多项式偏最小二乘法对非线性体系红外谱图的分析

文章利用了一种非线性模型多项式偏最小二乘法(PPLS),结合傅里叶变换红外光谱遥感技术,对大气中的五组分混合体系进行了同时分析。并与偏最小二乘法(PLS)得到的结果进行了比较,PPLS显示出较好的处理非线性数据的能力。尤其是对混合物中的苯和氯仿的预测,均方根预测误差(RMSEP)分别是0.043和0.087,用PLS预测相应的RMSEP为0.402和0.842。PPLS的这一预测精度,可以满足遥感傅里叶变换红外光谱对大气中有毒气体的实时、在线监测的需要。同时PPLS可以用较少的潜变量对变量进行解释,显示出PPLS模型的稳健性和简单化。     

模型传递用于解析遥感傅里叶变换红外谱图

基于模型传递的原理,建立了一种可对存在背景干扰,谱峰严重混叠的遥感傅里叶变换红外(remote sensing Fourier transform infrared: RS-FTIR)谱图进行解析的方法。分别用4组分气体混合物的EPA红外标准谱图和RS-FTIR谱图,建立校正和预测模型,经过正交信号校正(OSC)处理后,用EPA红外谱图数据所建立的校正模型,对RS-FTIR谱图数据进行预测,得到的丙酮、甲醇、苯和三氯甲烷的均方根预测误差(RMSEP)分别为：0.008 5,0.018 0,0.064 0,0.002 8。未经OSC处理时的RMSEP依次是0.085 6,0.047 9,1.065 3,0.014 2。经优化,支集选择的方法为Kennard-Stone法,OSC在实现过程中循环次数为3时得到的预测结果最好。研究结果表明,该方法能够克服背景和校正模型给RS-FTIR监测大气污染物带来的制约。     

PCA-LVQ法及其在RS-FTIR大气环境监测数据处理中的应用

将主成分分析(PCA)用于遥感傅里叶变换红外光谱(Remote Sensing Fourier Transform Infrared:RS-FTIR)的特征提取,结合学习矢量量化(LVQ)神经网络,实现了PCA-LVQ对大气中的8组分混合体系进行快速定性分析的建模方法。并与单纯的LVQ神经网络、反向传播人工神经网络(BP-ANN)得到的结果进行了比较。PCA-LVQ显示出较好的处理数据的能力,它不仅提高了运算速度,而且提高了模型的预测准确度,分类精度达到91.7%。PCA-LVQ的这一预测精度及运算速度,足以满足遥感傅里叶变换红外光谱对大气中有毒气体的实时、在线监测的需要。     

板蓝根颗粒的红外光谱无损快速鉴别及可视化表达

用傅里叶变换红外光谱对传统中成药板蓝根颗粒进行了研究。对同一厂家不同批次和不同厂家的板蓝根颗粒主要成分板蓝根和大青叶的红外光谱图及二阶导数谱图进行了比较分析,并将谱图进行可视化表达。结果显示,傅里叶变换红外光谱法结合二阶导数谱和谱图的可视化,能够有效地提取配方颗粒的特征指纹谱图,直观地反映出不同生产厂家产品质量的差别及同一生产厂家不同批号产品之间谱图的可重现性,从而实现中成药的无损快速鉴别,为中成药质量检测及监控提供一种方便、有效和直观的方法。     

遥感FTIR在大气环境监测中的新发展

遥感傅里叶变换红外光谱(RS-FTIR)是当前大气环境监测中的一种重要手段,它具有灵敏度高,选择性好,不需取样和样品的预处理,能够同时监测多种化合物,能提供远距离实时自动监测的优点,适用于大气有毒易挥发有机化合物(VOCs)的定性、定量测定和遥感实时动态监测。文章综述了南京理工大学现代光谱研究室近几年来在RS-FTIR大气环境监测领域的研究进展,包括化学计量学,计算机层析(CT),FTIR谱图解析,大气污染物空间浓度分布监测,被动式遥感监测等方面的最新研究成果。这些研究成果充分表明,遥感FTIR技术的快速发展和应用,促进了分析化学在时空上的延伸,在大气环境监测领域中必将有更广泛的应用前景。     

含取代噁唑结构的新型吡唑肟衍生物的合成与生物活性

为了发现具有良好生物活性的吡唑肟化合物,以唑螨酯为先导化合物,在吡唑肟中引入取代噁唑结构,设计并制备了20个未见文献报道的新型吡唑肟衍生物,利用1H NMR,13C NMR和元素分析确证了目标产物的结构.生物活性测试结果显示,部分目标化合物在500和100μg/mL浓度下对粘虫或蚜虫表现出优良的杀虫活性,其中5-(3-氟苯氧基)-1,3-二甲基-1H-吡唑-4-甲酰基-O-{[5-(4-氯苯基)噁唑-2-基]甲基}肟(9j)、5-(4-氟苯氧基)-1,3-二甲基-1H-吡唑-4-甲酰基-O-{[5-(4-氯苯基)噁唑-2-基]甲基}肟(9k)、5-(4-叔丁基苯氧基)-1,3-二甲基-1H-吡唑-4-甲酰基-O-{[5-(4-氯苯基)噁唑-2-基]甲基}肟(9r)和5-(4-甲氧基苯氧基)-1,3-二甲基-1H-吡唑-4-甲酰基-O-{[5-(4-氯苯基)噁唑-2-基]甲基}肟(9s)在浓度为100μg/mL时对粘虫的防治效果均达100%,5-(4-溴苯氧基)-1,3-二甲基-1H-吡唑-4-甲酰基-O-{[5-(4-氟苯基)噁唑-2-基]甲基}肟(9g)和9s在浓度为100μg/mL时对蚜虫的杀灭活性均为100%.此外,化合物9s在500μg/mL时对朱砂叶螨的防治效果为70%.     

正交信号校正用于傅里叶变换红外光谱的模型传递

利用正交信号校正（OSC）实现了4组分气体混合物的PLS模型,在两台傅里叶变换红外光谱（FTIR）仪上的传递,并与直接标准化（DS）、分段直接标准化（PDS）、多元分散校正（MSC）和有限脉冲响应（FIR）的传递效果进行了比较,确立了以源机的校正模型直接对目标机数据进行预测的传递方式。经过OSC校正,预测均方根误差（RMSEP）为10^-3左右。OSC可以有效地减小测量仪器间的差异,同时使PLS模型的潜变量个数降为4,使模型简单化。与DS和PDS相比,OSC不需要同一样品在两台仪器上测量,在支集大小为3时,得到一致的预测准确度,表现出稳健性。MSC和FIR处理的RMSEP为10^-1左右,效果远差于OSC。     

用PCA-LDA对多环芳烃的致癌性进行分类

本文利用主成分提取-线性判别分析(PCA-LDA)模型对多环芳烃(Polycyclic Aromatic Hydrocarbons,PAHs)的致癌性进行分类,与致癌性有关的多环芳烃的表面积、代谢活性区域中心碳原子的离域能、亲电活性区域中心碳原子的离域能以及分子脱毒区的总数四个参数作为模型的输入,用已知致癌性的67个样本作为训练集建立PCA-LDA模型,对10个预测集样本的致癌性进行预测,结果表明:致癌性按高(h)、低(l)、非(n)分类时预测准确率达100%。     

主成分-线性判别法对大气易挥发性有机化合物的预警

应用遥感傅里叶变换红外光谱,采用主成分提取-线性判别分析(PCA-LDA)技术,对丙酮、二氯甲烷、甲苯、苯、氯仿和甲醇等六组分的任意混合体系进行定性鉴别。被选用的这6种大气有毒有机化合物的红外光谱图相互间存在着严重的混叠,并和反向传播人工神经网络(BP-ANN)的预测结果进行了比较。PCA-LDA的鉴别判对率达92.2%,识别率94.4%,误判率7.8%;BP-ANN分别为91.1%、95.6%和8.9%。结果表明PCA处理克服了LDA对多变量数据预测的局限性,预测性能和BP-ANN相当。鉴于BP-ANN计算耗时和繁琐,PCA-LDA模型被确定为建立VOCs预警模型最适当的方法。     

主成分提取在遥感FTIR谱图解析中的应用

建立了基于人工神经网络(ANN)的遥感FTIR谱图解析方法。针对人工神经网络(ANN)训练时间过长和模型“过拟合”的问题,采用偏最小二乘法(PLS)和主成分分析法(PCA),对输入ANN的光谱数据进行了主成分提取,使ANN分析时间从30多分钟缩短为10多秒钟;模型传递技术的引入,克服了遥感FTIR谱图分析中反复建模问题。经过优化的方法,实现了用EPA数据建模,对大气中的四组分混合体系——丙酮、苯、三氯甲烷和甲醇的遥感、实时、准确测定,PLS-ANN模型得到的结果最好,对丙酮、苯、三氯甲烷和甲醇的预测误差分别为0.043,0.031,0.034,0.051,保证了遥感FTIR对大气中有毒气体混合物实时、准确、快速监测。