CN103399001A - 一种基于显微共焦拉曼光谱的原油鉴别方法 - Google Patents

Abstract

一种基于显微共焦拉曼光谱的原油鉴别方法，通过改变拉曼光谱仪的参数，分别采集原油样品的三种不同类型的指纹数据：拉曼特征显著而荧光特征弱、荧光特征显著而拉曼特征弱和拉曼与荧光特征均显著的指纹数据，再对所述指纹数据进行聚类分析，得到原油聚类结果。本发明避免了传统的拉曼数据处理软件通过多项式拟合扣除基线所导致的不确定因素和误差，三种类型的指纹数据聚类结果互相补充和验证，可使原油鉴别结果的准确性和可信性显著提高，可为溢油事件的责任认定以及经济赔偿提供重要依据，也可为探究溢油在污染治理与环境修复过程中的迁移转化机制提供理论依据。

Description

一种基于显微共焦拉曼光谱的原油鉴别方法

技术领域

本发明涉及原油鉴别方法，尤其涉及一种基于显微共焦拉曼光谱的原油指纹鉴别方法，属于海洋环境污染检测与治理领域。

背景技术

在石油开发及海洋输运中，溢油事故时有发生，对环境及生态系统的破坏极其严重。通过油指纹进行溯源分析，不仅可为溢油事件的责任认定以及经济赔偿提供重要依据，也可为探究溢油在污染治理与环境修复过程中的迁移转化机制提供理论依据。

油指纹研究已报道了气相色谱-质谱^[1-3]，高效液相色谱^[4]，稳定同位素质谱^[5]，核磁共振^[6]、荧光光谱^[7]，近红外光谱^[8]等方法。气相色谱-质谱法主要分析溢油样品中的轻质组分，不适用于难挥发以及热稳定性差的高沸点组分。高效液相色谱可对某些高沸点组分进行分离，但需要大量流动相并结合梯度淋洗等操作，条件优化及分离成本高。稳定同位素质谱可通过¹²C/¹³C的同位素丰度比来反映原油的指纹差异，但仪器的购置及运行成本很高。核磁共振法通过元素的核磁共振化学位移来反映其化学环境，对于碳氢化合物为主的石油组分，可将¹H-NMR与¹³C-NMR谱结合使用，但仪器的购置及维护成本均非常高。荧光光谱的强度较高，是研究溢油指纹特征的重要方法之一，但对组分相近的油样鉴别能力相对有限。红外光谱是基于分子的偶极矩变化来表征有机物的官能团结构，主要分析油品中极性官能团，但水会对红外光谱产生严重干扰。总体而言，不同的研究手段各有优势。为提高油指纹鉴别的准确性和可靠性，通常将多种方法联合使用，相互补充和印证^[9-10]。

拉曼光谱通过探测极化率的变化可以表征待测组分的官能团特征。由于淡水和海水的拉曼信号极弱，石油中非极性组分的骨架结构和官能团可通过拉曼光谱进行有效表征。目前，有关成品油的拉曼光谱研究已有一些报道。比如，包丽丽等采用785nm激发光作为激发光源，观测到汽油、柴油、石脑油、航煤的拉曼谱图互有差异^[11]。娄婷婷等使用632.8nm He-Ne激光器，对比93#汽油、97#汽油、5#柴油、0#柴油、飞机燃料油、润滑油等成品油的拉曼光谱特征^[12]。总体而言，这些研究所涉及的成品油组分相对简单，拉曼谱峰的重叠现象并不严重，采用传统的多项式拟合方法，对谱图进行基线扣除处理是可行的，不同类型成品油之间的谱图差异也较为明显。

对于原油等包含数千种组分的复杂样品，采用气相色谱和高效液相色谱难以分离全部组分，而且原油中的胶质和沥青质等高沸点难溶组分会对色谱的分离柱造成严重损坏。为避免这一问题，通常在色谱分析之前，采用萃取等方法对原油样品进行预处理。因此，色谱分析只能表征原油中的部分组分的指纹信息。

拉曼光谱测定无需对样品进行预分离等处理，原油中的胶质和沥青质等组分也可通过拉曼光谱得到表征。从这个角度讲，拉曼光谱可探究原油中较多的组分信息。然而，与成品油相比，原油的组分复杂得多。这些组分的拉曼峰会发生严重重叠，导致原本的相互分离的谱峰信号变成了连续的谱带。对于这种复杂体系，如果沿用传统的多项式拟合方法进行基线扣除处理，难免将样品的拉曼光谱信号一并扣除，数据的真实性将大打折扣。因此，基于拉曼光谱的原油样品的鉴别和指纹信息的采集，是一个亟待解决的挑战性课题。相关问题的解决，对于溢油溯源分析具有重要意义。

参考文献

[1]Hansen,A.B.,Christensen,J.H.,Avnskjold,J.,Andersen,I.&Rasmussen,C.A.Identification of oil spills by GC/MS fingerprinting in relation to the Danish maritime oilspill response.Wat Stud Ser8,199-207(2000).

[2]Pavlova,A.&Papazova,D.Oil-spill identification by gas chromatography-massspectrometry.J Chromatogr Sci41,271-273(2003).

[3]Sun,P.Y.,Bao,M.T.,Li,G.M.,Wang,X.P.,Zhao,Y.H.,Zhou,Q.&Cao,L.X.Fingerprinting and source identification of an oil spill in China Bohai Sea by gaschromatography-flame ionization detection and gas chromatography-mass spectrometrycoupled with multi-statistical analyses.J Chromatogr A1216,830-836,doi:DOI10.1016/j.chroma.2008.11.100(2009).

[4]Grimalt,J.&Albaiges,J.Oil-Spill Identification by High-Speed Hplc.J High ResChromatog5,255-260,doi:DOI10.1002/jhrc.1240050506(1982).

[5]Liu,X.X.,Wang,Y.,Wang,Y.L.&Gong,W.M.Identification of Middle EastCrude Oil Using Stable Carbon Isotope Ratio Mass Spectrometry.Chinese J Anal Chem40,1104-1108,doi:Doi10.3724/Sp.J.1096.2012.11420(2012).

[6]Silva,S.L.,Silva,A.M.S.,Ribeiro,J.C.,Martins,F.G.,Da Silva,F.A.&Silva,C.M.Chromatographic and spectroscopic analysis of heavy crude oil mixtures with emphasisin nuclear magnetic resonance spectroscopy:A review.Anal Chim Acta707,18-37,doi:DOI10.1016/j.aca.2011.09.010(2011).

[7]Wang,C.Y.,Li,W.D.,Luan,X.N.,Zhang,D.Y.,Zhang,J.L.&Zheng,R.E.Fingerprint Discrimination Technique of Spill Oil Based on Concentration AuxiliaryParameter Fluorescence Spectra.Spectrosc Spect Anal30,2700-2705,doi:DOI10.3969/j.issn.1000-0593(2010)10-2700-06(2010).

[8]Wang,L.,Zhuo,L.,He,Y.,Zhao,Y.,Li,W.,Wang,X.R.&Lee,F.Oil spillidentification by near-infrared spectroscopy.Spectrosc Spect Anal24,1537-1539(2004).

[9]Coleman,H.J.,Thompson,C.J.,Ward,C.C.&Rall,H.T.Identification ofLow-Boiling Sulfur Compounds in Agha Jari Crude Oil by Gas-Liquid Chromatography.Anal Chem30,1592-1594,doi:Doi10.1021/Ac60142a004(1958).

[10]Krahn,M.M.,Ylitalo,G.M.,Buzitis,J.,Chan,S.L.,Varanasi,U.,Wade,T.L.,Jackson,T.J.,Brooks,J.M.,Wolfe,D.A.&Manen,C.A.Comparison ofHigh-Performance Liquid-Chromatography Fluorescence Screening andGas-Chromatography Mass-Spectrometry Analysis for Aromatic-Compounds in SedimentsSampled after the Exxon-Valdez Oil-Spill.Environ Sci Technol27,699-708,doi:Doi10.1021/Es00041a013(1993).

[11]包丽丽，齐小花，张孝芳，滕文峰，邹明强，刘峰，张程.几种常用油品拉曼光谱的检测及分析.光谱学与光谱分析,2012,32(2):394-397.

[12]娄婷婷，王运庆，李金花，孙培艳，冯巍巍，高振会，陈令新.激光拉曼指纹图谱鉴别石油产品初探.光谱学与光谱分析，2012,32(1):132-136.

发明内容

本发明的目的是针对现有技术中的不足，提供一种基于显微共焦拉曼光谱的原油鉴别方法，本发明的技术目的是通过以下技术方案实现的：

一种基于显微共焦拉曼光谱的原油鉴别方法，分别采集待测原油样品三种类型的指纹数据：拉曼特征显著而荧光特征弱、荧光特征显著而拉曼特征弱和拉曼与荧光特征均显著的指纹数据，分别与已知产地原油样品的指纹数据进行聚类分析，确定待测原油产地；

所述指纹数据的采集方法为：

①采集拉曼特征显著而荧光特征弱的指纹数据：将拉曼光谱测定的横坐标设为纳米/nm模式，使用785nm近红外激光器作为激发光源，检测范围为790～920nm，将滤光片设置为0.1%，孔径及狭缝分别为100μm和50μm，物镜10×，针对样品进行波长-强度谱采集，获取拉曼特征显著而荧光特征弱的指纹数据；

②采集荧光特征显著而拉曼特征弱的指纹数据：除使用532nm、514nm或488nm的可见光激光器作为激发光源，其它参数同步骤①，针对样品进行波长-强度谱采集，获取荧光特征显著而拉曼信号弱的指纹数据；

③采集拉曼与荧光特征均显著的指纹数据：将拉曼光谱测定的横坐标设为波数/cm^-1模式，使用532nm、514nm或488nm的可见光激光器作为激发光源，检测范围为50～6000cm^-1或200～6000cm^-1，将滤光片设置为1%，孔径及狭缝分别为100μm和50μm，物镜50×，测定样品的拉曼位移-强度谱，获取拉曼特征及荧光效应均显著的指纹数据。

本发明所述的溯源方法，用拉曼光谱仪进行指纹数据采集时，先对各样品进行初测，找出信号最强的样品，根据CCD检测器的上限，选择检测上限的20%-70%区域作为最佳检测区，调节曝光时间，并保证信号最强的样品的最强信号处于检测上限的60%-70%区域，然后将此曝光时间应用于所有样品。

本发明所述的鉴别方法，用拉曼光谱仪进行指纹数据采集时均不进行任何基线扣除处理。

本发明所述的鉴别方法所述聚类分析过程均不对指纹数据进行任何标准化处理。

本发明所述的鉴别方法，所述三种不同类型的指纹数据是基于以下原理确定光谱特征的：原油样品受到激发光辐照时，可产生拉曼和荧光两种信号，二者均可反映出原油的化学组成信息，由于785nm为近红外光，其荧光效应相对较弱，因此，当使用785nm近红外光源激发原油样品时，在790-920nm波长范围可采集到拉曼特征显著而荧光特征弱的波长-强度谱；而当使用532，514或488nm等可见光作为激发光源时，会产生较强的荧光效应，由于拉曼信号与激发光的波长较为接近，当信号采集的波长范围与激发光波长差异较大时，所检测到的光谱信号中，拉曼信号的贡献已可忽略不计，因此，在此条件下，可获得荧光信号相对较强，拉曼信号很弱的波长-强度谱；与上述两种情况有所不同，当将拉曼光谱检测的横坐标设置为波数(cm^-1)时，采集到的光谱数据为拉曼位移-强度谱，因此，在使用荧光效应较强的532，514或488nm等可见光作为激发光源时，可采集到荧光和拉曼特征均较为显著的指纹数据。

本发明所述的鉴别方法所述聚类分析是将原油指纹数据作为多维空间中的矢量点，使用SPSS软件，对于原油样品的相同类型的油指纹数据，依次使用最近邻元素法、组内连接法和中位数聚类法进行系统聚类分析，以明可夫斯基距离作为聚类的度量判据，将聚类分析结果进行综合归纳，得出原油聚类结果。

本发明所述的鉴别方法所述明可夫斯基距离的幂次，依次设为1，2，3，4等。实验中所采集的光谱指纹数据是一系列点组成的，设这些点的总数为P，则每个光谱指纹数据均可转化为P维空间中的一个矢量点；

记第i个原油样品的某种光谱指纹数据可转化为P维矢量点X_i=（x_i1，x_i2，x_i3，…，x_ip）(i=1,2,3,…,n)，则第i个样品X_i与第j个样品X_j之间明可夫斯基距离定义为：

$d_{\mathrm{ij}}\left(q\right)={\left[\underset{k=1}{\overset{p}{\mathrm{\Σ}}}{|x_{\mathrm{ik}}-x_{\mathrm{jk}}|}^q\right]}^{1/q},$ 其中i，j=1,2,3,….n；q为正整数。

本发明的有益效果是：

①本发明只通过调变拉曼光谱的测试条件，可采集到原油三种不同类型的指纹数据，可用于建立原油指纹信息库，也可在原油鉴别时综合分析，对于成分相近和较复杂的原油，三种指纹数据聚类结果可以相互补充和印证，准确度高；本发明为追溯溢油源、查明事故原因、污染损害评估等提供了更为科学的技术支撑；

②每种数据均依次采用最近邻元素法、组内连接法以及中位数聚类法进行系统聚类分析，这三种聚类分析法比最远邻元素法、组间连接法、ward法、重心法等更为有效；

③与传统的拉曼光谱相比，本发明所涉及的方法对原油指纹信息的探究更为深入，可用于比对的指纹信息也更为丰富，并避免了传统方法中多项式拟合扣基线可能导致的误差和不确定性，使鉴别的准确性和说服力显著增强；

④在聚类分析中，以明可夫斯基距离作为聚类的度量判据（幂次依次设为1，2，3，4等），不对油指纹数据进行任何标准化处理，尽可能保持了指纹数据的原始性和真实性，准确性很高；

⑤使用显微共焦拉曼光谱实现原油的指纹鉴别，无需样品的预分离等操作。与色谱方法相比，本发明可探测到较为全面的，尤其是包含胶质和沥青质的原油组分信息。

附图说明

本发明附图12幅，其中图1、图5和图9中分别是多个相同来源样本在同一坐标下的谱图，样本谱图基本重合。

图1.采用785nm激光作为光源，测得的拉曼信号显著而荧光效应弱的波长-强度指纹谱。A巴西；B辽河；C苏丹；D委内瑞拉；E新疆风城原油，每种原油分别测定2个样品，样品编号以数字标出；

图2.采用最近邻元素法和明可夫斯基距离度量判据，对图1中10个油样的波长-强度光谱进行系统聚类的结果，A、B、C和D分别对应明可夫斯基距离幂次q=1，2，3，4；

图3.采用组内连接法和明可夫斯基距离度量判据，对图1中10个油样的波长-强度拉曼光谱进行系统聚类结果，A、B、C和D分别对应明可夫斯基距离幂次q=1，2，3，4；

图4.采用中位数聚类法和明可夫斯基距离度量判据，对图1中10个油样的波长-强度拉曼光谱的系统聚类结果，A、B、C和D分别对应明可夫斯基距离幂次q=1，2，3，4；

图5.采用532nm激光作为光源，测得的荧光效应显著而拉曼信号弱的波长-强度指纹谱A巴西；B辽河；C苏丹；D委内瑞拉；E新疆风城，每种原油分别测定2个样品，样品编号以数字标出；

图6.采用最近邻元素法和明可夫斯基距离度量判据，对图5中10个油样的波长-强度光谱进行系统聚类的结果，A、B、C和D分别对应明可夫斯基距离幂次q=1，2，3，4；

图7.采用组内连接法和明可夫斯基距离度量判据，针对图5中10个油样的波长-强度拉曼光谱进行系统聚类结果，A、B、C和D分别对应明可夫斯基距离幂次q=1，2，3，4；

图8.采用中位数聚类法和明可夫斯基距离度量判据，对图5中10个油样的波长-强度拉曼光谱进行系统聚类结果，A、B、C和D分别对应明可夫斯基距离幂次q=1，2，3，4；

图9.采用532nm激光作为光源，测得的拉曼效应和荧光效应均显著拉曼位移指纹谱。A巴西；B辽河；C苏丹；D委内瑞拉；E新疆风城五种原油的拉曼位移谱，每种原油分别测定5个样品，样品编号以数字标出；

图10.采用最近邻元素法和明可夫斯基距离度量判据，对图9中25个油样的拉曼位移数据进行系统聚类结果，A、B、C和D分别对应明可夫斯基距离幂次q=1，2，3，4；

图11.采用组内连接法和明可夫斯基距离度量判据，针对图9中25个油样的拉曼位移数据进行系统聚类结果，A、B、C和D分别对应明可夫斯基距离幂次q=1，2，3，4；

图12.采用中位数聚类法和明可夫斯基距离度量判据，对图9中25个原油样品拉曼位移数据进行系统聚类结果，A、B、C和D分别对应明可夫斯基距离幂次q=1，2，3，4。

具体实施方式

下述非限制性实施例可以使本领域的普通技术人员更全面地理解本发明，但不以任何方式限制本发明。

注：在使用拉曼光谱仪进行原油指纹数据采集时，有时会遇到谱线强度不稳定的情况，本发明在实际操作时，对同一原油样品进行连续多次测定，直至测定的谱线强度稳定后，将采集的数据作为指纹谱。

实施例1

本实施例中所用原油样品由中国石油大学（北京）重质油国家重点实验室提供，分别来自巴西、辽河、苏丹、委内瑞拉和新疆风城。在使用拉曼光谱仪进行检测前，先使用高纯石英材质的载玻片及盖玻片对原油进行制样。

1.原油指纹采集：使用Horiba JY XploRA显微共焦拉曼光谱仪，孔径100μm，狭缝50μm，光栅1200cm^-1，室温23℃，CCD检测器温度-70℃。

①采集拉曼特征显著而荧光特征弱的指纹数据：每种原油分别取两个平行样本，分别编号：巴西01、02，辽河01、02等，其中将苏丹01作为盲样01，辽河02作为盲样02，在聚类分析时进行验证试验。

检测参数：将横坐标设为纳米/nm模式，激发光源785nm，曝光时间为5s，检测范围为790～920nm，物镜10×，滤光片0.1%，循环次数为25次，不使用多项式拟合进行基线扣除处理，共计采集到10个此种类型油指纹数据，结果分别如图1中A、B、C、D和E所示。

②采集荧光特征显著而拉曼特征弱的指纹数据：样本的选取和编号同步骤①。

检测参数：除激发光源为532nm外，其他参数同步骤①，结果分别如图5中A、B、C、D和E所示。

③采集拉曼与荧光特征同时显著的指纹数据：每种原油分别取5个平行样本，分别编号01-05，其中将巴西03作为盲样03，委内瑞拉01作为盲样04，新疆风城04作为盲样05，在聚类分析时进行验证试验。

检测参数：将横坐标设为波数/cm^-1模式，激发光源532nm，曝光时间为0.2s，扫描范围为200～6000cm^-1，物镜50×，滤光片1%，循环次数为25次，不使用多项式拟合进行基线扣除处理，共计采集到10个此种类型油指纹数据，结果分别如图9中A、B、C、D和E所示。

2.油指纹比对：

将不同油样的指纹数据分别作为多维空间中的矢量点，显微共焦拉曼光谱仪采集的原油拉曼指纹谱是由一系列横、纵坐标分别为波数和强度的点所组成，在上述实验条件下，步骤1的①和②中采集到的拉曼指纹谱均是由1701个点组成的，而且不同样品的拉曼指纹谱中1701个点的横坐标也分别一一对应，因此，每个由1701个点所组成的拉曼谱均可转化为一个处于1701维空间中的矢量，其中，拉曼光谱中每一点的横坐标/nm对应1701维空间中的一个维度，每个点的纵坐标（谱峰强度）分别对应于该矢量在相应维度中的投影；步骤1的③中采集到的拉曼指纹谱均由2970个点组成，而且不同拉曼指纹谱中2970个点的横坐标也分别一一对应，类似地，每个由2970个点所组成的拉曼谱均可转化为一个处于2970维空间中的矢量，其中，拉曼光谱中每一点的横坐标（波数）对应2970维空间中的一个维度，每个点的纵坐标（谱峰强度）分别对应于该矢量在相应维度中的投影。

使用SPSS18.0版本软件，针对每种类型的拉曼指纹谱，分别进行聚类分析：首先将各个样品的拉曼光谱中的纵坐标(谱峰强度)作为数值类型的变量，导入SPSS软件的PASW statistics数据编辑器，选择“系统聚类分析”功能，将与样品拉曼光谱中纵坐标相对应的数据变量，导入“变量”框，勾选“变量”、“图”，点击“绘制”，弹出“系统聚类分析：图”窗口，勾选“树状图”；返回“系统聚类分析”点击“方法”，弹出“系统聚类分析：方法”窗口。在“聚类方法”菜单中，依次选择“组内连接法”、“最近邻元素法”、“中位数聚类法”，对于上述的每种聚类方法，在“度量标准”选框中的“区间”选项中，选择“明可夫斯基距离”作为判据，幂次依次设为1,2,3,4。不对数据进行任何标准化操作，进行聚类分析，相关结果分别如下：

①拉曼信号显著而荧光效应弱的波长-强度指纹谱聚类分析：

i.采用最近邻元素法，以明可夫斯基距离作为度量判据，对图1中的10个油指纹数据，进行系统聚类分析。如图2中A、B、C和D所示，当明可夫斯基距离的幂次依次设为1，2，3，4时，分别得到四个聚类分析结果。

ii.采用组内连接法，以明可夫斯基距离作为度量判据，对图1中的10个油指纹数据，进行系统聚类分析。如图3中A、B、C和D所示，当明可夫斯基距离的幂次依次设为1，2，3，4时，分别得到四个聚类分析结果。

iii.采用中位数聚类法，以明可夫斯基距离作为度量判据，对图1中的10个油指纹数据，进行系统聚类分析。如图4中A、B、C和D所示，当明可夫斯基距离的幂次依次设为1，2，3，4时，分别得到四个聚类分析结果。

②荧光效应显著而拉曼信号弱的波长-强度指纹谱聚类分析：

i.采用最近邻元素法，以明可夫斯基距离作为度量判据，对图5中的10个油指纹数据，进行系统聚类分析。如图6中A、B、C和D所示，当明可夫斯基距离的幂次依次设为1，2，3，4时，分别得到四个聚类分析结果。

ii.采用组内连接法，以明可夫斯基距离作为度量判据，对图5中的10个油指纹数据，进行系统聚类分析。如图7中A、B、C和D所示，当明可夫斯基距离的幂次依次设为1，2，3，4时，分别得到四个聚类分析结果。

iii.采用中位数聚类法，以明可夫斯基距离作为度量判据，对图5中的10个油指纹数据，进行系统聚类分析。如图8中A、B、C和D所示，当明可夫斯基距离的幂次依次设为1，2，3，4时，分别得到四个聚类分析结果。

③拉曼信号与荧光效应均显著的原油拉曼位移-强度指纹谱聚类分析

i.采用最近邻元素法，以明可夫斯基距离作为度量判据，对图9中的25个油指纹数据，进行系统聚类分析。如图10中A、B、C和D所示，当明可夫斯基距离的幂次依次设为1，2，3，4时，分别得到四个聚类分析结果。

ii.采用组内连接法，以明可夫斯基距离作为度量判据，对图9中的25个油指纹数据，进行系统聚类分析。如图11中A、B、C和D所示，当明可夫斯基距离的幂次依次设为1，2，3，4时，分别得到四个聚类分析结果。

iii.采用中位数聚类法，以明可夫斯基距离作为度量判据，对图9中的25个油指纹数据，进行系统聚类分析。如图12中A、B、C和D所示，当明可夫斯基距离的幂次依次设为1，2，3，4时，分别得到四个聚类分析结果。

3.分析结果：如图2-图4、图6-图8所示，盲样01和盲样02的聚类准确率为100%、图10-图12所示，盲样03-05的聚类准确率为100%，且其他相同来源的油样聚类准确度也为100%。

Claims (4)

1.一种基于显微共焦拉曼光谱的原油鉴别方法，其特征在于分别采集待测原油样品三种类型的指纹数据：拉曼特征显著而荧光特征弱、荧光特征显著而拉曼特征弱和拉曼与荧光特征均显著的指纹数据，分别与已知产地原油样品的指纹数据进行聚类分析，确定待测原油产地；

所述指纹数据的采集方法为：

①采集拉曼特征显著而荧光特征弱的指纹数据：将拉曼光谱测定的横坐标设为纳米/nm模式，使用785nm近红外激光器作为激发光源，检测范围为790～920nm，将滤光片设置为0.1%，孔径及狭缝分别为100μm和50μm，物镜10×，针对样品进行波长-强度谱采集，获取拉曼特征显著而荧光特征弱的指纹数据；

②采集荧光特征显著而拉曼特征弱的指纹数据：除使用532nm、514nm或488nm的可见光激光器作为激发光源，其它参数同步骤①，针对样品进行波长-强度谱采集，获取荧光特征显著而拉曼信号弱的指纹数据；

③采集拉曼与荧光特征均显著的指纹数据：将拉曼光谱测定的横坐标设为波数/cm^-1模式，使用532nm、514nm或488nm的可见光激光器作为激发光源，检测范围为50～6000cm^-1或200～6000cm^-1，将滤光片设置为1%，孔径及狭缝分别为100μm和50μm，物镜50×，测定样品的拉曼位移-强度谱，获取拉曼特征及荧光效应均显著的指纹数据。

2.根据权利要求1所述鉴别方法，其特征在于所述聚类分析是将原油指纹数据作为多维空间中的矢量点，使用SPSS软件，对于原油样品的相同类型的油指纹数据，依次使用最近邻元素法、组内连接法和中位数聚类法进行系统聚类分析，以明可夫斯基距离作为聚类的度量判据，将聚类分析结果进行综合归纳，得出原油聚类结果。

3.根据权利要求1所述的鉴别方法，其特征在于用拉曼光谱仪进行指纹数据采集时均不进行任何基线扣除处理。

4.根据权利要求2所述的鉴别方法，其特征在于所述聚类分析过程均不对指纹数据进行任何标准化处理。

Images