人工神经网络用于光度法同时测定铜钴镍

本文采用PAR－Cu,Co,Ni显色体系,应用人工神经网络原理,以Levenberg-MarguardtBP算法,对紫外吸收光谱严重重叠的三组分金属配合物体系进行含量测定。在452－552nm的范围内,以14个特征波长处的吸收值作为网络特征参数,并通过正交设计安排样本。网络仅训练781次即可达到要求,Cu,Co,Ni三者的平均回收率分别为99．99％,99．97％,测定结果的相对标准偏差分别为0．1％,0．2％,0．1％。实验表明,该方法与现有的算法相比具有训练速度快,预测结果准确度高等特点。该方法和光度法结合有望成为多组分分析的有效方法之一。     

55.0—200.0nm ZnⅡ,ZnⅢ,ZnⅣ真空紫外光谱

本文报道用1m正入射真空紫外光谱仪,在55.0～200.0nm范围内拍摄的ZnⅡ、ZnⅢ和ZnⅣ光谱。共观察到近400条谱线,辩认出Zn谱线213条,杂质元素谱线119条。特别是新归类了10条Zn谱线,其中ZnⅡ1条、ZnⅢ7条、ZnⅣ2条。     

锰、铁、钴氮杂金属冠醚的红外和紫外光谱研究

本文报导了含铁、钴、锰氮杂金属冠醚及其配体的红外和紫外光谱研究结果。对400－4000cm^-1范围的主要红外吸收谱峰进行了经验归属，并进一步讨论了合成的配体和配合物的特征吸收谱带与其结构的关系。配体IR谱中的v(C=O),v(NH),δ（NH） v(CN),δ（NH）等酮式特征吸收在配合物的IR谱图中基本消失，－1600cm^-1处出现归属于共轭体系C＝N－N＝C骨架伸缩振动的吸收谱带，－1560和－1410cm^-1附近各出现一尖锐的强吸收，他们分别归属于v(C=O)和v(CO)，说明该系列N－烷酰基水杨酰肼配体固态时主要以酮式存在，在溶液中则先异构为烯醇式结构，然后醇羟基再通过去质子化作用使羟氧与金属配合。电子光谱研究结果表明该系列配合物出现苯环及共轭体系的π-π^*或n-π^*的跃迁（－204和220－256nm)、M－L荷移跃迁带（274－350nm)和在配位体场作用下金属原子的d-d跃迁吸收峰（－500nm)。     

原子吸收法同时测定大豆及其乳制品中Zn、Cu、Co、Fe、Mn

本文采用干法灰化和湿法消化溶解样品，原子吸收法测定大豆及其乳制品中Zn、Cu、Co、Fe、Mn等元素。方法快速、简便，回收率为96％－103％。     

虚拟组分-人工神经网络用于中药紫外光度法中多组分的同时测定

采用虚拟组分自修正、自拟合的方法消除了干扰组分的影响,实现了人工神经网络(ANN)-紫外分光光度法不经分离的中药多组分浓度的同时测定。建立了包含训练网络和拟合网络的双网络ANN算法,提高了ANN算法的自学习、自判别能力,使复杂中草药体系多组分浓度预报的准确度大大提高。对21种不同来源的秦皮中秦皮甲素和秦皮乙素的含量进行了预测,预测结果与HPLC法相比较,以相对误差小于10%计,预测准确率大于90%。该法对秦皮甲素和秦皮乙素的测定精密度分别为0.37%,1.5%。     

紫外光谱在金属—蛋白的金属中心结构研究中的应用的若干实例

介绍了用紫外光谱研究配合物金属中心结构的原理，并通过若干应用实例，证明这种光谱是研究金属－蛋白的金属中心结构的有效方法。     

温度限制串联相关网络用于有机环境污染物紫外光谱的识别

本文将温度限制串联相关网络用于有机环境污染物紫外光谱的识别。紫外光谱的库检索比红外光谱检索更困难 ,因为紫外光谱的重叠更为严重。此外 ,光谱测量的漂移和噪声也会影响紫外光谱库检索的正确率。因此 ,采用具有模糊性质的神经网络是一个很好的选择。温度限制串联相关网络 (TCCCN)是一种与通常所用BP网络不同结构的网络模型 ,它采用串联相关的神经元连续方式 ,且引入温度参数 ,因而可以减少网络的过度训练和加快训练速度。本工作采用TCCCN进行紫外光谱的库检索 ,对有关参数进行了优化 ,并对光谱测量噪声的影响做了研究。结果表明 ,采用TCCCN方法明显优于在谱库检索中常用的相关系数法。     

ICP-AES同时测定合成吗啉催化剂中Cu、Zn、Al和Ni含量

利用IRISAdvantageHR型全谱直读电感耦合等离子体发射光谱仪建立了同时测定化工催化剂中活性金属4组分的分析方法,考察了酸度和高频功率对测定的影响,优化了工作条件,结果表明:所建方法的相对标准偏差小于2%,回收率在98%-104%之间。     

人工神经网络用于光度法同时测定三组分染料混合物

应用人工神经网络原理,以快速BP算法,对紫外可见吸收光谱严重重叠的三组分的染料溶液同时进行含量测定。在200～590nm的范围内,以7个特征波长处的吸收值作为网络特征参数,通过网络训练,复品红、结晶紫、藏红T的相对标准偏差分别为0.34％,0.67％,1.03％,三者的回收率在95.5％～104％之间。实验表明,该算法速度快,预测结果准确,可望用人工神经网络和光度法结合定量测定混合染料。     

人工神经网络用于荧光分析法同时测定苯酚和间苯二酚的含量

本文应用人工神经网络原理，以Levenberg-Marquardt BP算法对荧光光谱严重重叠的苯酚、间苯二酚的混合体系进行同时测定，在290－345nm的范围内，以14个特征波长处的荧光强度值作为网络特征参数，并通过均匀设计安排样本进行网络训练和计算，网络训练8次即达到误差精度要求（误差平方和小于0.01）。苯酚、间苯二酚的平均回收率分别为100.2%，９９.99%，相对标准偏差分别为０.４％，１.3％。     

荧光光谱-人工神经网络法同时测定注射液中色氨酸和酪氨酸

本文用人工神经网络法中的误差反传学习算法对色氨酸、酪氨酸混合体系的荧光光谱进行解析,提出了同时测定这两种氨基酸的计算分析方法。以pH=7.15的KH_2PO_4-K_2HPO_4的缓冲溶液为介质,用224nm为激发波长,在290～400nm的范围内,以14个特征波长处的荧光强度值作为网络特征参数,进行网络训练。网络训练了12次即达到误差精度要求(误差平方和小于0.1)。以同样方法对复合氨基酸注射液进行测定,通过训练好的网络进行色氨酸、酪氨酸含量的计算,相对误差分别为4.0％和2.6％。实验表明,该方法与现有的算法相比具有训练速度快、预测结果准确度高等特点。该方法与荧光法结合有望成为多组分分析的有效方法之一。     

分光光度法结合人工神经网络同时测定铜、镉和镍

利用人工神经网络结合分光光度法用于二甲酚橙(XO)-CTMAB-Cu、Cd、Ni显色体系同时测定Cu()、Cd()和Ni(),方法简单,结果满意,其三者的平均回收率分别为99.62%、99.93%、100.24%。     

人工神经网络法测定五组分红外光谱体系

介绍了人工神经网络在非线性多组分校准中的应用,所用三层神经网络由反向传播算法来训练。采用大量模拟数据训练神经网络,得到了一系列优化参数,选择红外谱图严重重叠的五种大气有机毒物作为多组分体系,相对标准误差（ＲＳＤ％）、百分标准预测误差（ＳＥＰ％）和百分标准误差（ＳＥＣ％）被用于衡量神经网络的性能。     

火焰原子吸收光谱法测定小茴香中的铜、铁、锰和锌

样品在550℃灰化,用王水浸提。用火焰原子吸收法测定样品中的Fe、Cu、Zn、Mn的含量,并对其结果进行了分析。此法校准曲线性关系良好,回收率在94.70%—104.33%。测定结果表明,小茴香中的铁含量较高。     

血液可见吸收光谱与血氧参数神经网络估算法

总血红蛋白浓度和血氧饱和度是两个基本的血氧参数。文章提出了利用内置双光纤微创探头在位测量大鼠脑组织血氧参数的新方法。首先,利用悬乳液(Intralipid)和全血配置不同总血红蛋白浓度的混合溶液,模拟生物组织模型,用光纤光谱仪测试系统测量组织模型在加氧和去氧时的实时吸收光谱,同时用血氧分析仪(OXI meter)对血氧参数定标,建立测试光谱和定标数据样本集。然后,利用人工神经网络建立血液吸收光谱与血氧参数的神经网络模型,训练后的网络模型能根据吸收光谱输出生物组织的血氧参数值,总血红蛋白浓度和血氧饱和度的平均输出误差分别为±4μmol·L-1和±5%。最后,利用神经网络模型对大鼠脑组织血氧参数进行了在位测试实验,测得脑灰质的血氧饱和度为0.60~0.70,脑白质血氧饱和度为0.45~0.55;总血红蛋白浓度在脑皮层(深度1mm)附近最高,平均110μmol·L-1,其余深度脑组织的总血红蛋白浓度为70~90μmol·L-1。这种方法对脑外科微创手术中实时在位测试脑组织血氧参数具有重要的参考意义。     

人工神经网络法对多组分大气污染物的同时监测

用 18 7 8的反向传播人工神经网络 (BP ANN)模型 ,对FTIR光谱图存在着严重混叠干扰的八种有毒易挥发有机化合物 (VOCs)组成的大气污染物进行了同时定量测定 ,得到了各污染物的浓度。所测定的八种VOCs为苯乙酮 ,苯酚 ,三氯甲苯 ,1,3丁二烯 ,氯苯 ,甲醇 ,三氯代乙烷和二氯甲烷。用标准预测误差 (%SEP) ,平均预测误差 (MPE)和平均相对误差 (MRE)来评价其预测能力。结果表明 ,本方法对多组分大气污染物定量分析 ,能够得到较为满意的结果。     

火焰原子吸收光谱法连续测定茶叶中的锌、铜和锰

本文研究了茶叶中锌、铜、锰微量金属元素的火焰原子吸收分光光度法的测定。方法简便、快速,灵敏度和精密度高,特征浓度锌为０．００９μｇ／ｍＬ／１％,铜为０．０３１μｇ／ｍＬ／１％,锰为０．０１７μｇ／ｍＬ／１％;相对标准偏差为０．９％～５．０％,回收率９２．０％～１０６．０％。     

火焰原子吸收法测定前列腺液中锌、铜、锰

用火焰原子吸收光谱法测定了健康成年男性及慢性前腺炎患者的前列腺液中微量元素锌,铜,锰,确定三种元素最佳仪器工作条件,对共存元素的干扰情况进行了研究。该方法简便,快速,准确,相对标准偏差在２．５％以内,回收率为９６．０％－１０２．０％。