胶束电动毛细管色谱法测定植物中的水杨酸

建立了以胶束电动色谱为分离模式测定植物中水杨酸的新方法。在一定范围内，随着硼酸和甲醇浓度的升高，苯甲酸内标和水杨酸的分离度以近似线性关系升高；随缓冲液pH的升高分离度呈非线性升高；随十六烷基三甲基溴化铵浓度的升高分离度呈非线性下降。在优化的条件下，两可在12min内分离。测定了苹果和梨样品，并做了回收率试验，回收率在97.1%-102%之间。     

XPS定量分析及其在CdTe（Ⅲ）面识别化学物种中的应用

我们用谱仪能量传输函数修正的相对原子灵敏度因子获得了ＸＰＳ定量数据。通过将定量结果与结合能的化学位移相结合的方法，分析了ＣｄＴｅ表面的两个氧化过程，结果表明，机械抛光样品表面的构成是：６６％ＣｄＴｅ，２８．９％的Ｃｄ（ＯＨ）２和５．１％ＴｅＯｘ（Ｘ＞２），而经化学抛光的表面构成是∶８４．４％的ＴｄＴｅＯ４和１５．６％ＴｅＯｘ（Ｘ＞１）。     

安培力定量分析实验仪的制作与使用

阐述了设计、制作安培力定量分析实验仪的过程,并通过对实验器材的实验操作与数据分析得出了理想的结论.     

基于RBM的神经网络时间序列预测

为了克服神经网络依赖初始化结果,泛化能力不强的缺点,提出一种基于受限玻尔兹曼机(RBM)的神经网络模型.利用无监督学习方法优化神经网络的初始权值和阈值,将RBM与神经网络融合起来,模型与时间序列神经网络做实验对比,结果表明,基于受限的玻尔兹曼机的神经网络模型优于神经网络预测模型,模型可以提高预测的精准度,具有一定的应用意义.     

一种面向PX装置成品杂质含量检测的拉曼光谱分析法

面向对二甲苯(PX)成品的在线分析问题,为克服色谱分析法的不足,本文提出了一种基于拉曼光谱的PX成品杂质含量分析方法。为了克服激光中心波长与功率波动带来的不良影响,提出了激光中心波长自动校正与PX特征峰归一化方法;同时,结合相关分析获取了主要杂质的特征波段,并采用偏最小二乘算法进行定量分析。针对11个未知样本,PLS模型对甲苯(MB)、乙苯(EB)、间二甲苯(MX)、邻二甲苯(OX)的标准预测误差分别为0.03%、0.11%、0.02%、0.03%。实验结果表明,拉曼光谱法能够快速、准确且无损地测定PX成品中主要杂质的含量,为在线拉曼分析系统的开发奠定了方法基础。     

密闭空间可燃气体爆炸超压预测

为避免密闭空间内可燃预混气体爆炸事故造成的伤害，对其进行较为准确的爆炸超压预测是抗爆设计和日常安全管理的关键。结合已有文献实验数据，利用光滑层流火焰传播理论模型建立了爆炸超压模型；对比发现，当体积较大时，光滑层流火焰传播理论模型存在较大的误差。较大体积密闭空间爆炸火焰传播过程中的不稳定性造成火焰前锋面褶皱并引起湍流燃烧，导致火焰前锋面表面积大幅增加，且在火焰传播过程中表现出自相似分形特征。依据褶皱及湍流火焰传播过程中的自相似分形特征，基于分形燃烧理论和相关经验数据，进一步建立了考虑可燃预混气体爆炸火焰褶皱及湍流火焰传播的爆炸超压预测模型，并与实验所得结果进行了对比。结果表明:当密闭空间体积较大时，利用褶皱及湍流火焰传播理论建立的爆炸超压模型进行峰值压力估算时，两种工况下实验所得和理论计算所得相对误差分别为10.4%和11.1%，较光滑层流火焰传播理论爆炸超压模型相比，误差分别减少了72.3%和50.6%。本文所建立理论模型与实验所得结果具有较好的一致性，在一定程度上可满足结构抗爆设计或日常安全管理的需要。     

基于SVM的固化土无侧限抗压强度模型

为实现较少试验次数下固化土无侧限抗压强度(qu)的准确预测, 提出了基于支持向量机(SVM)的固化土qu的预测模型. 以固化剂各组分掺入比、龄期、初始含水量、固化剂掺量等因素为输入量, 固化土的qu作为输出量, 以径向基为核函数, 采用网格搜索法和交叉验证法进行参数优化, 建立了基于SVM的固化土qu的预测模型. 算例分析表明: 该模型适用于任意条件下固化土qu的精确预测, 且在较小试验成本下实现与响应面法相当的预测精度.     

PSO-LSSVM对LIBS定量分析精度的提高

针对土壤定量分析受基体效应影响大，LIBS定量分析精度不佳等问题，采用粒子群算法对LSSVM进行优化，提高模型的精确度。选取Pb Ⅰ 405.78 nm和Cr Ⅰ 425.44 nm作为分析谱线进行分析。采集十二个不同浓度样品的特征光谱，每个浓度样品在不同点采集20组数据，将其中17组数据设为训练集，3组数据设为预测集，用LSSVM和PSO-LSSVM两种方法建立定标模型。对比两种模型的拟合相关系数（R2）、训练集均方根误差（RMSEC）和预测集均方根误差(RMSEP)。由于自吸收效应的影响，随着浓度的增加，预测值逐渐低于实际值，LSSVM定标模型的拟合程度较低，无法达到实验要求，模型性能有待提高。利用粒子群算法对LSSVM的模型参数惩罚系数和核函数参数进行优化，得到最佳的参数组合，Pb元素为(8 096.8, 138.865 7)，Cr元素为(4 908.6, 393.563 5)，用最佳的参数组合构建LSSVM的定标模型。相比于LSSVM，PSO-LSSVM定标模型的精确度更高，Pb和Cr元素的R2提高到了0.982 8和0.985 0，拟合效果明显提升。Pb和Cr元素的训练集均方根误差由0.026 0 Wt%和0.027 2 Wt%下降到0.022 4 Wt%和0.019 1 Wt%，预测集均方根误差由0.101 8 Wt%和0.078 8 Wt% 下降到0.045 8 Wt%和0.042 0 Wt%，模型的稳定性进一步提高。说明PSO-LSSVM算法能够更好地降低土壤基体效应和自吸收效应带来的影响，提高分析结果的精确度与稳定性。     

基于相似度证据理论的模糊时间序列模型的研究

为了提高模糊时间序列模型的预测效果,利用证据理论在处理不确定信息和信息融合方面的优越性,利用贴近度作为证据之间的相似度,对模糊规则进行合成,形成基于相似度的证据理论的多因素模糊时间序列模型.方法在支持证据"与"运算的合成和对冲突证据的比例分配上,充分考虑了证据的权重.最后,通过实例的比较研究验证模型的有效性.     

气相色谱一质谱联用仪

GC--MS是一种高效的分析技术,该技术利用气相色谱的分离能力使混合物中的各组分分离,并利用质谱鉴定（定性分析）,且可以测定其精确含量（定量分析）。气相色谱和质谱的控制、数据的记录和分析都由计算机系统完成。气质联用具有非常高的灵敏度（10-15g）,应用范围非常广泛。