基于合成方法学研究的有机化学实验教学改革与实践——以苯甲酸乙酯制备为例

以苯甲酸乙酯的制备实验为例,将合成方法学研究引入有机化学实验教学。采取抽签方式确定每个学生的实验内容,通过考查加热方式(电热套或微波辐射加热)、溶剂(甲苯或环己烷)以及反应时间对实验结果的影响,使学生了解科学研究的方法,并通过文献查阅及实验结果分析讨论等教学实践环节提高学生的创新思维和科研能力。     

X射线荧光光谱结合CARS变量筛选选择方法用于土壤中铅砷含量的测定

X射线荧光光谱分析作为一种以化学计量学为基础的定量分析技术,所建立模型优劣对结果的预测准确性显得十分重要。竞争性自适应重加权算法(CARS)采用自适应重加权采样技术,利用交互验证选出互验证均方根误差(RMSECV)值最低原则,寻出最优变量组合。为了进一步提高PLS模型的解释和预测能力,将竞争性自适应重加权算法(CARS)与X射线荧光光谱分析技术相结合,对土壤中重金属元素铅和砷进行特征波长变量筛选后建立偏最小二乘(PLS)模型。首先,利用CARS算法对铅含量密切相关的波长变量进行筛选,当采样次数为26次时,筛选出60个有效波长点;对砷含量密切相关的波长变量进行筛选,当采样次数为34次时,筛选出19个有效波长点;然后对优选出的波长点利用PLS方法分别建立土壤中铅和砷含量定量分析模型,并与经连续投影算法(SPA)及蒙特卡罗无信息变量消除(MC-UVE)方法波长变量筛选后所建立的PLS模型进行比较。结果显示：铅的CARS-PLS模型的预测集决定系数(R2)、交互验证均方根误差(RMSECV)、预测均方根误差(RMSEP)和相对预测误差(RPD)分别为0.995 5,2.598 6,3.228和9.401 1,砷的CARS-PLS模型的预测集R2,RMSECV,RMSEP和RPD分别为0.989 9,3.013 2,2.737 1和8.211 6;两元素的CARS-PLS模型性能均优于全波段PLS,SPA-PLS和MC-UVE-PLS模型。基于CARS-PLS的算法可以有效筛选出X射线荧光光谱特征波长点,在简化了建模复杂程度的同时,提高了模型的准确性和稳健性。     

基于XRF和Vis-NIR光谱数据融合的土壤镉含量定量分析法

根据鄱阳湖南矶山区域土壤的X荧光光谱和可见近红外光谱特征,建立了3种数据融合(等权融合、累加融合、外积融合)的最小二乘向量机定量分析模型。结果表明,等权融合和外积融合模型精度和稳定性均优于单一光谱定量分析模型。其中外积融合模型性能最佳,其决定系数(R2)为0.85,校正均方根误差(RMSEC)为009,预测均方根误差(RMSEP)为006,相对分析误差(RPD)为2.41,满足实际土壤中Cd的检测需求。该方法准确可靠,可为我国土壤重金属分类分级方法研究提供参考。