首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   15篇
  免费   0篇
化学   11篇
综合类   1篇
物理学   3篇
  2010年   1篇
  2009年   1篇
  2008年   1篇
  2007年   9篇
  2003年   2篇
  2002年   1篇
排序方式: 共有15条查询结果,搜索用时 15 毫秒
1.
基于近红外光谱技术,将偏最小二乘法(Partial Least Squares,PLS)和单隐层的反向传播网络(Back-Propagation Network,BP)联用并测定了鲜乳中4种主成分含量.用PLS法将原始数据压缩为主成分,取前3个主成分的14个数据输入网络,以Kolmogorov定理为依据,经过实验确定中间层的神经元个数为29,初始训练迭代次数为1000,建立了脂肪、蛋白质、乳糖、牛乳总固体4种主成分含量的预测校正模型.PLS-BP模型对样品4个组分含量的预测决定系数(R2)分别为:0.961、0.974、0.951、0.997;本研究为近红外光谱技术在鲜乳多组分快速检测提供了新思路.  相似文献   
2.
周妍  刘波平  罗香  曹树稳 《分析测试学报》2007,26(1):131-132,135
建立了顶空毛细管气相色谱法测定非那雄胺中二氯甲烷和氯仿两种有机溶剂残留量的方法,并讨论了平衡温度、平衡时间、盐效应对测定的影响。分析结果表明:该法可将两种残留有机溶剂完全分离,具有较好的线性(相关系数分别为0.999 7和0.999 8),检出限为3.2μg/L和0.094μg/L,测定结果的相对标准偏差分别为1.33%和0.89%,样品回收率分别为94%和96%。  相似文献   
3.
利用固相微萃取气相色谱法测定非那雄胺中的溶剂残留,对固相微萃取的萃取温度、萃取时间、解吸时间和溶液的离子强度等分析条件进行了优化.该方法具有较好的线性,相关系数:二氯甲烷为0.997,三氯甲烷为0.998;相对标准偏差:二氯甲烷为2.7%,三氯甲烷为1.8%.  相似文献   
4.
研究了偏最小二乘(partial least squares,PLS)与广义回归神经网络(generalized regression neural networks,GRNN)联用在近红外光谱多组分定量分析中的应用.以饲料样品为实验材料,采用PLS-GRNN法建立了饲料中水溶性氯化物、粗纤维、脂肪三项组分含量近红外光谱定量分析模型.马氏距离法剔除强影响点和奇异点,用PLS法将原始数据压缩为主成分,取8个主成分吸收峰与4个原始图谱特征峰值输入GRNN网络,网络光滑因子σi为0.1.PLS-GRNN模型对样品3个组分含量的预测决定系数(r2)分别为:0.984 0,0.987 0,0.983 0;样品平行扫描光谱预测值的标准偏差分别为:0.003 26,0.065 5,0.031 4.结果表明所建PLS-GRNN模型通过近红外光谱能够准确预测饲料中水溶性氯化物、粗纤维、脂肪三项组分含量,为近红外光谱进行多组分定量分析提供了新思路,同时为解决近红外快速检测技术在预测组分含量较低的样品时误差相对较大的问题提供了可靠的方法.  相似文献   
5.
研究了Elman神经网络(反馈神经网络,Recurrent Network)在近红外光谱定量分析中的应用.以饲料样品为实验材料,采用Elman网络建立了饲料中苯丙氨酸(Phe)、赖氨酸(Lys)、酪氨酸(Tyr)和胱氨酸(Cys)四种氨基酸含量的近红外光谱定量分析模型.用偏最小二乘法(partial least squares,PLS)将原始数据压缩为主成分,取前3个主成分的12个吸收峰值输入Elman网络,网络中间层神经元个数为47.Elman网络模型对样品4个氨基酸含量的预测决定系数(r2)分别为0.960,0.981,0.979,0.952.表明所建Elman网络预测模型通过近红外光谱能够较准确预测饲料中苯丙氨酸、赖氨酸、酪氨酸和胱氨酸四种氨基酸的含量,为通过近红外光谱技术进行多组分定量分析提供了新思路.  相似文献   
6.
近红外光谱技术用于花生油中棕榈油含量的测定   总被引:1,自引:0,他引:1  
本文采用近红外光谱技术采集样品的近红外光谱数据,光谱经一阶求导后,采用偏最小二乘法(PLS)建立花生油中棕榈油含量的定标模型,并用交互验证法对模型进行了验证。模型相关系数为0.9963,校正均方根(RMSEC)为0.937。该模型应用于实际样品的检测,结果令人满意。  相似文献   
7.
偏最小二乘与人工神经网络联用对70个饲料样品建立起天门冬氨酸(Asp)、谷氨酸(Glu)、丝氨酸(Ser)和组氨酸(His)4种氨基酸含量的预测校正模型,以样品平行扫描光谱验证校正模型预测的准确性和重现性。用偏最小二乘法将原始数据压缩为主成分,采用单隐层的反向传播网络建模。取前3个主成分的12个数据输入网络,以Kolmogorov定理为依据,经过实验确定中间层的神经元个数为25,初始训练迭代次数为1000。偏最小二乘-反向传播网络模型对样品4个组分含量的预测决定系数(R2)分别为:0.981、0.997、0.979、0.946;样品平行扫描光谱预测值的标准偏差分别为:0.020、0.029、0.017、0.023。本研究为近红外快速检测在组分含量较低的样品实现多组分同时测定提供了思路。  相似文献   
8.
用气相色谱-氢火焰离子检测器法测定了一种新型高效农药烯唑醇的中间体一顺/反烯唑酮的含量。色谱柱为OV-101熔融石英毛细管柱(50m×0.20mmi.d)。方法的线性范围为0.4mg/mL~2.4mg/mL,相关系=0.9980.平均回收率顺式为101.5%,反式为99.2%。相对标准偏差为RSDZ-COCl2=0.9960,ΓE-COCl2数Γz-COCl2=1.48%.=2.25%.RSDE-COCl2  相似文献   
9.
建立了气相色谱法测定柴胡注射液中环己醇的定量分析方法,以正己烷为萃取剂,水蒸汽蒸馏浓缩富集提取液,用PEG-20M柱,氢火焰检测器(FID)检测。结果表明,柴胡注射液中环己醇质量浓度在10.0μg/mL-120.0μg/mL范围内呈良好的线性关系(r=0.998),回收率为92 .3%-95.1%,RSD为1.1%-1.2%。  相似文献   
10.
通过偏最小二乘法(partial least squares,PLS)与人工神经网络(artificial neural networks,ANN)联用对鲜乳和掺有植物奶油的牛乳建立识别模型.用PLS法对原始数据进行主成分压缩,采用自组织竞争神经网络建模.取前3个主成分的21个吸收峰值输入网络,学习参数为0.05,网络训练迭代次数为200,模型鉴别准确率达100%.其次建立了植物奶油掺假量的定量检测PLS模型,并采用交互校验和外部检验考察模型的可靠性,模型的校正相关系数为0.996 3,均方估计残差(RMSEC)为0.110;交互校验均方残差(RMSECV)为0.142;应用所建PLS模型对样品中植物奶油添加量进行预测,并对预测值与真值进行配对t检验,结果表明两者差异均不显著.  相似文献   
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号