ICP-AES法同时测定螺旋藻中Ca、Mg、P、Fe、Cu、Mn、Zn

本文研究了干法灰化,盐酸溶解盐类,ＩＣＰ－ＡＥＳ技术同时测定螺旋藻中Ｃａ、ｍｇ、Ｐ、Ｆｅ、Ｃｕ、Ｍｎ、Ｚｎ的方法,进行了共存离子干扰和谱线干扰试验,对Ｃｕ、Ｍｎ、Ｚｎ进行了ＡＡＳ法测定对比。方法的相对标准偏差为１．３９％－５．０２％,标准回收率为９５．６％－１０４．８％。方法快速、准确、可靠。     

ICP－AES测定核纯海绵锆中17个杂质元素方法的研究

应用ＩＣＰ－ＡＥＳ法，对核纯海绵锆中１７个杂质元素的测定进行了试验研究。取样量１００ｍｇ时，Ａｌ、Ｃａ、Ｃｏ、Ｃｒ、Ｃｕ、Ｆｅ、Ｍｇ、Ｍｎ、Ｍｏ、Ｎｉ、Ｐｂ、Ｓｎ、Ｔａ、Ｔｉ、Ｖ、Ｙ和Ｚｎ的测定范围是１０μｇ／ｇ—３２００μｇ／ｇ。回收率为９５．２％—１０６．５％。     

ICP—AES测定核纯海绵锆中17个杂质元素方法的研究

应用ＩＣＰ－ＡＥＳ法，对核纯海绵锆中１７个杂质元素的测定进行了试验研究。取样量１００ｍｇ时，Ａｌ、Ｃａ、Ｃｏ、Ｃｒ、Ｃｕ、Ｆｅ、Ｍｇ、Ｍｎ、Ｍｏ、Ｎｉ、Ｐｂ、Ｓｎ、Ｔａ、Ｔｉ、Ｖ、Ｙ和Ｚｎ的测定范围是１０μｇ／ｇ－３２００μｇ／ｇ。回收率为９５．２％－１０６．５％。     

ICP－AES法测定儿童血液中的Zn、Ca、Fe、Cu和Mg

本文研究了全血中锌、钙、铁、铜、镁微量元素的电感耦合等离子体发射光谱法的测定。方法简便，具有良好的精密度和准确度，相对标准偏差分别为Ｚｎ１．６％、Ｃａ１．４％、Ｆｅ１．１％、Ｃｕ２．１％、Ｍｇ１．１％。回收率在９５％－１０５％之间。     

ICP-AES法测定耐磨合金钢中Ni、Cr、Mo、V和W等十二种元素

本文采用王水、硫磷混酸溶解试样，研究了应用ＩＣＰ－ＡＥＳ技术测定耐磨合金钢中Ｎｉ、Ｃｒ、Ｍｏ、Ｖ、Ｗ、Ｚｎ、Ｃｏ、Ｌａ、Ｃｅ、Ｔｉ、Ｍｎ、Ｃｕ１２种元素的方法。试验了硫酸、磷酸用量对测定的影响和共存离子干扰，方法相对标准偏差为１．４０％—３．２２％，回收率为９６．０％—１０８．１％。对试样进行分析，结果满意。     

火焰原子吸收光谱法直接测定红细胞中Cu,Zn,Fe的含量

本文采用沈阳分析仪器厂产４０２型原子吸收分光光度计，在标准溶液中加入ＮａＣｌ溶液作为基体改进剂，用火焰原子吸收光谱法直接测定红细胞中Ｃｕ、Ｚｎ、Ｆｅ的含量，不仅消除基体干扰，而且提高了测定Ｃｕ和Ｚｎ的灵敏度，Ｃｕ、Ｚｎ、Ｆｅ的平均回收率为１０１％、１０３％及９９％；相对标准偏差分别为４．６％、２．２％及９．６％。     

ZnS∶Cu水溶胶的光致发光研究

研究了硫脲和硫代硫酸钠体系中ＺｎＳ∶Ｃｕ 纳米微粒的光致发光性能随Ｃｕ＋ 离子掺杂浓度及生长时间的变化． 在３２５ｎｍ 的紫外光激发下, ＺｎＳ∶Ｃｕ 纳米微粒产生位于５００～５４０ｎｍ 的宽带发射, Ｃｕ＋ 掺杂浓度为０．６％ 时发射达到最强． 该发射峰随掺杂浓度的提高和微粒生长时间的延长而红移; 当Ｃｕ＋ 掺杂浓度为０．２％ 时, ＺｎＳ∶Ｃｕ 纳米微粒还产生一个位于４５０ｎｍ 的蓝色发射带, 该发射在掺杂浓度更高时被猝灭． 硫脲和硫代硫酸钠体系中ＺｎＳ∶Ｃｕ 的发光性质较为相似, 但后者的发射强度明显高于前者．     

ZnS：Cu水溶胶的发致发光研究

研究了硫脲和硫代硫酸钠体系中ＺｎＳ：Ｃｕ纳米微粒的光致发光性能随Ｃｕ＾＋离子掺杂浓度及生长时间的变化。在３２５ｎｍ的紫外光激发下,ＺｎＳ：Ｃｕ纳米微粒产生位于５００～５４０ｎｍ的宽带发射,Ｃｕ＾＋掺杂浓度为０．６％时发射达到最强。该发射峰随掺杂浓度的提高和微粒生长时间的延长而红移;当Ｃｕ＾＋掺杂浓度为０．２％时,ＺｎＳ：Ｃｕ纳米微粒还产生了一个位于４５０ｎｍ的蓝色发射带,该发射在掺杂浓度更高时被灭     

ICP—AES法测定儿童血液中的Zn,Ca,Fe,Cu和Mg

本文研究了全血中锌，钙，铁，铜，镁微量元素的电感耦合等离子体发射光谱法的测定，方法简便，具有良好的精密度和准确度，相对标准偏差分别为Ｚｎ１．６％，Ｃａ１．４％，Ｆｅ１．１％，Ｃｕ２．１％，Ｍｇ１．１％回收率在９５％－１０５％之间。     

火焰原子吸收微量进样法测定耳血中Cu,Zn,Ca,Mg和Fe

本文利用原子吸收分光光度法采用微量注射进样，测定耳全血中Ｃｕ，Ｚｎ，Ｃａ，Ｍｇ和Ｆｅ的含量，结果表明，方法回收率在９６％以上，样品测定的相对标准误差Ｚｎ，Ｃａ，Ｍｇ和Ｆｅ小于２％，Ｃｕ为３．９％，本方法快速，准确，仅需１０μＬ耳血即可获得五种生命元素含量的满意结果。     

人工神经网络用于光度法同时测定铜钴镍

本文采用PAR－Cu,Co,Ni显色体系,应用人工神经网络原理,以Levenberg-MarguardtBP算法,对紫外吸收光谱严重重叠的三组分金属配合物体系进行含量测定。在452－552nm的范围内,以14个特征波长处的吸收值作为网络特征参数,并通过正交设计安排样本。网络仅训练781次即可达到要求,Cu,Co,Ni三者的平均回收率分别为99．99％,99．97％,测定结果的相对标准偏差分别为0．1％,0．2％,0．1％。实验表明,该方法与现有的算法相比具有训练速度快,预测结果准确度高等特点。该方法和光度法结合有望成为多组分分析的有效方法之一。     

人工神经网络用于光度法同时测定三组分染料混合物

应用人工神经网络原理,以快速BP算法,对紫外可见吸收光谱严重重叠的三组分的染料溶液同时进行含量测定。在200～590nm的范围内,以7个特征波长处的吸收值作为网络特征参数,通过网络训练,复品红、结晶紫、藏红T的相对标准偏差分别为0.34％,0.67％,1.03％,三者的回收率在95.5％～104％之间。实验表明,该算法速度快,预测结果准确,可望用人工神经网络和光度法结合定量测定混合染料。     

分光光度法结合人工神经网络同时测定铜、镉和镍

利用人工神经网络结合分光光度法用于二甲酚橙(XO)-CTMAB-Cu、Cd、Ni显色体系同时测定Cu()、Cd()和Ni(),方法简单,结果满意,其三者的平均回收率分别为99.62%、99.93%、100.24%。     

人工神经网络用于荧光分析法同时测定苯酚和间苯二酚的含量

本文应用人工神经网络原理，以Levenberg-Marquardt BP算法对荧光光谱严重重叠的苯酚、间苯二酚的混合体系进行同时测定，在290－345nm的范围内，以14个特征波长处的荧光强度值作为网络特征参数，并通过均匀设计安排样本进行网络训练和计算，网络训练8次即达到误差精度要求（误差平方和小于0.01）。苯酚、间苯二酚的平均回收率分别为100.2%，９９.99%，相对标准偏差分别为０.４％，１.3％。     

人工神经网络-荧光光谱法同时测定维生素B1,B2,B6

应用人工神经网络原理 ,以Levenberg MarquardtBP算法对荧光光谱严重重叠的维生素B1 ,B2 ,B6三组份混合体系同时进行了含量测定。在 390～ 5 2 0nm的范围内 ,以 15个特征波长处的荧光强度值作为网络特征参数 ,并通过均匀设计安排样本 ,经网络训练和计算得出维生素B1 ,B2 ,B6 三者的平均回收率分别为 99 86 % ,99 6 0 % ,99 4 9% ,测定结果的相对标准偏差各为 1 7% ,1 6 % ,1 7%。     

荧光光谱-人工神经网络法同时测定注射液中色氨酸和酪氨酸

本文用人工神经网络法中的误差反传学习算法对色氨酸、酪氨酸混合体系的荧光光谱进行解析,提出了同时测定这两种氨基酸的计算分析方法。以pH=7.15的KH_2PO_4-K_2HPO_4的缓冲溶液为介质,用224nm为激发波长,在290～400nm的范围内,以14个特征波长处的荧光强度值作为网络特征参数,进行网络训练。网络训练了12次即达到误差精度要求(误差平方和小于0.1)。以同样方法对复合氨基酸注射液进行测定,通过训练好的网络进行色氨酸、酪氨酸含量的计算,相对误差分别为4.0％和2.6％。实验表明,该方法与现有的算法相比具有训练速度快、预测结果准确度高等特点。该方法与荧光法结合有望成为多组分分析的有效方法之一。     

基于主成分分析和人工神经网络的激光诱导击穿光谱塑料分类识别方法研究

研究了人工神经网络在激光诱导击穿光谱(LIBS)塑料分类识别方面的应用。选用七种常见的塑料作为实验样品,获得每种样品的170组LIBS光谱数据,利用主成分分析获得前五个主成分的得分矩阵。用每种塑料样品的130组光谱数据的主成分得分矩阵作为训练集,建立反向传播(BP)人工神经网络模型。将其余40组主成分得分作为测试数据输入训练好的模型进行分类识别,其识别准确度达到97.5%。实验结果表明,通过采用主成分分析与BP人工神经网络相结合的方法,可以很好地进行塑料激光诱导击穿光谱的分类识别,对塑料的回收利用有重要价值。     

基于人工神经网络的SPM自动标定

针对扫描探针显微镜中扫描图像显示的大小与实际大小存在较大误差,提出了基于图像处理和人工神经网络标定的方法。经过图像处理提取标准光栅图像的特征矩阵,用人工神经网络训练特征矩阵和真实矩阵,用于预测扫描图像实际施加在x,y轴的电压值。应用于某原子力显微镜的标定软件中,使扫描图像的x_y表面失真度从7.2%降至2.44%。     

The criteria for selecting a method for unfolding neutron spectra based on the information entropy theory

To further expand the application of an artificial neural network in the field of neutron spectrometry, the criteria for choosing between an artificial neural network and the maximum entropy method for the purpose of unfolding neutron spectra was presented. The counts of the Bonner spheres for IAEA neutron spectra were used as a database, and the artificial neural network and the maximum entropy method were used to unfold neutron spectra; the mean squares of the spectra were defined as the differences between the desired and unfolded spectra. After the information entropy of each spectrum was calculated using information entropy theory, the relationship between the mean squares of the spectra and the information entropy was acquired. Useful information from the information entropy guided the selection of unfolding methods. Due to the importance of the information entropy, the method for predicting the information entropy using the Bonner spheres' counts was established. The criteria based on the information entropy theory can be used to choose between the artificial neural network and the maximum entropy method unfolding methods. The application of an artificial neural network to unfold neutron spectra was expanded.     

煤矸石充填复垦重构土壤重金属含量高光谱反演

为研究煤矸石充填复垦土壤重金属含量快速有效的监测方法,以淮南创大生态园煤矸石充填复垦田间试验小区为研究区域,首先采用化学方法监测土壤(0～20 cm)重金属(Cu, Cr, As)含量,然后采用ASD(analytical spectral devices) FiSpec4型高光谱仪测量土壤样品的反射光谱,提取光谱特征,并对光谱进行一阶微分变换、二阶微分变换及倒数对数变换;将变换后的各光谱特征参数与监测的土壤重金属含量进行相关性分析,并依据相关性分析结果选择显著相关的波段作为相关因子供建模使用。采用多元逐步回归(stepwise multiple liner regression,SMLR)分析、偏最小二乘回归(partial least squares regression, PLSR)及人工神经网络(artificial neural network, ANN)三种方法分别建立基于光谱反射率估算土壤重金属含量的预测模型,并采用回归模型进行精度评定,然后确定各重金属含量的最佳预测模型。实验结果表明,经过微分变换的光谱波段与土壤重金属含量达到了显著相关;重金属Cu和Cr的一阶微分光谱的人工神经网络模型为最佳预测模型,重金属元素As的二阶微分光谱的偏最小二乘回归模型为最佳预测模型。