阴离子交换树脂结合近红外漫反射光谱测定碳酸饮料中日落黄

采用强碱性阴离子交换树脂富集饮料中的合成食用色素日落黄,用近红外漫反射光谱技术直接测定富集有色素的树脂.将34个模拟样品建模,日落黄浓度范围为0.05～1.2g/L.以柠檬黄和亮丽春红5R为干扰,经偏最小二乘回归建模,得到决定系数为0.9883,标准偏差为0.0187的稳健模型.定量预测3种不同市售饮料中的日落黄,回收...     

基于化学计量学的GC-MS分析方法研究

气相色谱-质谱联用(GC-MS)、液相色谱-质谱联用(LC-MS)等,为分析多组分混合物提供了有力手段并广泛地应用于化工、食品、生物、医药等领域.但在分析多组分复杂体系时,其色谱信号严重重叠,使得该方法难于进行准确的定性定量分析.化学计量学方法的引入,为解决该问题提供了一种新手段.例如化学因子分析(CFA)、多元校正解析方法(MCR)、免疫算法(IA)和小波变换(WT)等已被成功地运用于复杂体系分析化学重叠信号的解析.     

基于高通量解析算法的复杂样品重叠气相色谱-质谱信号的快速分析

化学计量学算法为重叠气相色谱-质谱(GC-MS)信号的解析提供了有效手段,但其在计算过程中一般需要将数据进行分段处理,然后只对信号的某些区间进行解析,难以实现真正意义上的高通量分析。该文结合移动窗口目标转换因子分析(MWTTFA)和非负免疫算法(NNIA),建立了一种高通量解析方法。首先,根据所有可能存在的目标组分的标准质谱信息,利用MWTTFA检验复杂信号中存在的组分,并确定目标组分的质谱信息和洗脱时间区域。以得到的质谱信息作为后续计算的输入值,利用NNIA解析得到相应的色谱信息。采用快速升温程序对17种和42种农药混合标准样品的GC-MS信号进行分析,利用所建立的方法可在10 min内得到全部组分的色谱和质谱信息。     

自适应小波算法用于近红外光谱的多元校正

实现了一种构建自适应小波滤波器的方法,并将其用于近红外光谱数据的多元校正。该方法根据一定的目标函数,针对信号的特性自适应地构造小波滤波器。用该法构建的滤波器对烟草样品的近红外光谱进行压缩,并将压缩后的数据采用偏最小二乘法建模,实现了烟草样品常规组分的定量分析。     

子窗口分析法用于偶氮染料GC-MS重叠峰的解析

 将子窗口因子分析法 (SWFA)应用于GC MS联用检测数据分析 ,并以两种偶氮染料 3,3′ 二氯联苯胺和 4,4′ 次甲基 双 (2 氯苯胺 )重叠图谱为例进行了解析。结果表明 ,此方法可直接进行目标组分的质谱分辨 ,得到目标组分的质谱图 ,进而得到该组分的色谱图。其结果准确、可靠。与窗口因子分析相比 ,子窗口的选择更加容易 ,人工干预少 ,解析速度快。     

傅立叶变换-主成份分析方法用于二维色谱数据的压缩和重构

结合傅立叶变换（ＦＴ）和主成份分析（ＰＣＡ）技术,实现了二维高效液相色谱数据的压缩和重构,并对不同信噪比的二维色谱测量数据进行了处理,即使对原始数据的压缩比高达２００倍,仍能很好地重构原始数据,当原始数据的信噪比较低时,阈值的选择受大振幅噪音的影响,使压缩比略有下降,但仍然能够保持信号基本不失真。     

因子分析及其在电分析化学中的应用进展

评述了化学因子分析近期的理论研究及其在电分析化学中的应用进展。引用文献６１篇。     

基于周期调节的随机共振算法对化学弱信号的检测研究

提出了一种新的随机共振算法,通过对系统的周期进行调节以实现系统的共振.讨论了实现共振的系统参数,并对模拟信号和拉曼光谱实验信号进行了处理.结果表明,该方法不仅可方便地用于弱化学信号的处理,克服检出信号的滞后现象,而且对不同噪声水平的信号均有良好的适用性.     

反相高效液相色谱法分离测定烟草中的多酚类化合物

对植物中9种多酚类化合物的色谱分离条件进行了优化,分别探讨了流动相组成、流动相中醋酸浓度、醋酸溶液与甲醇的比例对保留时间的影响,确定了梯度分离条件,并对9种天然多酚类化合物进行了定量分析。该方法的检测限为13.26~59.29 mg/kg (S/N=3)。在3.0～100.0 mg/L 范围内呈良好的线性关系,相关系数r2为 0.9979~0.9999。9种待测化合物的加标回收率为96.8%~108%,相对标准偏差(RSD)小于3.8% (n=3)。用80%甲醇超声提取烟草样品,并通过优化的色谱条件对其进行分析,测定了实际烟草样品中芸香苷和绿原酸的含量。结果表明，该方法具有一定的实用价值。     

离散小波变换-遗传算法-交互检验法用于近红外光谱数据的高倍压缩与变量筛选

用遗传算法(GA)与交互检验(CV)相结合建立了一种用于对近红外光谱(NIR)数据及其离散小波变换(DWT)系数进行变量筛选的方法，并应用于烟草样品中总挥发碱和总氮的同时测定。结果表明：NIR数据经DWT压缩为原始大小的3．3％时基本没有光谱信息的丢失；有效的变量筛选可以极大地减少模型中的变量个数，降低模型的复杂程度，改善预测的准确度。