小波包分析-插值-RBF法同时测定铝合金中铁、锰、铜、锌

提出了一种在小波包分析对吸收光谱数据进行降噪处理的基础上,采用线性插值增加校正样样本数的新思路,为解决多组分分光光度同时测定中经常遇到的样本少变量多的问题,对提高预测结果的准确性提供了一种新方法。应用小波包分析-一维线性插值-RBF网络处理铝合金样品中铁、锰、铜、锌的同时测定。由于小波包分析-线性插值处理既能发挥良好的滤噪作用,又能使训练集样本对待辩识空间形成较好的覆盖,从而使RBF网络能提取到更多的特征信息,改善网络性能,研究结果表明,该方法可以显著降低测定样的相对误差,获得的测定结果令人满意。     

小波包压缩-RBF网络同时测定润滑油中铁、铜、锌

将小波包压缩-RBF网络方法用于润滑油中铁铜锌三组分分光光度同时测定该方法采用小波包函数对光谱数据进行压缩处理，用较大的小波色系数构成新的校正集和预测集代替原始的校正集和预测集，然后用RBF网络进行数据解析。研究表明，用bior2．4小波包处理原始测定数据，最佳小波基用logenerge熵标准，选择适当阈值将变量数由46个压缩成25个（压缩比为0．54），整体预测效果最好。将此方法用于合成样预测．预测结果与实际浓度的相对误差绝对值在2．50％～9．40％之间；用于实际润滑油样品中铁、铜和锌的同时测定，解析值与原子吸收法（AAS）的测定值的相对误差绝对值作3．55％～7．86％之间。应用结果令人满意。     

小波包分析-减法聚类-RBF网络同时测定痕量铁、锰

提出一种解析分光光度吲时测定数据的小波色分析-减法聚类-RBF刚络新方法。该方法用小波包分析处理吸收光潜数据,滤除信号中的噪声;采用基于山峰函数的减法聚类算法,按照自适应聚类的结果构成预测各未知样的校正集,实现校准模型的优化;由此,使RBFM络在对未知样预测时能更有效地提取光潜数据中的特征信息,提高预测结果的准确性把该算法用于模拟汽油中铁、锰合成样预测,计算表明,该方法可以显著降低测定结果的相对误差,预测结果令人满意。     

正交信号校正-插值-RBF法同时测定原料油中的铁、镍、钒

提出了一种解析分光光度同时测定数据的正交信号校正-插值-RBF(OSC-Interp-RBF)网络方法。该法将光谱阵用浓度阵正交,滤除光谱与浓度阵无关的信号,再用一维线性插值处理使训练集样本对待辩识空间形成较好的覆盖,使RBF网络能够更有效地提取信息,从而提高预测的准确性。将该算法用于模拟原料油中铁、镍、钒的测定数据解析及实际样的组分浓度预测的结果表明,对于合成样预测结果与组分实际浓度的相对误差,及对于实际样预测结果与按常规测定方法获得的结果的相对误差,绝对值均小于10%,结果令人满意。     

一步水热法合成硫、氮掺杂碳量子点高效检测柠檬黄和pH

采用D-生物素为碳源,通过一步水热法合成硫、氮掺杂荧光碳量子点(S,N-CDs)。其量子产率达61.7%,并且具有荧光强度高、水溶性好和抗光漂白等特点。透射电镜表征的结果表明,合成的碳量子点呈球形且分散性好。在水溶液中,该碳量子点作为荧光探针对柠檬黄和p H表现出选择性猝灭效果,基于此,建立了一种新型检测柠檬黄和p H的方法。