气相色谱-红外光谱联用技术及应用研究进展

气相色谱-红外光谱联用技术结合了气相色谱法良好的分离能力和红外光谱法结构鉴定的优势,适合复杂未知物成分分离及其定性定量分析。本文综述了气相色谱-红外光谱联用技术（GC-IR）、数据处理方法及其应用研究进展。介绍了GC-IR同其他检测器联用的连接方式。重点综述了GC-IR谱图和数据处理方法及其在石油化工、日用化工、有机反应等领域的应用研究进展,并对气相色谱-红外光谱联用技术及应用进行了展望。     

气-红联用在混合未知物分离、分析中的应用

气相色谱与红外光谱联用技术既可以充分利用红外光谱长于定性和结构分析的优点,又可以应用气相色谱长于快速分离混合物的优点,对未知样品进行快速分析研究。对用常规红外无法表征的混合未知物中的各个组分,通过对混合物重建色谱图的积分、归一化还可以对各组分进行定量分析,其结果和气相色谱分析的结论能较好的匹配,但较单用气相色谱分析快速、简便。     

精油中挥发性成分GC/FTIR与GC/MS联合分析

采用同时蒸馏萃取(SDE)法获得了香紫苏(Salvia sclarea L.)精油,利用气相色谱/傅里叶变换红外光谱联用(GC/FTIR)和气相色谱/质谱联用(GC/MS)相结合的手段,对其挥发成分进行了定性和定量分析,着重讨论了GC/FTIR在精油分析中的应用研究。通过不同波数官能团(Gram-Schmidt)重建红外光谱图、红外光谱差谱技术及质谱等相互验证的方法,大大提高了香紫苏油挥发成分的定性分析准确性。     

等高线图分析技术在GC／FTIR联用数据处理中的应用

在三种高聚物的裂解大口径毛细管气相色谱－傅里叶变换红外光谱联用分析（ＰｙＷＢＣＧＣ／ＦＴＩＲ）数据获得的基础上，介绍应用等高线图（ＣＴＤ）分析技术处理色谱重叠峰，并在该分析提供的信息指导下进行红外光谱累加及差减技术，获得了重叠峰中各纯物质较好信噪比的气相红外谱图并予以定性，显著了等高线图分析技术在联用数据中的优点，充分发挥了ＧＣ／ＦＴＩＲ联用特有的光谱分离离度优势。     

气相色谱的联用技术

分别介绍了气质联用、固相微萃取-气相色谱联用、气相色谱-傅里叶变换红外光谱联用、热分析-气相色谱-质谱联用、气相色谱-原子光谱联用、全二维色谱联用和多维气相/气质联用共7种气相色谱联用技术,并展望了气相色谱今后的发展趋势.     

LC—GC／FTIR联用方法分析丙二酸二乙酯中的污染物

高效液相相色谱－毛细管气相色谱的联机技术具有对样品进行净化，富集，预分离和高效分离的功能。这种二维色谱与傅里叶变换红外光谱的联用技术可明显提高常规ＧＣ／ＦＴＩＲ系统对复杂有机混合物中微量组分的分析检测能力。     

使用氟化钡作为固定相的薄层色谱-红外光谱联用研究

原位薄层色谱-红外光谱联用在分析复杂混合物七有巨大潜力,但因固定相自身的红外吸收严重干扰样品检测,该方法进展缓慢.本文应用对中红外光透明的氟化钡微小颗粒作为固定相制备薄层层析板,并对该板的层析效果及原位显微反射红外光谱检测的可行性进行了初步的探讨.通过优化反应条件,制备出粒径为500nm左右的氟化钡颗粒;发展出一种制备薄层层析板的新技术——沉降-挥发法;通过实验证明,新型薄层板具备分离混合物的能力;原位红外光谱检测结果表明氟化钡作为固定相不干扰样品的检测.应用氟化钡作为新型薄层板固定相,为从技术上实现原位薄层色谱-红外光谱联用打开了大门.     

GC／FTIR与GC／MS法联合分析空气中有机污染物

本文采用气相色谱／傅里叶变换红外光谱（ＧＣ／ＦＴＩＲ）和气相色谱／质谱（ＧＣ／ＭＳ）方法联用，分析了某工作间的空气污染物。通过仔细调整ＧＣ／ＦＴＩＲ联用仪中ＧＣ和ＩＲ参数，使有机混合物得到了很好的分离。在未知物的鉴定中，以质谱法定性为主，红外光谱也发挥了特有的作用，使分析结果更加可靠。     

色谱—傅里叶变换红外光谱联用技术

色谱和傅里叶红外光谱的联用是现代分析化学中重要的联用技术之一。本文介绍了最常用的气相色谱(GC)、高效液相色谱(HPLC)以及最近发展的超临界流体色谱(SFC)与傅里叶变换红外光谱(FTIR)联用技术的最新进展,并对联用中常用的两种接口方式,即流动池法和色谱流动相消除法的优缺点作了讨论。     

基于原子光谱法的元素形态分析技术进展

元素的形态分析在环境和生物分析中极其重要,因为元素在生物体内的作用及其代谢过程在很大程度上取决于元素存在的化学形态,而不仅仅是元素的总量。形态分析是指测定样品中构成元素总量的单独物理化学形式的浓度。最先进的形态分析方法是色谱分离和光谱检测的联用技术,特别是色谱和电感耦合等离子-质谱(ICP-MS)的联用。但是,联用技术的设备投入大、运行成本高,难以在常规实验室中的推广应用。在许多情况下,采用非色谱分离方法对样品进行处理,也可以得到足够的元素形态信息。基于非色谱分离、原子光谱测定的元素形态分析方法的费用低、操作简单、易于推广应用。本文总结了元素形态分析的样品前处理方法,综述了基于原子光谱法的元素形态分析中比较常用的非色谱分离技术,对溶剂萃取、浊点萃取、单滴微萃取、分散液液萃取等分离技术的原理、应用和优缺点进行了评述,介绍了固相萃取中常用的吸附剂及其在元素形态分离中的应用,以及氢化物发生、共沉淀等分离方法。相比于色谱分离方法,非色谱方法是快速、灵敏、廉价的分离技术。     

高光谱图像中纯光谱提取方法

利用线性解混合方法处理高光谱图像数据,需要获取存在于光谱图像中的纯光谱.目前的纯光谱提取方法都需要复杂的运算,并且都没有被证明具有普遍适用的特点,在特征空间对光谱图像中信息存在形式进行有效分析的基础上,提出基于特征空间分析和光谱相关制图法相结合的纯光谱提取方法(FSASCM),具有复杂度低、对大多数高光谱图像数据普遍适用的特点,     

小波包分解支持下的高光谱混合像元盲分解

提出将小波包辅助下子带分解的独立成分分析用于高光谱混合像元盲分解.利用小波包分解改进独立成分分析技术,并考虑到高光谱数据的特点提出了高光谱混合像元盲分解方法,该方法能克服独立成分分析方法要求端元光谱统计独立带来的问题.利用两组合成数据和三组室内实测数据对本算法进行测试,证明了本算法能较为准确的提取端元光谱波形和端元丰度,其准确度明显优于独立成分分析方法.该方法为高光谱遥感影像的盲分解提供了一条新的途径.     

基于基体效应校正和对应分析的便携式X荧光光谱法对土壤重金属的研究

随着工业化和城市化的加深,城市土壤重金属污染状况愈发严重,而传统的实验室化学分析方法例如电感耦合等离子体质谱法分析周期较长,易产生废弃实验试剂二次污染环境。便携式X荧光光谱法是一种可以在野外现场直接进行快速、无损分析的测试手段,而基体效应是影响该方法测试准确度和精密度的最主要因素。当今较为常用的校正方法为传统线性回归法,该方法受离群值影响较大,处理后数据依然存在较大的偏差。本研究通过将常量元素的测试数据加入到待测元素的校正方程中,来减弱测试过程中基体效应的影响。利用便携式X荧光光谱仪对吉林大学各校区土壤样品的Cr,Ni,Cu,Zn和Pb重金属含量在原位条件下进行了快速测试,探究了对各重金属元素基体效应影响最大的常量元素,并结合偏最小二乘法及多元线性回归对原始谢尔曼方程进行调整,利用电感耦合等离子体质谱法作为参照,通过新方程对各重金属元素进行了基体效应校正,通过统计学参数对比该方法处理后的数据和经传统线性回归法处理后的数据的区别,并通过对应分析综合分析元素及样品间的相关性。结果表明常量元素是基体效应影响的重要元素,基于不同常量元素的基体效应校正方程效果较好,适用性Cr>Pb>Zn>Ni>Cu,校正后数据质量得到了明显提高,决定系数增大,回归图像更加集中,平均绝对误差、均方根误差等参数均进一步减小,校正效果优于传统的线性回归法。基体效应校正法主要是通过减小离群值的偏离程度来减小数据总体的平均误差和离散程度。处理后数据满足定量分析要求,可以推广至便携式X荧光光谱法对于土壤重金属快速的大面积扫面测试,检测环境质量。同时对应分析是一种多维数据维度与多维数据维度之间的分析方法,用于多种变量间的分类与相关性分析具有非常优秀的效果。     

A SVM-based quantitative fMRI method for resting-state functional network detection

Resting-state functional magnetic resonance imaging (fMRI) aims to measure baseline neuronal connectivity independent of specific functional tasks and to capture changes in the connectivity due to neurological diseases. Most existing network detection methods rely on a fixed threshold to identify functionally connected voxels under the resting state. Due to fMRI non-stationarity, the threshold cannot adapt to variation of data characteristics across sessions and subjects, and generates unreliable mapping results. In this study, a new method is presented for resting-state fMRI data analysis. Specifically, the resting-state network mapping is formulated as an outlier detection process that is implemented using one-class support vector machine (SVM). The results are refined by using a spatial-feature domain prototype selection method and two-class SVM reclassification. The final decision on each voxel is made by comparing its probabilities of functionally connected and unconnected instead of a threshold. Multiple features for resting-state analysis were extracted and examined using an SVM-based feature selection method, and the most representative features were identified. The proposed method was evaluated using synthetic and experimental fMRI data. A comparison study was also performed with independent component analysis (ICA) and correlation analysis. The experimental results show that the proposed method can provide comparable or better network detection performance than ICA and correlation analysis. The method is potentially applicable to various resting-state quantitative fMRI studies.     

Feature separation using ICA for a one-dimensional time series and its application in fault detection

Principal component analysis (PCA) is a method that transforms multiple data series into uncorrelated data series. Independent component analysis (ICA) is a method that separates multiple data series into independent data series. Both methods have been used in fault detection. However, both require signals from at least two separate sensors. To overcome this requirement and utilize the fault detection capability of ICA and PCA, we propose to use wavelet transform to pre-process the data collected from a single sensor and then use the coefficients of the wavelet transforms at different scales as input to ICA and PCA. The effectiveness of this method is demonstrated by applying it to both a simulated signal series and a vibration signal series collected from a gearbox. The results show that the method of combining wavelet transform and ICA works better than the method of combining wavelet transform and PCA for impulse detection based on a one-dimensional vibration data series.     

一种用于光机热集成分析的新方法——干涉图插值法

Zernike多项式是光机热集成分析中实现光、机、热各分析软件之间数据传递的重要工具。许多光学元件表面形状并不满足Zernike多项式的正交性条件，使有限元分析不能精确拟合光学元件表面变形及变形产生的各项像差。讨论影响Zernike正交性的几个因素，详细介绍将有限元分析得到的光学表面变形数据导入光学分析软件的一种新方法——干涉图插值法。该方法避开Zernike多项式拟合，在去除镜面刚体位移后将镜面畸变精确地表示成干涉图数据，直接生成数据接口。     

综合多种信息的金属化膜电容器可靠性评估

 金属化膜电容器是惯性约束聚变激光装置能源系统最重要的元器件之一,其可靠性水平对整个装置的可靠性和运行维护费用有着重要的影响。在分析金属化膜电容器失效机理的基础上,采用Wiener过程对其性能退化过程进行建模,得到了其寿命分布。在此基础上,提出了一种综合性能退化数据和寿命数据的可靠性评估方法。给出了一种评估精度的分析方法,对综合评估方法和基于性能退化数据评估方法的精度进行了分析,结果表明,综合评估方法的评估精度高于基于性能退化数据的评估方法的评估精度。     

Identification of modal parameters including unmeasured forces and transient effects

In this paper, a frequency-domain method to estimate modal parameters from short data records with known input (measured) forces and unknown input forces is presented. The method can be used for an experimental modal analysis, an operational modal analysis (output-only data) and the combination of both. A traditional experimental and operational modal analysis in the frequency domain starts respectively, from frequency response functions and spectral density functions. To estimate these functions accurately sufficient data have to be available. The technique developed in this paper estimates the modal parameters directly from the Fourier spectra of the outputs and the known input. Instead of using Hanning windows on these short data records the transient effects are estimated simultaneously with the modal parameters. The method is illustrated, tested and validated by Monte Carlo simulations and experiments. The presented method to process short data sequences leads to unbiased estimates with a small variance in comparison to the more traditional approaches.     

重组实验数据处理与经验证据评估新架构的探索——《新概念基础物理实验讲义》前4章的特点介绍

随机误差的随机性与未定系统误差的近似随机性,是宏观测量数据分析中应用统计学非公理化体系适用的基础．本书剖析了实际实验与测量中有关不确定度来源及其影响的8个主从关系,提出在实验和测量中需要重视的10个命题,以此作为重建实验数据处理与经验证据评估架构的基础．在此架构中,重新审视误差严格正态分布的普遍性,新导出了统计允许限因子的高准确度计算式,构建了正态分布前提下用统计允许限的新判据;对比分析已有的3种常见的不确定度评定架构,创建了不确定度分量合成的综合技术法,阐述并实例化该方法在实验数据分析中的具体应用．     

Analysis of X-ray spectral data with genetic algorithms

An algorithmic method for the analysis of X-ray line spectra using genetic algorithms is presented. This technique permits the extraction of diagnostic information on the emitting medium from the spectral data. As an example of the method, plasma electron number density and temperature are extracted from the analysis of X-ray spectral data recorded in an Ar-doped inertial-confinement-fusion core. For the study of a sequence of gradually changing spectra, a combination of genetic algorithms and case-based reasoning that learns from experience is used to accelerate the analysis. The technique is general and can be applied to other plasma spectroscopy studies including analysis of spatially and temporally resolved line absorption or emission data.