电感耦合等离子体原子发射光谱的现代谱估计

用现代谱估计方法对电感耦合等离子体原子发射光谱（ＩＣＰ－ＡＥＳ）及其信号特性作了讨论。本工作用现代谱估计技术中的自回归模型（ＡＲ）方法计算功率谱。采用Ｌｅｖｉｎｓｏｎ－Ｄｕｒｂｉｎ递归算法计算ＡＲ模型的参数,然后用这些参数计算功率谱。用实际的ＩＣＰ－ＡＥＳ光谱和测量信号所得的结果表明,采用谱估计方法可以对ＩＣＰ－ＡＥＳ光谱的频率构成和特性作进一步深入的理解。     

Kragten法评估测量不确定度探讨

利用Kragten数值方法对医学检验中血清淀粉酶（amylase, AMY）活性浓度测量模型的合成标准不确定度（u_c）进行计算,得到的结果与基于不确定度传播率的方法（GUM）基本一致,方法间计算的偏差均来自与该测量模型输出量呈非线性的输入量的贡献.推导出了非线性输入量引入的不确定度分量的解析式,表明Kragten法和含一阶项的GUM法计算结果的相对偏差仅与各输入量的相对不确定度呈函数关系.考查了逐渐增大的样品体积相对不确定度值(u（V_S）/V_S)对Kragten法计算的u_c影响趋势,并与GUM法进行了比较.当相对不确定度的值增大而使测量结果非线性地取决于1个或多个输入量时,Kragten法仅给出了估计的标准不确定度,此时GUM法中的高阶项部分不应该被忽略.本研究对将Kragten法用于此类非线性模型的不确定度的评估,具有一定的参考和指导意义.     

径向基函数网络-红外光谱法用于中药大黄样品的真伪分类

将径向基函数网络与红外光谱分析技术相结合,对正品和非正品大黄样品进行分类判别。采用小波变换对原始数据进行压缩,将原来的775个数据点压缩到49个变量,既保持了原来的特征谱峰又提高了网络的训练速度。对45种样品进行了测定和鉴别,正确率可以达到97.78%。并对影响分类结果的网络参数,目标误差和分布函数对样品分类的影响做了讨论。红外光谱法与神经网络相结合用于中草药的分类鉴定更加快速和方便。     

4-(2,6-二甲基苯氧基)邻苯二腈的合成与物理光学研究

合成出一种具有荧光性质的小分子有机分子,用1HNMR,IR和元素分析进行了表征.研究了该有机分子的荧光性质,在浓度为1×10-3mol/L时,激发波长为340nm,发射波长是459nm;浓度对发射光谱的峰位和强度有影响.     

电感耦合等离子体原子发射光谱分析信息系统的开发 Ⅰ.系统分析

根据电感耦合等离子体原子发射光谱（ＩＣＰ－ＡＥＳ）分析的实际需要，开发了一种 ＩＣＰ－ＡＥＳ分析信息系统。该系统包括谱线管理系统、识别干扰程度系统、校准及干扰校正系 统、帮助系统等子系统。本文将讨论系统分析。系统设计和系统评价将在另文中讨论。     

Windows环境下的ICP-AES信息系统

在本实验室开发的ＭＳ－ＤＯＳ下的ＩＣＰ－ＡＥＳ分析信息系统的基础上,进一步发展了Ｗｉｎｄｏｗｓ下图形用户界面的ＩＣＰ－ＡＥＳ信息系统。该系统不仅包括了２８０００余条谱线的信息,还可作ＩＣＰ发射光谱模拟,因而对谱线选择有很大帮助。该系统还有可进行光谱峰位优化的卡尔曼滤波和因子分析的应用程序,并包括了大量的实际光谱扫描实例可供使用中参考,使该系统具有更强的实用性     

卡尔曼滤波-分光光度法用于有机反应动力学研究

本文将卡尔曼滤波－分光光度法用于α－羰基烯酮环二硫代缩酮化合物的化学动力学研究。结果表明，用该方法能够有效地消除或减小组分间的干扰，从而进行混合体系中各组分的同时测定。该方法成功地用于１－苯基－２－（１，２－亚乙二硫基）亚甲基－１，３二丁酮与间硝基苯甲醛的缩合反应动力学研究中。     

温度限制串联相关网络用于有机环境污染物紫外光谱的识别

本文将温度限制串联相关网络用于有机环境污染物紫外光谱的识别。紫外光谱的库检索比红外光谱检索更困难 ,因为紫外光谱的重叠更为严重。此外 ,光谱测量的漂移和噪声也会影响紫外光谱库检索的正确率。因此 ,采用具有模糊性质的神经网络是一个很好的选择。温度限制串联相关网络 (TCCCN)是一种与通常所用BP网络不同结构的网络模型 ,它采用串联相关的神经元连续方式 ,且引入温度参数 ,因而可以减少网络的过度训练和加快训练速度。本工作采用TCCCN进行紫外光谱的库检索 ,对有关参数进行了优化 ,并对光谱测量噪声的影响做了研究。结果表明 ,采用TCCCN方法明显优于在谱库检索中常用的相关系数法。     

电感耦合等离子体发射光谱法测定东北大豆中微量元素

用电感耦合等离子体原子发射光谱法（ICP-AES）测定了11种东北大豆中大量、小量和微量元素。比较了两种湿法消解方法，HNO3-HclO4，HNO3-H2SO4和干类化法对分析结果的影响。由于大豆含有较多的油脂，用混合酸消解时费时较长且需加入较多的酸，从而可能产生较高的背景空白，因此对大豆样品的前处理采用干灰法较为合适。大豆中钾和磷是大量元素，本工作还研究了钾和磷对其他元素测定的影响。结果表明，大豆中钾和磷对其他微量元素的测定没有影响。结果还表明，这11种大豆中的各微量元素的含量没有显著性差异。