排序方式: 共有25条查询结果,搜索用时 15 毫秒
1.
铁合金产品中碳硫含量测定以硅铁最为常见 ,随着低碳硅铁 ( c C<0 .0 1 5% ) ,高纯硅铁 ( c C<0 .0 0 30 % )的出现 ,碳硫含量成为分析中必检元素 ,其含量的准确测定显得尤为重要[1] 。而硅铁中碳硫含量的测定是铁合金产品中很难测准的品种 ,其原因是硅铁样品难烧好 ,加上低碳硅铁中碳硫含量比普通硅铁中碳硫含量低的多 ,这对准确测定低碳硅铁中碳硫更增加了难度。美国 LECO公司在高频红外仪上推荐采用双层坩埚燃烧 ,但每只坩埚 1美元 ,成本较高。国内曾报道采用 W、Fe、Sn分层夹样品 ,但用在低碳硅铁上效果仍不理想。在使用仪器上 ,除… 相似文献
2.
In this paper we try to find the geometrical meaning of Legendre transformation. 相似文献
3.
4.
5.
观察、比较正交信号校正(OSC)滤噪前后, 用不同的模式识别方法对正常成人血清代谢组1H NMR谱进行分析的效果, 以探讨NMR代谢组学技术应用于临床研究和疾病早期诊断的可行性. 78例正常成人在采血前按常规要求禁食8 h, 记录血清一维600 MHz氢谱后, 分别采用主成分分析(PCA)、偏最小二乘法-判别分析(PLS-DA)以及簇类的独立软模式法(SIMCA)对氢谱进行模式识别分析. 结果表明: 虽然采血前并无其它诸如饮食、生活方式、生理周期等方面的严格限制, 采用OSC 滤噪后, PLS-DA能够完全区分不同性别的血清氢谱, 其判别能力优于PCA和SIMCA. 而且采用OSC滤噪与文献报道的未经OSC处理的PLS-DA法获得的与性别分类有关的主要NMR积分区段基本相同. 从OSC去除不同数目的隐变量后所致的PLS-DA模型的性能改变可见: OSC去除两个隐变量时, 前两个隐变量的特征值明显比后面的大; 剩余残差为20.82%, 即去除了79.18%的X变量中与反应变量Y不相关的系统变异. 此时PLS-DA计算所得的隐变量个数为1; 而不使用OSC或用OSC去除一个隐变量时, PLS-DA所得的隐变量个数分别为3和2. 作为PLS-DA模型质量的评价指标, R2X表示PLS-DA模型计算所获得的隐变量反映自变量X的变异的百分比, R2Y则表示隐变量反映因变量Y的变异的百分比, Q2 (cum)为交叉验证后PLS-DA模型所获隐变量能够预测X和Y变异的累计百分比. R2X在OSC去除两个隐变量时达到最低值, 表明此时PLS-DA计算模型包含的系统变异最少; R2Y与Q2 (cum)都达到80%以上并趋于稳定, 说明OSC去除两个隐变量时PLS-DA模型的质量优良. 显然, OSC可去除饮食、环境等因素的影响, 降低临床样本的不均一性, 这对于NMR代谢组学技术应用于临床研究至关重要. OSC滤噪去除的隐变量个数应根据剩余残差、去除隐变量的特征值大小、PLS-DA模型计算所得的隐变量个数和反映模型质量的相关指标加以判断. 相似文献
6.
通过对缓冲体系、缓冲液浓度、酸度、乳酸钙浓度、乙胺浓度、电泳电压和进样时间的优化选择,用石英芯片电泳一紫外检测法分离了纯人白蛋白和人运铁蛋白;在75mmol/L硼酸盐(pH10.55)(含0.8mmol/L乳酸钙、1%(φ)乙胺)运行缓冲液中,上述两组分在3min内完全分离;纯人白蛋白和人运铁蛋白的线性范围分别为1.0~15.0g/L和1.0~10.0g/L;检出限(S/N=3)均为0.5g/L,应用于临床尿蛋白分离测定,并与Helena琼脂糖凝胶电泳仪电泳结果进行比较,获得一致结果。 相似文献
7.
8.
9.
10.
正交信号校正在正常成人血清1H NMR谱的代谢组分析中的滤噪作用评价 总被引:15,自引:0,他引:15
观察、比较正交信号校正(OSC)滤噪前后, 用不同的模式识别方法对正常成人血清代谢组1H NMR谱进行分析的效果, 以探讨NMR代谢组学技术应用于临床研究和疾病早期诊断的可行性. 78例正常成人在采血前按常规要求禁食8 h, 记录血清一维600 MHz氢谱后, 分别采用主成分分析(PCA)、偏最小二乘法-判别分析(PLS-DA)以及簇类的独立软模式法(SIMCA)对氢谱进行模式识别分析. 结果表明: 虽然采血前并无其它诸如饮食、生活方式、生理周期等方面的严格限制, 采用OSC 滤噪后, PLS-DA能够完全区分不同性别的血清氢谱, 其判别能力优于PCA和SIMCA. 而且采用OSC滤噪与文献报道的未经OSC处理的PLS-DA法获得的与性别分类有关的主要NMR积分区段基本相同. 从OSC去除不同数目的隐变量后所致的PLS-DA模型的性能改变可见: OSC去除两个隐变量时, 前两个隐变量的特征值明显比后面的大; 剩余残差为20.82%, 即去除了79.18%的X变量中与反应变量Y不相关的系统变异. 此时PLS-DA计算所得的隐变量个数为1; 而不使用OSC或用OSC去除一个隐变量时, PLS-DA所得的隐变量个数分别为3和2. 作为PLS-DA模型质量的评价指标, R2X表示PLS-DA模型计算所获得的隐变量反映自变量X的变异的百分比, R2Y则表示隐变量反映因变量Y的变异的百分比, Q2 (cum)为交叉验证后PLS-DA模型所获隐变量能够预测X和Y变异的累计百分比. R2X在OSC去除两个隐变量时达到最低值, 表明此时PLS-DA计算模型包含的系统变异最少; R2Y与Q2 (cum)都达到80%以上并趋于稳定, 说明OSC去除两个隐变量时PLS-DA模型的质量优良. 显然, OSC可去除饮食、环境等因素的影响, 降低临床样本的不均一性, 这对于NMR代谢组学技术应用于临床研究至关重要. OSC滤噪去除的隐变量个数应根据剩余残差、去除隐变量的特征值大小、PLS-DA模型计算所得的隐变量个数和反映模型质量的相关指标加以判断. 相似文献