红外、近红外光谱-簇类的独立软模式方法识别植物调和油脂

用IR,NIR光谱法结合簇类的独立软模式(SIMCA)识别方法对植物油脂进行分类识别,建立了识别二元、三元植物调和油脂的测定方法。应用NIRCal5.2软件的SIMCA技术,分别为所制备的植物调和油脂建立了IR和NIR识别模型,并讨论了光谱处理和数据处理方法来提高模型的分类识别效果。分别以各种植物调和油脂的IR和NIR光谱为变量,随机抽取2/3的样本作训练集,建立了各个调和油的主成分分析(Princi-pal component analysis,PCA)模型;1/3作验证集,对所建模型进行验证识别。用聚类分析-主成分分析(CLU-PCA)方法考察调和油的IR,NIR光谱信息与其纯油的主成分分布。结果显示,在4000～10000cm-1光谱范围内,SIMCA可以对15种二元调和油和2种三元调和油的NIR光谱分别聚类并识别;并对10种二元调和油和2种三元调和油的IR光谱分别聚类并识别。IR以4个波数1099,1119,1746与2855cm-1的吸收值作为分析基础,选择不同的主成分数及数据预处理方法。各种油脂的SIMCA分析的分类精度均为100%,调和油的验证识别准确率100%,最低识别比例为1%,且IR识别灵敏度高于NIR。     

铜催化的芳环C—H键直接芳基化反应研究进展

铜催化的芳环C—H键直接芳基化反应已成为一种合成联芳烃化合物的重要手段,近年来一直是有机化学和催化化学的研究热点和难点之一.按照参与反应的底物或成键模式的不同对近年来铜催化的芳环C—H键直接芳基化反应的研究进展进行了综述.     

粒子群最小二乘支持向量机结合偏最小二乘法用于芝麻油质量的鉴别

结合粒子群最小二乘支持向量机(PSO-LSSVM)与偏最小二乘法(PLS)提出一种基于气相色谱技术的新方法,对芝麻油进行真伪鉴别,并对掺伪品中掺假比例进行定量分析。采用主成分分析法(PCA)对857个样本的脂肪酸色谱数据进行分析,优选主成分作为最小二乘支持向量机(LSSVM)的输入向量。利用粒子群算法(PSO)优化LSSVM,构建芝麻油掺伪鉴别的两级分类模型,同时运用PLS建立掺伪芝麻油中掺伪油脂的定量校正模型,两级分类模型的准确率分别达到了100%和98.7%,定量分析模型的平均预测标准偏差(RMSEP)为3.91%。结果表明,本方法的鉴别准确性和模型泛化能力均优于经典的BP神经网络和支持向量机(SVM),可用于食用油脂加工和流通环节的质量控制,为食用油质量的准确鉴定提供了一条有效途径。     

涂石蜡大米傅立叶变换红外吸收光谱识别分析

针对11种未涂石蜡大米和18个涂不同量石蜡的大米样品,以石油醚提取的油脂为试样,采用傅立叶变换红外光谱仪,扫描样品的傅立叶变换红外吸收光谱,并对光谱进行预处理,提取红外特征信息,将2855与1746、1462与1163 cm-1处特征峰的面积比值为坐标,采用Origín 6.0软件作识别分类图.结果表明:特征峰的面积比值与所涂石蜡量成线性变化,大米油脂的特征峰面积比值在一定的区域分布,涂以0.05%以上石蜡的大米,其油脂特征峰面积比值与未涂石蜡米油脂的值有一定区别.     

小波包熵的复杂体系近红外光谱信息提取

有用信息提取是复杂体系近红外检测的重点和难点之一。由于复杂体系光谱中存在各种噪声、基线漂移、谱带重叠及复杂背景的干扰,常规方法不能准确地从光谱中获得有用信息。为此,将小波包变换(DWPT)和信息熵理论相结合--小波包熵(EWPIE)提取复杂体系光谱中的有用信息。思路是采用小波包变换对光谱信号进行多频带分解,根据有用信号与噪声的频带分布特点,基于信息熵理论滤除干扰的频率分量,采用正交校正法(OSC)剔除与被测组分无关的信息,然后对处理后的频率分量进行重构,从而实现复杂体系有用信息的准确提取。通过对复杂体系光谱数据建立多元校正模型来验证该方法的效果。采用牛奶的近红外光谱数据,以牛奶中脂肪和蛋白质浓度为研究对象,建立了偏最小二乘法(PLS)模型。结果显示,牛奶中脂肪和蛋白质的预测均方根误差(RMSEP)分别为0.132%和0.121%,与单纯的DWPT和OSC相比,EWPIE能够有效地提取有用信息,避免了无用信息的干扰,明显提高了模型的预测精度,对复杂体系的准确检测具有一定的理论意义和实际应用价值。