蒽醌基金属-有机笼光氧化性能

将光活性蒽醌配体L¹和L²（L¹=N²,N⁷-双（（2,2''-联吡啶）-5-基）-9,10-蒽醌-2,7-双酰胺,L²=N²,N⁷-双（4-（（2,2''-联吡啶）-5-基）苯基）-9,10-蒽醌-2,7-双酰胺）与锌离子和亚铁离子通过配位自组装构筑得到一系列配合物1-Zn、2-Zn和2-Fe,单晶X射线衍射和电喷雾质谱等表征表明这一系列配合物为“2+3”的M₂L₃型金属-有机超分子结构。将蒽醌基金属-有机笼1-Zn与2-Zn应用于甲苯光催化氧化反应中,结果表明笼状催化剂和底物分子间形成超分子主客体化合物是其能有效氧化甲苯的关键。通过对芳香醇的光氧化反应进一步探究1-Zn与2-Zn的光氧化性能,实验结果表明催化产率受到取代基的电子效应和底物分子的尺寸的影响。     

基于高光谱成像的生鲜猪肉细菌总数预测建模方法研究

生鲜猪肉中细菌总数(TVC)超标会直接危害大众,为此研究验证高光谱成像技术结合相应的建模方法预测生鲜猪肉中TVC的可行性。针对非线性、小样本问题, 以及光谱维和空间维的大数据量问题,在综合比较偏最小二乘回归(PLSR)、人工神经网络(ANNs)和最小二乘支持向量机(LS-SVM)3种建模方法的基础上,最终选取了LS-SVM方法组建模型。3种建模方法综合比较的结果表明,LS-SVM同时兼顾了训练精度和泛化能力两方面的性能,使其都能做到最优,与标准平板菌落计数法所检测TVC的决定系数分别为0.987 2和0.942 6,校正均方根误差和预测标准均方根误差分别为0.207 1和0.217 6,其建模性能优于其他方法。研究结果表明,高光谱成像技术结合LS-SVM预测建模方法可作为快速、非破坏预测生鲜猪肉TVC的有效手段。     

DPLS和SVM的掺假花椒粉近红外光谱定性鉴别

花椒是我国的八大调味料之一。目前花椒市场掺假现象较为多见,为实现掺假花椒粉的快速定性鉴别,采用了近红外光谱结合化学计量学方法进行了探讨。将麦麸粉、稻糠粉、玉米粉和松香粉以1 Wt/Wt.%的递增梯度分别掺入红花椒粉和青花椒粉中,制备掺假浓度范围为1~54 Wt/Wt.%的掺假花椒粉样品,以掺假花椒粉和纯花椒粉共462份样品依次采集其800~2 500 nm范围的漫反射近红外光谱。采用主成分分析法(PCA)对光谱数据进行分析,前3个主成分累计贡献率达98.72%,做出的得分图表明PCA法对掺假的花椒粉具有较好的区域划分。347份样本作为校正集,以特征谱区2 000~2 200 nm范围的257个采样点的光谱信号作为输入,采用判别偏最小二乘法(DPLS)和支持向量机(SVM)建立定性鉴别模型,经不同光谱预处理,对115份验证集样本进行预测,总体鉴别正确率在97.39%~100%之间,表明该方法是快速定性鉴别掺假花椒粉的一个有效手段。     

基于炉口辐射光谱支持向量机回归的转炉终点碳含量检测

转炉终点碳含量在线检测对实现炼钢终点准确控制,提高钢铁产品质量,降低能耗,减少废气排放具有重要意义。针对转炉冶炼终点控制及碳含量检测的难题,研究了一种新的基于炉口辐射光谱分析的非接触式在线碳含量检测方法。方法基于辐射光谱的支持向量机回归(SVR)实现转炉终点前过程的碳含量预测。通过远距离光谱采集系统获取炉口火焰光谱信息,基于冶炼过程炉口火焰辐射光谱变化规律的分析,分别提取了表征辐射光谱整体特征的两个参数即总谱宽和辐射峰值、以及表征发射谱的三个特征波长600,630和775 nm处的幅值作为支持向量机的输入,结合脱碳理论和实测碳值拟合重构的脱碳函数曲线作为支持向量机的输出,利用支持向量机回归方法建立光谱分布与碳含量的关系模型。通过训练样本集和测试集循环优化确定模型最佳参数。设计的仪器和优选的模型已安装在转炉生产现场长时间运行,现场实验结果表明,终点碳含量检测准确率为90.2%,测量时间小于0.3 s,可实时在线检测,能够满足生产需求,为转炉冶炼终点的精确控制提供了重要依据。     

基于不均衡数据的小企业信用风险评价

小企业信用风险评价既是银行风险管理问题,又事关经济社会稳定。针对小企业贷款实践中,违约样本远少于非违约样本、且违约客户误判对银行影响较大的现实,采用不均衡支持向量机对小企业信用风险评价指标进行赋权,进而构建了能有效区分违约客户、非违约客户的评价模型。根据有无特定评价指标、特定评价指标数值变化对贷款小企业违约状态的影响程度赋权;反映了对违约状态影响越大、评价指标权重越大的赋权思路。将违约样本正确识别率、违约样本的准确率与查全率等因素作为支持向量机赋权模型中客户识别率的度量标准,改变了样本数据不均衡所导致的样本总体精度很高、违约样本精度反而不高的现象。研究结果表明:行业景气指数、资本固定化比率、净利润现金含量、恩格尔系数、营业利润率等评价指标对小企业信用风险的影响较大。     

UMCM-1-NH2的后合成修饰及在制备β-氨基醇反应中的应用

采用后合成修饰(PSM)技术将水杨醛锚装到UMCM-1-NH₂上, 得到席夫碱功能化的多孔金属-有机骨架化合物UMCM-1-NH-Sal, 在该化合物孔道内的席夫碱N、 O原子上螯合铜离子得到UMCM-1-NH-Sal-Cu催化剂, 并用核磁共振氢谱(¹H NMR)、 X 射线衍射(PXRD)、 热重分析(TG)、 N₂ 吸附-脱附等手段对催化剂进行了表征, 将其用于催化有机胺和环氧化物的开环反应制备β-氨基醇, 结果表明该催化剂具有良好的催化效果.     

连续小波变换高光谱数据的土壤有机质含量反演模型构建

土壤有机质含量是反映土壤肥力的重要指标,对其进行动态监测是实施精准农业的重要措施。近年来,众多学者尝试采用土壤近地传感(proximal soil sensing),尤其是近地高光谱技术,在田间和实验室获取不同形态土壤的高光谱数据,不断引入新方法建立适用于不同地域和不同土壤类型的有机质含量的反演模型。该研究在实验室内利用ASD FS3采集了土壤高光谱数据,采用“重铬酸钾-外加热法”测得了土壤有机质含量;分析了土壤原始光谱反射率(R)与有机质含量的相关性,选取R2>0.15的敏感波段的反射率;利用CWT对土壤原始光谱反射率(R)、光谱反射率的连续统去除(CR)进行不同尺度的分解,分析小波系数与土壤有机质含量的相关性,选取R2>0.3的敏感波段的小波系数;利用R选取的波段信息和R-CWT,CR-CWT的选取的小波系数,分别建立偏最小二乘回归(PLSR)、BP神经网络(BPNN)、支持向量机回归(SVMR)三种不同的土壤有机质含量反演模型。结果表明：相比R与土壤有机质含量的决定系数R2,R-CWT,CR-CWT变换后得到的小波系数与土壤有机质含量的决定系数R2分别提高了0.15和0.2左右;CR-CWT-SVMR的模型效果最为显著,预测集的R2和RMSE分别为0.83,4.02,RPD值为2.48,具有较高的估测精度,能够全面稳定地估算土壤有机质含量;CR-CWT-PLSR的模型精度与CR-CWT-BPNN,CR-CWT-SVMR相比虽有一定差距,但是其计算量要明显小于非线性的BPNN和SVMR方法,具有模型简单、运算速度快等特点,对开发与设计田间传感器具有较大的应用价值。     

荧光光谱结合支持向量机测定食用色素纯度

采用一种由原点矩法改造所得的特征压缩算法对荧光光谱数据进行预处理,将处理后的数据与加权最小二乘支持向量机(WLS-SVM)算法结合,建立鲁棒回归模型,用以预测实际食用色素粉末的纯度。以亮蓝和胭脂红这2种色素为例论述该方法对实际食用色素粉末纯度的预测效果。首先,利用FLS920荧光光谱仪测量获得两种色素的标准样本和实际样本在最佳激发波长下的荧光发射光谱数据,利用由原点矩法改造所得的特征压缩算法对获取的荧光光谱数据进行压缩和变换,一方面缩短了算法的运算时间,另一方面也提高了模型的预测精度。将预处理后的荧光光谱数据输入加权最小二乘支持向量机中建立浓度预测模型,该模型对亮蓝、胭脂红实际样本溶液给出的预测光谱与它们的实测光谱吻合程度好,半高峰宽区间内的平均决定系数分别为0.662和0.931。所有亮蓝、胭脂红溶液的预测浓度和标称浓度之间具有良好的线性关系,相关系数分别为0.997和0.992。由此通过多项式拟合得到的亮蓝、胭脂红粉末的预测纯度分别为61.0%和72.3%。     

一维热传导方程热源反问题基于最小二乘法的正则化方法

研究一维热传导方程热源反问题.给出基于最小二乘支持向量机（LS-SVM）求解的半解析表达式,此外还给出一种参数调节方法以及算法稳定性的证明.数值实验表明该方法具有较高的数值精度和稳定性.     

水泥生料品质激光在线检测设备研制

水泥质量的优劣直接影响到建筑工程的安全,使用品质合格的水泥材料是保证工程结构质量的必要前提,因此快速检测水泥生料成份对于及时指导调整原料配比和保障水泥产品品质具有重要意义。传统的生料检测需要经过取样、制样、化验等环节,检测结果严重滞后于生产。我们通过产学研协同攻关,研制了一套基于激光诱导击穿光谱(laser-induced breakdown spectroscopy, LIBS)技术的水泥生料品质在线检测设备,该设备由LIBS光学检测系统和气动取送样系统两部分组成,实现了对水泥生产线上水泥生料品质的实时连续测量,避免了传统的取制样环节,从而大大缩短了化验时间,所测水泥生料成分的实时数据能够及时指导调整水泥原料的配比,保证水泥质量的合格。我们利用该LIBS水泥品质在线检测设备对水泥生产线上生料中的主成分Al₂O₃,CaO,Fe₂O₃,MgO和SiO₂进行了定量分析,利用全谱归一化和支持向量机(support vector machine,SVM)对水泥生料建立定标模型,对水泥生料中Al₂O₃,CaO,Fe₂O₃,MgO和SiO₂测量的最大误差分别是0.34%,0.35%,0.07%,0.14%和0.55%。现场实验结果表明,本水泥生料品质激光在线检测设备的测量结果与传统化验法的结果相吻合,测量精度与X射线荧光光谱法(XRF)相接近,从而证实了LIBS可以作为水泥在线检测的一种有前景的方法。