Metrological study of ionic solutions by Raman spectrometry and statistical analysis - Archive ouverte HAL Access content directly
Theses Year : 2016

Metrological study of ionic solutions by Raman spectrometry and statistical analysis

Étude métrologique de solutions ioniques par spectrométrie Raman et analyses statistiques

(1)
1

Abstract

The objective of this research is to study the possibility of using conventional Raman spectroscopy for analysis, or in situ control of substances dissolved in water and to determine the limits of this technique. Several salt solutions were studied. Polyatomic ions such as nitrate (NO3-) give intense Raman lines around 1000 cm-1. Halide ions (F-, Cl-, Br-, I-) have no direct signature but indirectly affect the water spectrum. The methodology proposed in this work for identification and quantification of salt solutions is based on classical analysis of spectra using pre-treatment methods (normalization, baseline correction). The limits of detection of the studied ions correspond to the water potability limits. It is possible to go below the potability limits for nitrates and sulfates for example but it is impossible to reach them for some other substances (nitrite, ammonium). Then, statistical methods were used. Thus, the principal component analysis (PCA) allows to identify the nature of a salt solution (with direct or indirect signatures) and to acces to the molecular arrangements of ions with water. PLS regression quantifies the ions through predictive models. This method was used on pure solutions of nitrate and chloride with errors on the concentration predictions 4 to 5 times lower than those found by classical methods. Lower concentration ranges (10-100 mM) for the Cl- ion are reachable using these statistical methods
L’objectif de ce travail de recherche est d’étudier la possibilité d’utiliser la spectrométrie Raman dite "conventionnelle" pour l’analyse, voire le contrôle in situ de solutions ioniques et d'en déterminer les limites. Nous avons étudié différentes solutions salines, composées d'ions polyatomiques comme le nitrate (NO3-) donnant des raies Raman autour de 1000 cm-1, et d'ions halogénures (F-, Cl-, Br-, I-) qui ne possèdent pas de signature directe mais influencent de manière indirecte le spectre de l’eau. Les méthodologies proposées dans ce travail permettent une identification et une quantification des solutions salines et sont basées sur des analyses classiques de spectres à l'aide de pré-traitements (normalisation, correction de ligne de base). Les limites de détection des ions étudiés correspondent pour certains ions aux limites de potabilité de l’eau (nitrates et sulfates par exemple). D’autres substances restent impossibles à quantifier (nitrite, ammonium). Des méthodes statistiques ont ensuite été employées. Ainsi, l’analyse en composante principale (ACP) permet d’identifier la nature d’une solution saline, que l’ion présente une signature directe ou indirecte, et d'accéder aux arrangements moléculaires des ions avec l’eau. La régression PLS permet de quantifier les ions en solution à travers des modèles de prédiction. Cette méthode a été utilisée sur des solutions pures de nitrate et de chlorure avec des erreurs sur les prédictions en concentration 4 à 5 fois plus faibles que celles trouvées par les méthodes classiques. Ces méthodes statistiques ont également permis de descendre à des gammes de concentrations en ion Cl- beaucoup plus faibles (10-100 mM)
Fichier principal
Vignette du fichier
DDOC_T_2016_0313_KAUFFMANN.pdf (7.19 Mo) Télécharger le fichier
Origin : Version validated by the jury (STAR)
Loading...

Dates and versions

tel-01498644 , version 1 (30-03-2017)
tel-01498644 , version 2 (20-06-2017)

Identifiers

  • HAL Id : tel-01498644 , version 2

Cite

T.H. Kauffmann. Étude métrologique de solutions ioniques par spectrométrie Raman et analyses statistiques. Analyse de données, Statistiques et Probabilités [physics.data-an]. Université de Lorraine, 2016. Français. ⟨NNT : 2016LORR0313⟩. ⟨tel-01498644v2⟩
279 View
1841 Download

Share

Gmail Facebook Twitter LinkedIn More