对直接标准化算法的改进及其应用

由于各种仪器之间存在差异,主机上建立的定量模型用于从机会导致预测结果出现较大偏差。目前主要通过有标样方法和无标样方法来减小预测偏差。该文对现有标样方法中的直接标准化算法进行改进,在转移矩阵的建立过程中,对从仪器数据矩阵进行主成分分解,以预测均方差为判定标准,确定最终的转移矩阵。并以玉米和烟草数据为对象,测试了该法的有效性。玉米样品含有2种成分:水分和蛋白质;烟草样品含有4种成分:还原糖、总糖、总氮和总碱。结果表明,对于玉米样品中的2种成分,采用改进的方法可显著提高预测的准确度;对于烟草中的4种成分而言,采用改进的方法可获得稳健的预测结果。     

热裂解气相色谱-质谱法联用测定卷烟中烯烃类化合物释放量

卷烟样品在不同温度(400,600,800,1 000,1 200℃)下裂解后,用气相色谱-质谱法测定卷烟中烯烃类化合物的释放量。结果表明:有害性烯烃类化合物的释放量随热裂解温度的升高而增多;当热裂解温度为600℃时,烯烃类香味物质的累计释放量达到最大值。因此,当卷烟燃烧温度在600℃附近,烟气中有害产物的释放量将大幅减少,并保持清香香气的丰满度。     

粒子群算法结合支持向量机回归法用于近红外光谱建模

研究了最小二乘法支持向量机(LSSVM)应用于烟丝样品和小麦样品的近红外光谱建模,采用粒子群优化算法(PSO)优化LSSVM的参数。通过对烟草样品和小麦样品的近红外光谱建模和预测,并与常规的偏最小二乘法(PLS)比较发现,PSO-LSSVM法具有更好的预测效果和稳健性。     

简单平均组合建模法测定烟丝中4种成分

多元校正成为分析化学的一个重要方法,其应用领域涉及食品工业、农业、医药工业等.借助于近红外测量技术,定量分析模型的建立及日常应用都变得非常方便.