New Dopamine Derivative from Lycium Barbarum

Incontinuationofourworkoncyclicpeptidesandamides'-',wetestedextractsofthefruitsofLyciumbarbarumwhichwasusedasatonicandsedativeintraditionalChinesemedicineandfoundtheextractscontainedconstituentwhichshowedpositivereactionwithninhydrinafterhydrolysis.ThusweinvestigatedtheplantandanewdopaminederivativeInamedlyciumideAwasisolated.Figure1.ThestructureoflyciumideAIJLyciumideAIwasobtainedascolorlessgum.Itcouldbededucedasanamidesincethecompoundshowednegativereactionwithninhydrinbutpositiveafterhyd…     

杯[6]芳烃-双金属卟啉仿P450酶模型的研究Ⅱ.轴向配体对环己烯环氧化反应的影响及反应动力学考察

研究了轴向配体对杯[6]芳烃-双金属卟啉仿P450酶模型催化环己烯环氧化反应的影响,并考察了反应的动力学规律,结合UV-vis监测反应的结果,提出了一种可能的反应机制.     

浊度干扰下硝酸盐浓度紫外导数光谱检测方法研究

硝酸盐是水中“三氮”（硝酸盐氮、氨氮、总氮）之一,是反映水体受污染程度的一项重要指标。传统 “现场采样-离线分析” 的硝酸盐化学检测方法操作繁琐、耗时长,难以满足现代水环境实时在线检测需求。由于硝酸根在紫外区具有很强的紫外吸收特性,并且紫外吸收光谱法具有简便快速、可实现实时在线监测等特点,近年来被广泛用于硝酸盐浓度的测量。但使用紫外吸收光谱法检测水体硝酸盐含量时,容易受到水体浊度影响,造成谱线非线性抬升,导致测量误差。目前对浊度补偿算法的研究大都用于水中COD含量的检测,对硝酸盐检测中浊度干扰去除研究较少。为此提出一种基于一阶导数紫外吸收光谱的硝酸盐浓度测量方法,该方法可以减小浊度干扰,从而提高紫外光谱快速检测硝酸盐含量的准确度。通过测量福尔马肼与硝酸钠标准溶液和它们混合溶液在190~300 nm波段的紫外吸收光谱并做一阶导数光谱处理,处理后的光谱采用Savitzky-Golay滤波进行去噪平滑处理,比较浊度与硝酸盐紫外吸收一阶导数光谱特征,分波段研究浊度对硝酸盐紫外一阶导数光谱影响,结果表明硝酸盐导数光谱在220~230 nm波段受浊度影响小;选取220~230 nm波段作为光谱分析区间,以30种不同浓度混合的福尔马肼与硝酸钠溶液作为训练样本,利用偏最小二乘算法建立硝酸盐定量分析模型,使用该建模模型预测剩下的6种不同浓度福尔马肼与硝酸钠混合溶液中硝酸盐的浓度,结果表明福尔马肼干扰下硝酸盐测量结果的预测决定系数（correlation coefficient,R2）为0.994 3,预测均方根误差（root mean square error of prediction,RMSEP）为0.346 9 mg·L-1。为进一步验证该方法的准确性与稳定性,使用该建模模型预测高岭土与硝酸钾配制的混合水样中硝酸盐的浓度,结果表明该方法对高岭土干扰下硝酸盐测量结果的预测决定系数r2为0.991 5,预测均方根误差RMSEP为0.362 8 mg·L-1。综上所述,提出的硝酸盐浓度紫外导数光谱检测方法,采用220~230 nm波段的紫外导数光谱数据,结合PLS建模,可以快速准确测量在浊度干扰下水体硝酸盐的浓度,为发展实际水体硝酸盐在线监测技术与设备提供方法基础。     

基于一维卷积神经网络的雌激素粉末拉曼光谱定性分类

拉曼光谱物质定性鉴别已被广泛应用于诸多行业和研究领域,但传统拉曼光谱分析过程中的预处理主要依赖人为经验,光谱特征提取虽然能够降低信号维度,同时也会造成部分光谱信息损失。特性相近物质本身光谱相似度较高,受到测量过程中环境干扰和分析过程中多种误差影响,导致最终分类效果并不理想。针对此问题,提出基于一维卷积神经网络（one-dimensional convolution neural network,1D-CNN）的拉曼光谱定性分类方法。实验采集雌酮（Estrone）、雌二醇（Estradiol）,雌三醇（Estriol）三种不同雌性激素粉末的拉曼光谱,设计随机平移、添加噪声和随机加权三种光谱数据增强方法,构建数量充足的拉曼光谱数据库用于神经网络模型训练与测试;基于拉曼光谱数据特点提出一维卷积神经网络分类模型,将光谱预处理、特征提取和定性分类的全过程融为一体。通过大量仿真实验,优化所提出的神经网络模型超参数和训练过程并测试分类效果,从预处理对光谱分类结果的影响和模型抗干扰性能两个方面与多种传统拉曼光谱分类算法对比,评价模型性能。实验结果表明,本文提出的一维卷积神经网络模型可实现三类雌性激素粉末拉曼光谱快速准确分类,分类正确率最高可达98.26%,分析过程中无需光谱预处理和特征提取步骤,简化了光谱分析流程,并能保留更多有效信息。同时,当模拟测量噪声强度达到60 dBW时,传统方法分类正确率均明显出现不同程度明显降低,卷积神经网络模型依然能够取得96.81%的分类正确率,说明相比对传统拉曼光谱分类方法,所提出方法受光谱测量噪声影响更小,鲁棒性更强,适用于分析更复杂现场测量的强噪声拉曼光谱信号。该研究结果表明深度学习方法在拉曼光谱的分析与处理领域具有很大的应用潜力和研究价值。     

涤棉混纺织物近红外定量分析模型的建立及相关问题探讨

在废旧纺织品回收再利用中,纤维类型和含量的快速、准确测定是回收方案的关键部分。以598个废旧涤棉混纺织物为研究对象,采用便携式近红外（NIR）光谱仪测试了样品的原始近红外光谱。在1 400～1 700和1 900～2 200 nm光谱区域,100％棉和100％聚酯样品的光谱存在明显差异,并且这些光谱差异存在于各种颜色纤维上。同时探讨了斜线光谱产生的原因可能是由于织物表面效果、着色方法及粘附在纤维表面的细小颗粒造成的。深色样品易造成其光谱基线在短波区发生漂移,经导数预处理后,基线漂移基本消除,斜线光谱呈现出正常光谱的特征。利用偏最小二乘（PLS）法结合一阶导数、S-G平滑、均值中心化和正交信号校正法,建立了废旧棉-涤混纺织物定量分析模型。为了验证模型的可靠性,选取346个样本采用内部交叉验证均方根误差（RMSECV）和预测样品集外部检验法对模型进行检验,模型的RMSECV值0.002、校正集相关系数R_C＝0.998、预测相关系数R_P=0.997、预测标准差SEP＝1.121,模型预测正确率可达97％。对模型进行匹配样本t检验结果显示,NIR方法与国家标准方法无显着性差异。NIR预测值与重量法测定值误差在±3％以内时,二者的一致性在90％以上,当误差在±5％以内,二者的一致性在95％以上,分析时间小于10 s。因此,利用近红外技术结合所建模型可以快速、准确地预测废旧棉/涤混纺织物纤维成分的含量。     

红外光谱探究常见污染气体对丝织品结构的影响

丝织品是由丝蛋白质组成,高温、高湿及污染物等因素会使其结构发生变化。为了科学地评估博物馆中污染气体对丝织品结构的影响,采取人工模拟实验制备二氧化氮、二氧化硫、乙酸和氨气常见博物馆污染气体环境,利用傅里叶红外光谱（FTIR）从丝蛋白质肽链结构、二级结构等方面探讨4种污染气体对丝织品蛋白质结构的影响。实验结果表明,二氧化氮老化30 h后样品的红外光谱在1 382 cm-1波数附近出现甲基对称变角振动吸收峰,而其他气体老化50 d的丝织品仍未产生甲基对称变角振动,说明二氧化氮对丝织品破坏最严重。所有污染气体老化后,样品的红外光谱在975和999 cm-1丝蛋白-Gly-Ala-和-Gly-Gly-肽链（一级）结构特征吸收峰处均有不同程度减弱,但碱性气体氨气较酸性气体减弱更明显。傅里叶红外光谱技术结合酰胺Ⅲ带（1 330～1 200 cm-1）去卷积和高斯拟合法研究表明,50 d氨老化后仅引起丝蛋白质非结晶区的轻微变化,α-螺旋、无规卷曲、β-折叠含量变化幅度较小,丝蛋白二级结构变化较小。相比而言,酸性气体对丝蛋白二级结构影响更加显著,出现β-折叠相对含量大幅降低、无规卷曲相对含量明显增加,其结晶区遭受严重破坏。在4种气体中,二氧化氮对丝织品二级结构影响最显著,老化30 h后β-折叠相对含量由原始值30.36%降低至18.12%,约降低40%。相应的二氧化氮对丝织品强度破坏最严重,在β-折叠含量降低的同时,材料的力学强度出现了显著降低。利用波数在1 700和1 640 cm-1红外光谱吸收峰的比值（A_{1 700/1 640}）和波数在1 620和1 514 cm-1红外光谱吸收峰的比值（A_{1 620/1 514}）判断样品的老化方式,实验结果表明二氧化氮、二氧化硫、氨气老化样品的方式主要为氧化老化,而乙酸老化的样品则发生氧化老化和水解老化两种老化方式。随着老化时间的延长,4种气体中二氧化氮老化样品的A_{1 620/1 514}比值增加最多、氧化最严重。推断与二氧化氮的强氧化性有关,也与二氧化氮使丝织品产生显著的甲基对称变角振动有关。建议博物馆应严格监测和控制二氧化氮气体浓度。该研究为制定合理的丝织品文物存放环境提供科学依据,对丝织品文物的保护具有重要意义。     

近红外光谱结合化学计量学的常见中国蜂蜜掺杂糖浆鉴别

目前我国蜂蜜市场掺假现象严重,研究一种快速、准确的方法用于市场流通领域掺假蜂蜜的鉴别具有重要的现实意义。采用近红外光谱（NIR）结合化学计量学方法对常见的天然蜂蜜以及掺假（掺杂常见糖浆）蜂蜜进行建模识别,并比较偏最小二乘-判别分析（PLS-DA）及支持向量机（SVM）对糖浆掺假蜂蜜鉴别模型的影响。首先,采集来自中国10个省份、20种常见蜂蜜的112个天然纯蜂蜜样品,以及6种常见糖浆样品按不同糖浆含量（10%,20%,30%,40%,50%,60%）配制的112个掺假蜂蜜样品,共计224个样品;通过近红外光仪器扫描获得所有样品的近红外光谱数据（波长范围400~2 500 nm）;然后,分别采用一阶导数（FD)、二阶导数（SD）、多元散射校正（MSC)、标准正态变化(SNVT)四种方式对原始光谱进行预处理;再结合PLS-DA和SVM建立天然蜂蜜和糖浆掺假蜂蜜的鉴别模型,比较不同预处理方法对两种不同建模算法建立的蜂蜜掺假鉴别模型效果。其中SVM算法的惩罚参数c和核函数参数g通过网格搜索法（GS）、遗传算法（GA）、粒子群算法（PSO）三种寻优算法进行优化。分析结果表明：光谱数据进行预处理后所建立的模型准确率均有明显提升,而对于SVM模型,惩罚参数c和核函数参数g对模型准确率的提升效果要比光谱预处理带来的提升效果更明显。在PLS-DA算法中,经FD光谱预处理后建立的模型效果最好,最佳PLS-DA模型准确率为87.50%;在SVM算法中,经MSC预处理后,再通过GS寻优,获得惩罚参数c为3.0314,核函数参数g为0.3298的条件下所建立的模型效果最好,最佳SVM模型准确率为94.64%。由此可见,非线性的SVM算法结合NIR光谱数据所建立的天然蜂蜜与糖浆掺假蜂蜜鉴别模型要优于线性的PLS-DA模型,同时表明NIR光谱结合化学计量学方法对常见糖浆掺杂的中国蜂蜜鉴别是可行的。     

连续音素的改进深信度网络的识别算法*

为提高连续语音识别中的音素识别率,提出一种基于改进并行回火训练的受限波尔兹曼机的音素识别算法。首先,利用经过等能量划分后的改进并行回火算法来训练受限玻尔兹曼机,接着将受限玻尔兹曼机堆叠组成一个深信度网络,从而作为深度神经网络预训练的基础模型,然后通过softmax层输出,得到用于音素状态后验概率检测的深度神经网络。接着,利用少量的标签数据,根据反向传播算法对网络权重进行微调。最后,将所得后验概率作为隐马尔科夫的发射概率,然后利用Viterbi解码器实现音素识别。在TIMIT语料库上的实验表明,识别率相比于传统的对比散度类算法提高了约4.5%,在不增加计算量的情况下比原始并行回火算法提高约1%。     

温度对碳球形貌及超级电容性能的影响

以三氯乙烷和二氯乙烷为原料, 金属钠为还原剂, 在溶剂热条件(100~150 ℃)下使氯代乙烷中的碳氯键和碳氢键发生断裂制备了碳纳米球, 并对制备的碳纳米球进行了表征. X射线衍射结果表明, 样品为类石墨结构, 衍射信号宽且弱, 表明样品的结晶性较差; 拉曼光谱分析结果也表明样品具有较高的无序度. 样品的SEM与TEM分析结果表明, 在较高的反应温度下, 碳球具有更好的单分散性, 碳球的粒径随温度的升高而增大; 选区电子衍射结果表明碳球内部为无定形的类石墨结构. 以碳纳米球为负极材料的锂离子电池测试结果表明, 50周循环后比容量为941 mA·h/g, 库仑效率接近100%, 放电容量保持率为103.7%, 具有良好的循环稳定性. 测试了不同温度下制备样品的超级电容器性能, 发现120 ℃下制备的碳纳米球具有较高的比电容和较低的内阻值, 比电容高达130 F/g, 经过1000周循环充放电后比电容衰减比例低于14%, 具有较高的稳定性.