银—铜—铁—镍体系测定条件的实验设计优化和卡尔曼滤波法的同时测定

利用二次通过旋转组合设计的方法建立了吸光度与显色剂，增敏剂用量以及ｐＨ值之间的数学模型，进而得到使吸光度量最大的显色剂用量，增敏剂用量及ｐＨ值，在此优化的基础上，用卡尔曼滤波分析分光光度法对银，铜，铁，镍的合成样品的合谱进行了解析处理，得到较为满意的结果。     

银—铜—铁—镍体系测定条件的旋转设计优化和目标转换因子分析？…

利用二次通用旋转组合设计的方法，建立了吸光度与显色剂、增敏剂用量以及ｐＨ值之间的数学模型，进而得到使吸光度最大的显色剂用量、增敏剂用量及ｐＨ值。在此优化的基础上，用目标转换因子分析分光光度法对银、铜、铁、镍的合成样品的合谱进行了解析处理，得到较为满意的结果。     

银-铜-铁-镍体系测定条件的旋转设计优化和目标转换因子分析法的同时测定

利用二次通用旋转组合设计的方法 ,建立了吸光度与显色剂、增敏剂用量以及p H值之间的数学模型 ,进而得到使吸光度最大的显色剂用量、增敏剂用量及 p H值。在此优化的基础上 ,用目标转换因子分析分光光度法对银、铜、铁、镍的合成样品的合谱进行了解析处理 ,得到较为满意的结果。     

同时测定铜、镍、锌的非线性偏最小二乘分光光度法

建立了以1－[5-溴－2吡啶偶氮]－2,7－萘二酚（5－Br-PADN)为显色剂,TritonX-100为增溶增敏剂,用非线性偏最小二乘（NLPLS）－分光光度法同时测定Cu^ 、Ni^2 、Zn^2 的方法。用迭代偏最小二乘法（IPLS）选择测定波长,用自编原MATLAB计算机程序进行处理。结果表明,该法不仅克服了三组分之间相互干扰,而且较好地解决了非线性问题,所拟方法用人工样品的分析,准确度较好,结果令人满意。     

人工神经网络光度法同时测定土壤中铅-镉-镍

研究了以4－（2－吡啶偶氮）－间苯二酚（PAR）为显色剂、十二烷基硫酸钠（SDS）为增敏剂、乙酸－乙酸钠为缓冲液，在水相中对铅、镉、镍进行同时测定。利用二次回归正交组合设计，对体系因子进行了优化。以苏州吴县水稻田土壤为研究对象，利用反向人工神经网络对其中铅、镉、镍的全量、有效态、活化态分别进行了同时测定，预测结果与AAS法所测结果基本一致。     

卟啉胶束增敏导数分光光度法测定微量锰

卟啉的分子截面积大,与一些金属离子配合都具有很高的摩尔吸光值,已被称之为“超高灵敏度的显色剂”。文献研究了在阳离子表面活性剂存在下,锰与阴离子卟啉的增敏反应,本文在阴离子表面活性剂存在下,采用导数光度法,探讨的锰与阳离子卟啉的增敏作用。试验表明,试液中无论是单体还是胶束对锰与阳离子卟啉生成的Mn-T(4-TAP)P二元配合物均有增敏作用,最大吸收波长紫移。     

荧光光度法测定肠虫清片剂中的阿苯达唑

利用β－环糊精－１,２－二溴乙烷乙醇混合体系作增敏剂首次提出了用荧光光度法测量阿苯达唑含量的方法。详细讨论了协人同剂对β－环精增敏作用的影响,根据不同酸度条件下协同剂的用量推断出阿苯达唑、β－环糊精及１,２－二上互存在多种包结形式。当协同剂用量不同时包结程度不同,分别形成１：１：１或１：１：２的多各包结物。利用本法测定了肠虫清片剂中的有产成分阿苯达唑的含量,结果满意。     

O／W微乳液对Zn（Ⅱ）—PAR的增敏作用

研究了十六烷基三甲基溴化铵９ＣＴＭＡＢ）／正戊醇／正庾烷／水组成的阳离子型Ｏ／Ｗ微乳液对以４－（２－吡啶偶氮）间苯二醇（ＰＡＲ）为显色剂，光度法测定锌的增敏作用。结果，方法简便、快速，与相应的胶束体系为介质比较，提高了测定灵敏度，结果可靠。通过对显色剂在水－微乳液和在水－胶束相中分配系数的测定，初步了微乳液的增敏作用机理。     

β-环糊精对显色反应作用的研究 Ⅱ.与表面活性剂的协同作用机理探讨

本文从β-环糊精(β-CD)的包合作用及其对表面活性剂(SF)包合后引起的包合常数增大等方面,探讨了β-CD-与离子表面活性剂对显色反应的协同增敏作用机理。研究表明:β-CD与SF形成包合物SF-β-CD及SF-β-CD对显色剂及其显色络合物包合作用的增强,是产生协同增敏作用的主要因素,但还须考虑对空白值的影响以及配合物的稳定性,还提出了对同一显色体系应用不同SF-β-CD估计协同增敏趋势的方法。     

β环糊精对显色反应作用的研究：Ⅱ.与表现活性剂的协同作用机理探讨

本文从β－环糊精（β－ＣＤ）的包合作用及其对表面活性剂（ＳＦ）包合后引起的包合常数增大等方面，探讨了β－ＣＤ－与离子表面活性剂对显色反应的协同增敏作用机理，研究表明：β－ＣＤ与ＳＦ形成包合物ＳＦ－β－ＣＤ及ＳＦ－β－ＣＤ对显色剂及其显色络合物包合作用的增强，是产生协同增敏作用的主要因素，但还须考虑对空白值的影响以及配合物的稳定性，还提出了对一同显色体系应用不同ＳＦ－β－ＣＤ估计协同增敏趋势的方法。     

主成分-人工神经网络在近红外光谱定量分析中的应用

近红外光谱的主成分由非线性迭代偏最小二乘法（ＮＩＰＡＬＳ）求出。主成分作标准化处理后,作为Ｂ－Ｐ神经网络的输入结点进行非线性迭代。该法的优点是,充分利用了全光谱的数据,得到消除噪声后的最佳主成分,能建立非线性模型,Ｂ－Ｐ神经网络迭代时间显著缩短。用该法对大麦中的淀粉含量进行了定量分析研究。结果为：校准和预测的相关系数分别为０．９８１和０．９５３,校准和预测的相对标准偏差分别为１．７０％和２．４８％。     

流动注射在线预富集人工神经网络—光度法同时测定地质样品中金,钯,银

将流动注射在线预富集技术引入光度分析，较好地解决了一般用树脂相光度法重现性不好的问题。提出了应用淋洗曲线作为多组份同时测定的定量依据；采用人工神经网络法对体系的非线性数据进行处理，较好地解决了复杂的地质样品中痕量贵金属元素Ａｕ、Ｐｄ、Ａｇ的同时测定。     

STUDYING THE ABRASION BEHAVIOR OF RUBBERY MATERIALS WITH COMBINED DESIGN OF EXPERIMENT-ARTIFICIAL NEURAL NETWORK

In this study,an application of artificial neural network(ANN)has been presented in modeling and studying the effect of compounding variables on abrasion behavior of rubber formulations.Three case studies were carried out in which the experiment data were collected according to classical response surface designs.Besides developing the ANN models,we developed response surface methodology(RSM)to confirm the ANN predictions.A simple relation was employed for determination of relative importance of each variable according to ANN models.It was shown through these case studies that ANN models delivered very good data fitting and their simulating curves could help the researchers to better understand the abrasion behavior.     

化学计量学在分析化学中的应用

从化学定量构效关系、模式识别法、人工神经网络、波谱化学、多元校正分析法等方面对化学计量学在分析化学中的应用进行了综述。阐明了化学计量学在分析化学中的作用及广阔的应用前景。     

Prediction of soluble solids content, firmness and pH of pear by signals of electronic nose sensors

The objective of this study was to investigate the predictability of an electronic nose for fruit quality indices. Responses signal of sensor array in electronic nose were employed to establish quality indices model for “xueqing” pear. The relationships were established between signal of electronic nose and the quality indices of fruit (firmness, soluble solids content (SSC) and pH) by multiple linear regressions (MLR) and artificial neural network (ANN). The prediction models for firmness and soluble solids content indicated a good prediction performance. The SSC model by ANN had a standard error of prediction (SEP) of 0.41 and correlation coefficient 0.93 between predicted and measured values, the model by ANN for the penetrating force (CF) had a 3.12 SEP and 0.94 coefficient, respectively. The results imply that it is possible to predict “xueqing” pear quality characteristics from signal of E-nose.     

Prediction of the radioactivity in Hazar Lake (Sivrice, Turkey) by artificial neural networks

Summary This paper presents an Artificial Neural Network (ANN) model for determining the total radioactivity in Hazar Lake (Sivrice, Turkey). In order to cope with complex calculations and experiments required for the determination of total radioctivity. The proposed ANN system employs the individual training strategy with fixed-weight and supervised models. The simulation demonstrate the feasibility of the neural based model. Compared to the classical methods, the proposed ANN-based model makes the processes much easier.