生物质热解制备木醋液及其性质研究

对杉木屑、棉杆、竹屑三种生物质热解制得的木醋液产率、基本理化性质及其有机成分进行了分析研究。结果表明,三种生物质原料在350℃下热解制得的粗木醋液、精制木醋液产率相差不大,相同条件下氯化钾浸渍处理后的杉木屑热解所得的粗木醋液、精制木醋液的产率有所降低。三种原料制得的精制木醋液的理化性质不同,杉木屑木醋液的pH值最小,密度最大,竹屑和棉杆木醋液的有机酸含量相对较高。采用GC-MS对精制木醋液中的有机成分进行了分析,结果表明,杉木屑木醋液中的主要组分为酸类、酚类和酮类化合物,棉杆和竹屑木醋液中的主要组分除这三类有机物质外,还含有相对含量较高的醇类化合物。酸类和酚类化合物在三种木醋液中的相对含量依次是竹屑 >棉杆 >木屑;酮类的相对含量依次是木屑 >棉杆 >竹屑。氯化钾处理后的木屑热解所得的木醋液中主要组分酚类和酮类化合物的相对含量有所降低,酸类化合物的相对含量增加,主要表现为乙酸相对含量的增加。与杉木屑木醋液相比,KCl处理后的杉木屑木醋液中的醇类化合物相对含量增加了1倍左右。     

初中化学“酸和碱的性质”创意教学*——探析食品发热包

以食品发热包为主题情境,通过探析发热包成分、解密发热原理、计算原料配比、配制发热包等环节梳理酸和碱的性质、用途。从元素观、转化观的视角认识物质转化规律,体现物质研究的一般思路,凸显科学探究的基本过程。通过设计方案测定发热包中碳酸钠的含量,总结混合物成分鉴定及定量测定的方法;归纳气体定量测定的影响因素。呈现一堂学科观念、学科方法教学具体课例,凸显物质研究、定性检验、定量测定的基本方法。     

高中学业水平考试试题难度模型建构*

利用主成分分析方法厘清试题难度影响因素之间的关系,进而从问题表征、问题解决和结果输出等3个维度上建立了影响高中学业水平考试试题难度的主要因素。通过编写高中学业水平考试测试题进行实证研究,建立影响因素常见呈现类型的难易赋值规则。选用机器学习的线性回归方法建构试题难度分析模型,并使用高考化学江苏卷部分试题的实测难度数据进行校验,模型难度预测值和高考难度实测值具有较好的拟合度,表明模型具有较好的应用价值和推广意义。     

显微共聚焦拉曼光谱结合群分析的黑色直液笔墨迹鉴别研究

黑色直液笔是一种新型书写工具,目前对该种笔墨迹的相关研究较少。为给文件检验工作中墨迹的分析提供新的参考依据,本实验使用显微共聚焦拉曼光谱技术,采集了30支不同品牌、型号的黑色直液笔墨迹光谱数据,进行Savitzky-Golay卷积平滑处理后,依据光谱图的拉曼位移及拉曼谱峰差异对墨迹进行初步分析。设置聚类方法为组间联接,区间距离测量方式为平方欧式距离,对采集的光谱数据进行群分析,将30支黑色直液笔墨迹样本分成了3类,并与品牌建立了相关联系;同时通过主成分分析验证了群分析的可靠性和准确性。研究表明,显微共聚焦拉曼光谱技术结合群分析方法可实现对黑色直液笔墨迹的无损分析及有效鉴别,该方法操作简便、结果准确,适用于法庭科学文件检验。     

LeDock与PyMOL软件在天然产物化学课程教学中的应用*——以中药防治新冠病毒肺炎(COVID-19)为例

以中药防治新冠病毒肺炎(COVID-19)为例,在天然产物化学课程教学中借助LeDock软件进行天然产物小分子与受体蛋白分子之间的半柔性对接,用PyMOL软件分析天然产物小分子与受体蛋白分子之间的相互作用,全方位充分展示天然产物分子结构和功能之间的关系。教学围绕我国当前形势展开,让学生在了解事实的同时激发其学习热情,培养学生的逻辑思维能力和动手能力,以此来提高教学质量。     

LF-NMR结合化学模式识别鉴别油脂种类及餐饮废弃油脂

应用主成分分析(Principal component analysis,PCA)和聚类分析法(Cluster analysis,CA)对9种(27个)常见食用植物油及100个餐饮废油的低场核磁共振(Low-field nuclear magnetic resonance,LF-NMR)(T2)弛豫特性数据进行分析。结果表明:在正常食用油种类区分方面,主成分分析的效果较优,9种食用油在主成分分布图上按种类正确分组,边界清晰。而在正常食用油与餐饮废油的区分方面,聚类分析效果较优,引入30个待测样本后,聚类分析(127个样品,欧式距离=5)的正确率为94.49%,分析误判率为5.51%,分组效果良好。LF-NMR结合化学模式识别可实现对油脂种类及餐饮废弃油脂的鉴别。     

基于内源性致香物质和化学计量学的烟草感官评价研究

采用主成分分析法结合遗传算法和神经网络,建立了基于烟草内源性致香物质的感官质量评价预测模型。利用气相色谱-质谱(GC-MS)技术对超临界萃取-分子蒸馏所得烟草精油中的内源性致香组分进行定性定量分析,汇总各类致香指标后,对其进行主成分分析;以提取所得5个主成分的得分作为输入变量,感官评吸分数作为输出变量,分别使用标准BP神经网络和遗传算法(GA)优化的BP神经网络建立预测模型。对比实验结果表明,GA优化后的模型预测效果更优,其预测值与实验值间的相关系数为0.96,预测均方根误差为1.81,说明GA-BP模型具有更好的拟合能力和预测能力,该模型能有效地预测烟草精油的感官品质。     

龙井茶特征香气成分分析及种类判别

采用顶空固相微萃取(HS-SPME)和气相色谱-质谱(GC-MS)联用技术分析了39份龙井茶叶中的挥发性成分,结合质谱数据库与保留指数,从24份西湖核心区龙井茶中获得了200余种挥发性化合物,这些挥发性成分中主要含有醇类、酯类、酮类、杂环类等化合物,经筛选得到26种共有组分.并采用主成分分析法(PCA)对24份西湖核心区龙井茶和15份疑似龙井茶进行了有效区分.该方法适用于茶叶的品质鉴定、真假识别、产地溯源等方面的研究,也为其他产品的挥发性成分分析提供参考.     

一种面向多组分定量的通用谱图解析方法

在一个多组分系统中各组分的定量分析是非常重要的。现代光谱如拉曼光谱(RS)、傅里叶变换红外(FT-IR)光谱、紫外-可见(UV-Vis)光谱、核磁共振(NMR)、质谱(MS)等,可通过获取丰富峰信号的谱图对样品进行各角度的详尽描述。然而,由于谱图的复杂性及其解析工作的繁重,使得仅通过样品谱图来同时量化混合物中的每个组分成为很具挑战性的工作。在这项研究中,我们首次介绍了一个名为定量主成分分析(q PCA)的可靠策略,快速计算混合物中每个成分的比例,而不需要任何手动解谱。通过使用纯组分的谱图作为参考,多组分系统的谱图可以通过PCA自动分辨并解析,然后就可以使用我们的计算方法来计算每个组分的比例。计算机建模实验和RS、FT-IR、UV-Vis、NMR、MS实验都证明了这一策略胜任多组分系统的快速定量工作。     

支持向量机结台主成分分析辅助激光诱导击穿光谱技术识别鲜肉品种

为提高激光诱导击穿光谱技术(Laser-induced breakdown spectroscopy,LIBS)对鲜肉品种的识别率,采用支持向量机结合主成分分析算法辅助LIBS技术对鲜肉品种进行识别.对鲜肉切片用载玻片压平,采用LIBS技术对鲜肉组织(猪肉、牛肉和鸡肉)表面进行光谱数据的采集,每种鲜肉采集150幅光谱并进行随机排列,取前75幅光谱作为训练集建立模型,后75幅作为测试集测试建模结果.研究选取K、Ca、Na、Mg、Al、H、O等元素的49条归一化谱线数据进行主成分分析,并用所得数据建立支持向量机分类模型.结果表明,通过主成分分析降维,输入变量从49个优化减少到18个,模型建模速度从88.91 s降至55.52 s,提高了支持向量机的建模效率;并使预测集的平均识别率提高到89.11%.本研究为激光诱导击穿光谱技术在鲜肉品种快速分类领域提供了方法和数据参考.