油酸钠微乳液体系中镧的萃取

研究了油酸钠、正戊醇、正庚烷和氯化钠水溶液组成的微乳液对镧的萃取行为及机理,分别考察了萃取时间、水乳比、油酸钠浓度、戊醇浓度、水相pH值及无机盐浓度对萃取过程的影响,通过实验得到油酸钠微乳液体系非常稳定,在不加萃取剂的条件下对La3+有非常好的萃取效果,当油酸钠和正戊醇质量分数分别为6%和32%,水乳比R=7,pH值在3.5~7范围内,萃取率均高于99.5%。     

一种新的基于多重液相色谱-质谱实验肽信号峰形相似性的校准算法

提出了一种基于多次重复液相色谱-质谱(LC-MS)实验,结合肽信号时间差校准的峰形相似性统计学习模型,解决了重复实验数据肽链校准匹配准确性与覆盖率低的问题。采用统计学习的方法,首先建立时间差统计模型,结果表明仅靠时间特征无法完全消除校准误差。因此,除了时间特征,引入了峰形相似性特征,即认为同一种肽链在多次重复实验谱图中会产生相似的LC峰形。通过选取训练数据集,提出了一种新的基于LC峰形相似性的肽信号校准算法,并通过测试序列完成模型测试。结果表明,改进算法的准确率达98. 3%;将该数学模型应用于校准匹配两个实验数据的所有LC-MS/MS肽链,其覆盖率达91. 0%。峰形相似性特征结合时间特征可以提升多次重复LC-MS实验中相关肽链信号的匹配校准的准确性与覆盖率。     

基于13C同位素分布模型的多重液相色谱-质谱实验数据校准匹配算法

提出了一种基于~(13)C同位素分布模型的多重液相色谱–质谱(LC–MS)实验数据的校准匹配方法,解决了肽链信号匹配不准确、覆盖率不高的问题。引入同位素分布模型对多次重复的LC–MS实验数据进行匹配校准。通过选取训练序列,生成同位素分布模型,并通过测试序列完成模型的测试。实验表明,结果匹配准确度达95%以上;多重实验数据覆盖率可达90%以上。同位素分布模型可以提升多次重复LC–MS实验数据中相关肽链信号匹配校准的准确性及覆盖率。     

针对气体传感器漂移补偿的支持向量机自训练分类方法

传感器漂移是影响气体传感检测系统稳定性的重要问题之一。本文提出了一种基于支持向量机的在线漂移补偿的分类模型设计方法,并在此基础上引入遗忘系数以应对漂移影响和保证数据集平衡状态,引入起学系数来避免因数据集不平衡而导致模型一直无法得到训练的极端情况出现。经实验验证,改进的分类模型能够延长传感器的可靠使用时间,并对短中期的分类效果有一定程度的提升,模型自训练过程无须人工参与,符合现实应用场景。本文提出的研究思路和方法对相关领域的研究有一定的参考意义。