某软土深基坑工程时间效应有限元分析

软土地区的深基坑因土体的固结作用和流变性而具有了时间效应。本文以Biot固结有限元法为基础,用三元件模型中的第一个线性弹簧模拟固结作用,弹性模量考虑了开挖应力路径和应力历史的影响;另外一部分(KELVIN模型)来模拟土体的流变性,以实际变形的反演来得到两个参数的大致取值,再对基坑的变形情况以及进一步开挖进行分析。假定为正常固结饱和粘土,平面应变问题。通过对某饱和软粘土地基深基坑开挖工程实例的分析,得到的挡墙水平位移曲线与实测曲线很吻合,表明程序较好地反映出基坑的时间效应。     

Ce1—xM′xCa0.2O1.8—0.4x（M=Y,La和Gd）的水热合成及离子导电性质研究

采用水热法合成了系列双掺杂的萤石结构Ce1-xLnxCa0.2O1.8-0.4x固溶体,并研究了3种稀土离子对固溶体导电性的影响,发现掺杂离子半径接近Ce^4 时,体系电导率增大而活化能降低,同时发现水热合成的Ce1-xLnxCa0.2O1.8-0.4x样品的平均粒度按着掺入离子Y^3 ,Gd^3 ,La^3 的顺序逐渐减小,分别为32,20和15nm,这种变化是由于Y^3 半径比La^3 和G ^3 更接近Ce^4 ,因而在水热合成过程中, 掺Y^3 的体系更有利于晶粒的生长,得到的晶体粒度较大。     

近红外光谱与化学计量学方法用于镉污染稻米的定性鉴别

采用近红外光谱漫反射模式结合化学计量学方法对稻米镉含量是否超标进行可行性鉴别分析.本研究收集了120个样本,测定其镉含量值(合格49个,不合格71个).对光谱数据预处理方法优化,确定了平滑,一阶导数以及自归一化后的数据作为输入变量.采用竞争性自适应重加权算法筛选了45个关键变量,并对上述变量的光谱吸收带进行归属.比较了主成分分析-判别分析法、偏最小二乘识别分析、线性判别分析、K-最近邻法与簇类独立软模式法5种模式识别方法.确定采用偏最小二乘识别分析建模效果最好,模型训练集与预测集鉴别准确率分别达到98.8％与91.7％.结果表明,近红外光谱作为初筛方法可用于鉴别稻米中镉含量是否超标.     

最小二乘支持向量机算法与紫外光谱法用于鉴别清开灵注射液四混中间体

采用一阶导数数据预处理,最小二乘支持向量机(LS-SVM)紫外可见光谱建模,对清开灵注射液四混中间体进行质量评价。以二次网格法和十折交叉验证法优化建模参数,预测集的总正确率和接受器工作特性曲线(ROC)下面积分别可达98.0%和0.983。结果表明,与经典的支持向量机相比,LSSVM鉴别准确率更高,模型的泛化能力更强。可用于清开灵注射液生产过程中质量控制,为中药注射液生产过程的质量控制提供了一条有效的途径。     

基于最小二乘支持向量机的国公酒中橙皮苷含量测定

应用近红外光谱技术结合最小二乘支持向量机建立了国公洒中橙皮苷含量的模型.利用Kemard-Stone法对训练集样本进行划分,对光谱数据预处理方法进行了选择,比较了平滑、范围标度化、自标度化、一阶微分、二阶微分以及这几种预处理相互结合的六种方法,确定了以平滑、一阶微分,范围标度化作为国公酒近红外光谱的数据预处理方法,采用组合的间隔偏最小二乘法筛选出有效波段8 211～8 312cm-1及9 712～9 808 cm-1.应用最小二乘支持向量机建立模型,所建模型的交叉验证误差均方根为0.000 1,预测误筹均方根为0.004,预测集的相对偏差小于5%.与组合的间隔偏最小二乘法、径向基-人工神经网络和支持向量机进行了比较.该方法快速、无损且可靠,可作为国公酒中橙皮苷含量快速测定的手段.     

支持向量机与紫外光谱法用于鉴别清开灵注射液六混中间体

采用一阶导数对紫外可见光谱数据进行预处理,消除光谱中的斜坡背景,用支持向量机(SVM)进行建模,分别对4个批次的中药清开灵注射液六混中间体以及其混和批次共147个样本进行了鉴别。对建模参数的影响作了系统的研究,在优化参数条件下,正确率分别可达100%,95.4%,97.3%,100%和97.3%。结果表明SVM鉴别准确率高,模型的泛化能力强。此方法也为中药注射液生产过程的质量控制提供了一条有效的途径。     

近红外光谱与组合的间隔偏最小二乘法测定清开灵四混液中总氮和栀子苷的含量

应用近红外光谱分析技术结合化学计量学方法, 建立了中药清开灵注射液中间体总氮和栀子苷含量测定的新方法. 首先采用Kernard-Stone法对训练集样本和预测集样品进行分类, 然后应用组合的间隔偏最小二乘法(Synergy interval partial least squares, siPLS)对所得近红外透射光谱进行有效谱段范围的选择以及二者定量校正模型的建立, 并对光谱预处理方法进行了详细的讨论. 所建立的总氮和栀子苷校正模型的预测相关系数(R)分别为0.999和0.708; 交叉验证误差均方根(RMSECV)均为0.023; 预测误差均方根(RMSEP)分别为0.074和0.159; 预测结果表明, 本实验所建方法快速、无损且可靠, 可推广并应用于中药注射液中间体的在线质量控制.