凝胶渗透色谱-气相色谱-离子阱质谱法测定桔梗原药和当归提取物中101种农药残留

建立了凝胶渗透色谱（GPC）-气相色谱-离子阱质谱同时检测桔梗原药和当归提取物中101种农药残留的分析方法。方法采用乙腈超声辅助提取桔梗原药和当归提取物,浓缩提取液至近干后用乙酸乙酯-环己烷（1∶1, v/v）复溶,采用凝胶渗透色谱法（选取40 cm长、内径20 mm的凝胶渗透色谱柱）对样品进行净化,弃去前段含脂类、色素等杂质的流出液,收集17~30 min洗脱液并旋转蒸发浓缩至近干,甲苯1 mL定容上机。选用DB-5MS毛细管色谱柱分离待测物,通过离子阱质谱实现对101种农药残留的高效检测。方法通过优化前处理条件和离子阱二级质谱参数,有效降低了复杂中药基质对待测化合物的干扰,最大限度提高了样品中农药的定量准确性和回收率,101种农药3水平添加的平均回收率为58.3%~108.9%,每个添加水平10次独立重复测定的相对标准偏差为0.4%~16.5%,检出限（LOD）范围为0.2~40.0 μg/kg,可满足当前韩国、日本、欧洲规定的最大残留限量（maximum residue limits, MRLs）要求。方法具有操作简单快速、灵敏度高、重复性好等特点,凝胶渗透色谱技术的应用克服了固相萃取小柱净化容量不足的弊端,离子阱技术的应用可以进一步排除共流出基体杂质的干扰,提高定量和定性的准确性,检测效果优于常用的气相色谱-质谱法,是对中药中同时分析多种农药残留检测方法的有益补充。     

动态条件下基于粗糙集的平衡记分卡模型及算法研究

传统的供应链绩效评估方法大多属于静态评估，而实际的供应链是一个动态系统，因此需要使用动态绩效评估方法来进行考量。为了适应动态联盟整体绩效评估之需要，把传统的四维平衡计分卡扩展为五维动态平衡计分卡。在此基础上建立了供应链动态绩效评估决策表，并利用粗糙集理论对决策表进行了属性约简和值约简，从而得到了预测绩效评估结果的决策规则集。仿真实验表明，提出的基于粗糙集理论的供应链动态绩效评估方法能够有效地给出动态供应链绩效评估结果及发展趋势，为供应链的合理分析和决策制定提供依据。     

基于BP神经网络的供应链绩效评价方法

动态供应链绩效评价是一个包含多个指标输入输出的复杂评估系统,各绩效指标具有模糊性、不确定性,绩效指标数量较多,彼此之间存在非线性关联性。针对这样一个复杂的评估系统,本文讨论利用神经网络技术来对动态供应链绩效进行综合评价。本文首先介绍了人工神经网络的基本概念。针对供应链绩效的五维平衡计分卡模型,利用BP神经网络(Back Propagation NeuralNetwork,BP网络)来对供应链综合绩效评价结果进行学习和预测,文中我们详细讨论了供应链绩效评价中BP网络的学习过程和存在的问题,并给出了仿真结果。计算实例表明本文提出的动态供应链绩效评价模型是合理、有效的,能够为供应链的合理分析和决策制定提供依据。