提高鉛離子存在條件下，鎘離子的精確檢測精度。本研究對方波溶出伏安法檢測重金屬鎘離子的相關參數(shù)進行了優(yōu)化，包括：緩沖液的pH 值，鉍離子濃度，沉積電勢和沉積時間。

本文研究了3.5～6pH值范圍內，緩沖液pH值對鎘離子溶出伏安電流的影響，如圖1所示。圖1a表示鎘離子的最大溶出電流出現(xiàn)在pH為5.0浸提液環(huán)境條件，后續(xù)的實驗中緩沖液的pH值均采用5.0。圖1b為鉍離子濃度對鎘離子溶出伏安電流的影響。鉍離子濃度在100～600 μg/L范圍內，隨著鉍離子濃度的增加，鎘離子的溶出電流增大，但是當鉍離子濃度超過600 μg/L時，隨著鉍離子濃度的增大鎘離子的溶出電流逐漸降低。在-0.8V～-12V的電勢范圍內，隨著負電勢的增加至-1.2V，鎘離子的溶出電流逐漸增加。這可能是鎘離子在更大的負電勢的作用下，更多的鎘離子被還原，但是當沉積電勢增大到-1.3V之后，鎘離子的溶出峰值逐漸降低，這可能是由于在較大的負電勢作用下，發(fā)生了析氫反應，導致了鎘離子溶出電流的降低。因此，在后續(xù)的實驗中使用-1.2V沉積電勢，如圖1c所示。如圖1d所示，鎘離子溶出電流隨著沉積時間的增加而增大，但是當沉積時間超過150s時，鎘離子的溶出電流隨著沉積時間的增加而增長緩慢。本研究在同時考慮靈敏度和檢測效率的基礎上，選擇150s的沉積時間用于后續(xù)的實驗。

圖1 pH，鉍離子濃度，沉積電勢和沉積時間對30μg/L鎘離子溶出電流的影響

3.2 鉛離子對鎘離子溶出伏安檢測的影響

未經修飾的絲網印刷電極和離子液體修飾后的絲網印刷電極的表面形貌，通過掃描式電子顯微鏡進行了表征，如圖2所示。其中圖2a為未經修飾的絲網印刷電極的掃描電鏡圖片，可以看出電極表面雜亂無章且分布著石墨薄片，這將會影響電極的導電性。圖2b描述了離子液體修飾絲網印刷電極的表面微觀形貌，可以觀察到一些緊湊的如同揉皺的紙張一樣的結構，表明了離子液體在石墨粉中具有良好的吸附性。離子液體和碳層之間良好的結合性質，不僅提高了電極表面的機械性能，而且提高了電極表面的電子傳遞速率。

圖2 未修飾網印刷電極和離子液體修飾后的絲網印刷電極的掃描式電子顯微鏡圖

圖3對比分析了使用不同修飾電極對40μg/L的鎘離子進行溶出伏安測試的結果。離子液體修飾后的絲網印刷電極（曲線b）與未經修飾的絲網印刷電極（曲線a）相比，前者具有較高的溶出峰值，這可能是由于離子液體良好的導電能力，增強了電極表面的電子傳輸并且提高了鎘離子在電極表面電沉積效率。曲線c中，原位鍍鉍膜修飾離子液體絲網印刷電極具有最高的溶出電流值，但鎘離子溶出峰值的提高可能是由于鉍膜與鎘形成合金，從而使得鎘離子更容易被還原的緣故。

圖3 40μg/L鎘離子分別在不同電極上的溶出伏安響應

盡管鉍膜修飾離子液體絲網印刷電極在鉛離子存在情況下，與未經修飾的絲網印刷電極相比對鎘離子具有較高的靈敏度，但是金屬離子之間的交互干擾將會降低目標金屬離子的檢測精度。為了實現(xiàn)鉛離子干擾下鎘離子的精確檢測，對不同濃度重金屬離子之間的溶出電流響應進行了研究。圖4是0，1，5，10，20，40，70，110μg/L不同鉛離子和鎘離子共存濃度梯度下，兩種重金屬離子的溶出伏安圖譜。不同濃度的鉛離子存在條件下，鎘離子的溶出峰值和鎘離子的濃度依舊呈現(xiàn)出良好的線性關系。但是，不同濃度鉛離子存在情況下，鎘離子的線性曲線與無鉛離子存在情況下鎘離子的線性曲線相比發(fā)生了變化。這說明在實際樣品中的鉛離子將會降低無鉛離子存在條件下鎘離子的線性曲線的預測精度。

圖5表征了不同濃度的鉛離子對鎘離子擬合曲線和溶出電流的影響。其中圖5a為不同濃度鉛離子存在條件下，鎘離子的線性曲線，可以看出，鎘離子的線性曲線，受到了不同濃度的鉛離子的干擾，導致了線性曲線較無鉛離子存在情況下的鎘離子的線性曲線發(fā)生了變化。圖5b描述了不同濃度鉛離子對鎘離子溶出峰值的影響，在1～70μg/L濃度范圍內，當鉛離子濃度為20μg/L時，鉛離子對鎘離子的溶出峰值影響最為顯著。當鉛離子濃度超過70μg/L時，鉛離子對鎘離子溶出峰值的影響依然存在并且更為顯著，這可能是由于鉛離子具有和鎘離子相似的電化學行為。此外，鉛離子的存在不僅僅會在沉積過程中對鎘離子在電極表面的還原產生影響，同時還會在溶出過程中對鎘離子從電極表面溶出產生消極影響，這是因為鉛離子可以和鎘、鉍形成多元合金。

圖4 1～110 μg/L濃度范圍內的鉛離子存在條件下的鎘離子溶出伏安圖譜

圖5 不同濃度的鉛離子對鎘離子擬合曲線和溶出電流的影響

相比無鉛離子存在時鎘離子的校準方程，鉛離子的存在將會干擾鎘離子的溶出響應，進而導致校準方程發(fā)生改變，從而降低校準模型對鎘離子的預測精度。表1為不同鉛離子存在下，鎘離子的校準曲線方程和相應的R2。可以看出，與無鉛離子存在下的校準曲線相比，不同鉛離子存在條件下鎘離子的校準方程發(fā)生了改變，包括斜率和截距。因此，鉛離子的存在將會導致校準模型對鎘離子的預測能力喪失。不同濃度的鉛離子將會引起鎘離子的校準方程產生不同程度的改變。

表1 Linear 不同鉛離子存在情況下鎘離子的校準方程

3.3 粒子群優(yōu)化支持向量機用于鎘離子檢測

3.3.1 模型訓練和優(yōu)化

本研究通過支持向量機算法建立非線性模型，用于檢測鉛離子干擾下的鎘離子濃度。鎘離子和鉛離子的溶出峰值作為模型的輸入變量，鎘離子的濃度作為輸出變量。SVM訓練是保證模型預測性能的至關重要的一步，需要使用一個訓練集對模型進行訓練。此外，用驗證集對SVM模型的預測性能進行驗證，使用粒子群優(yōu)化算法對SVM模型的參數(shù)進行自動優(yōu)化，包括C和γ，同時防止模型過度擬合。通過仿真分析，最終確定C和γ的值分別為64.674 1 和0.385 82。

3.3.2 模型構建與驗證

本研究中使用40組數(shù)據作為訓練集對模型進行訓練，同時使用9組數(shù)據作為驗證集對模型的預測精度進行預測。粒子群優(yōu)化支持向量機模型的適應性和預測精度，通過平均絕對誤差和均方根誤差進行評估。統(tǒng)計分析結果如表2所示，模型對訓練集和驗證集的預測精度都相對較高。為了進一步驗證所提出模型的預測精度，本研究同時使用一元校準模型和粒子群優(yōu)化支持向量機模型對驗證集進行預測，并將預測結果進行了對比分析，如圖6所示。其中圖6a和圖6b為校準模型和PSO-SVM模型預測性能對比分析圖，圖6c和6d為相應的線性擬合分析圖?？梢钥闯隽Ｗ尤簝?yōu)化支持向量機模型的預測精度明顯高于一元校準模型，粒子群優(yōu)化支持向量機模型的相關系數(shù)為0.998，而一元校準模型的相關系數(shù)為0.843.

表2 AAN模型對訓練集和驗證集的預測結果

圖6 校準模型和PSO-SVM模型預測性能對比（a和b）；校準模型和PSO-SVM模型線性擬合分析（c和d）

通過比較粒子群優(yōu)化支持向量機模型和一元校準模型對驗證集的預測結果的統(tǒng)計學參數(shù)，進一步驗證了粒子群優(yōu)化支持向量機模型的泛化能力，對比結果表3所示。在優(yōu)化條件下，進一步的統(tǒng)計分析結果表明，粒子群優(yōu)化支持向量機模型的預測精度遠遠高于一元校準模型，其平均絕對誤差、均方根誤差和相關系數(shù)分別為1.63μg/L、1.68μg/L和0.998，而一元校準模型的平均絕對誤差、均方根誤差和相關系數(shù)分別為14.95μg/L、20.01μg/L和0.843。進一步說明了鉛離子存在條件下，會大大降低一元校準模型對鎘離子的預測精度。

表3 校準模型和PSO-SVM模型預測結果對比分析

3.4 實際樣品分析

為了評估所提出方法的適用性，本研究對實際土壤樣品進行了分析。樣品前處理方法如2.5章節(jié)所述。為了消除銅離子對鎘離子溶出伏安檢測的影響，在檢測之前，將鐵氰化鉀溶液加入到土壤樣品浸提液中。優(yōu)化結果分析表明，0.1M的鐵氰化鉀溶液對銅離子的屏蔽效果最佳，可消除實際樣品中的銅離子對鎘離子和鉛離子的溶出峰值干擾。表4為使用本文所提出的方法對實際樣品的分析結果，平均回收率為98.56%，表明本方法的實用性。

4 結論

本文結合方波溶出伏安法、粒子群優(yōu)化支持向量機模型和鉍膜修飾離子液體絲網印刷電極，提出了一種用于鉛離子存在條件下對鎘離子高精度檢測新方法。粒子群優(yōu)化支持向量機在1～110μg/L的濃度范圍內對方波溶出伏安圖譜進行了非線性分析。此外，本研究制備了一個可丟棄的鉍膜修飾離子液體絲網印刷電極用于鎘離子的檢測，與傳統(tǒng)電極相比具備了更多優(yōu)點，例如較大的比表面積、高離子、電導率和良好的靈敏度。統(tǒng)計分析結果表明，粒子群優(yōu)化支持向量機模型與一元校準模型相比具有較高的預測精度。通過對實際樣品的分析，進一步說明了本方法的可行性，并且在環(huán)境污染物分析和食品質量安全監(jiān)測方面具有較大應用空間。

表4 實際樣品分析