模糊聚类-偏最小二乘回归光度法同时测定地质样品中金铂钯铑的研究

将模糊聚类分析与偏最小二乘法相结合,对地质样品中吸收光谱严重重叠的贵金属多组份体系进行解析,较好地解决了计算光度分析中校准模型的优化问题,使计算结果的精度得到了显著提高,分析结果的相对误差小于 10%,标准偏差小于 0.67,明显优于一般偏最小二乘 (PLS)法。采用小锍试金法消除样品中贱金属元素的干扰,其回收率为 92%～107%,标准偏差为 0.10～0.67;相对标准偏差为 4.7%～11.0%。并对影响聚类效果的参数选择作了讨论。     

在国产近红外光谱仪实验样机上用偏最小二乘法定量分析大麦成分

采用偏最小二乘法和国产近红外光谱分析仪实验样机，对大麦中的蛋白质和淀粉含量进行了定量测定．测定结果为：对蛋白质和淀粉预测的相关系数分别为０．９６１、０．９４９，相对标准偏差分别为２．７％、２．９％，相对误差分别小于５．７％、６．８％．     

模糊聚类—偏最小二乘光度法同时测定锇钌

将模糊聚类分析与偏最小二乘相结合，对锇，钌双组份重叠光谱进行解析；较好地解决了校正分析中校准模型的优化问题，提高了分析结果的准确度；研究了锇，钌－ＳｎＣｌ２－乳化剂Ｏ－阿拉伯树胶－丁基罗丹明Ｂ高灵敏多元离子缔合物显色体系。锇，钌的检出限分别为０．６３２μｇ／Ｌ和０．３６８μｇ／Ｌ，模拟地质样品分析结果的相对误差小于±１０％。     

甲氧苄胺嘧啶药物的非破坏分析

将偏最小二乘（ＰＬＳ）法同近红外漫反射光谱法结合，非破坏分析了粉末药品甲氧苄胺嘧啶。讨论了波长对ＰＬＳ定量预报能力的影响。校正样品和预测样品的预测结果相对标准误差分别为０．３３％和１．３９％。     

溶剂浮选—偏最小二乘回归光度法测定地质样品痕量贵金属元素

研究了贵金属Ｒｕ、Ｒｈ、Ｐｄ、Ａｕ－ＳｎＣｌ２－ＲＢ体系及缔和物溶剂浮选的条件,采用偏最小二乘回归法对重叠光谱进行解数据处理。对地质样品Ｒｕ、Ｒｈ、Ｐｄ、Ａｕ同时测定,相对误差小于１１．１％,标准差为０．００６２－０．０１９。     

模糊聚类-偏最小二乘光度法同时测定锇和钌

将模糊聚类分析与偏最小二乘相结合，对锇、钌双组份重叠光谱进行解析；较好地解决了校正分析中校准模型的优化问题，提高了分析结果的准确度；研究了锇、钌－ＳｎＣｌ２－乳化剂ＯＰ－阿拉伯树胶（ＡＧ）－丁基罗丹明Ｂ（ＢＲＢ）高灵敏多元离子缔合物显色体系。锇、钌的检出限分别为 ０，６３２ μｇ／Ｌ和 ０．３６８ μｇ／Ｌ，模拟地质样品分析结果的相对误差小于±１０％。     

槟榔中槟榔碱和槟榔次碱的毛细管电泳分析

建立了槟榔中槟榔碱和槟榔次碱的毛细管电泳分析方法。考察了电解质溶液ｐＨ值变化对分离的影响,在选定实验条件下,槟榔碱和槟榔次碱得到了很好的分离,整个分析过程在１０ｍｉｎ内完成,其中槟榔碱和槟榔次碱的迁移时间相对标准偏差在０．４％￣０．７％之间,峰面积的相对标准偏差在３．４％￣３．８％之间。用于实际样品测定,结果满意。     

头孢唑啉的半微分吸附伏安法研究

本文于Ｂｒｉｔｔｏｎ－Ｒｏｂｉｎｓｏｎ介质（ｐＨ２．５）中研究了头孢唑啉的半微分吸附伏安法行为，并讨论了电极过程。在选定条件下，于－０．６７Ｖ（ｖｓ．Ａｇ／ＡｇＣｌ）处得一灵敏的还原峰。富集５０ｓ，其浓度在４．４×１０￣－９～１．１×１０￣－７ｍｏ１／Ｌ范围内与峰电流值呈良好线性关系，检测下限为２．２×１０￣－９ｍｏ１／Ｌ方法无需前处理即可用于尿液及血清样品中痕量头孢唑啉的测定，回收率在９２．５％～１０８．３％，相对标准偏差为２．８％。     

CCD近红外光谱快速测定喷气燃料的冰点

从化学计量学角度研究了近红外光谱技术测定航空燃料冰点的原理．使用偏最小二乘法分别建立了短波近红外和长波近红外的航空燃料冰点快速测定模型．将近红外法冰点测定结果和标准方法（ＧＢ ２４３０—８１）测定结果进行了比较，两种结果吻合得很好（标准偏差为１．４７℃。），近红外光谱法具有分析精度高（标准偏差为０．５３℃），快速（单个样品分析时间为 ｌｍｉｎ）和操作方便的优点．实际分析结果表明，石油化工科学研究院研制的ＣＣＤ短波近红外光谱仪分析性能达到进口傅立叶近红外光谱仪水平。     

十六种活血化瘀中草药中微量元素的测定

用原子吸收光谱法对十六种活血化瘀中草药中十种微量元素进行了测定。方法的回收率为９５．０％￣１０５．０％,相对标准偏差小于０．０３％,结果表明,该法具有操作简单,快速和准确度高等优点。     

偏最小二乘分光光度法同时测定扑热息痛等五组分含量

本文将偏最小二乘分光光度法应用于感冒液中扑热息痛、扑尔敏、咖啡因、对氨基酚和愈创木酚甘油醚五组分含量的分析研究，介绍了基本原理和具体的分析步骤。实验结果表明，偏最小二乘分光光度法对样品各组分的平均回收率在96．4％－105．0％之间，样品不经分离即可同时测定，取得了满意的分析结果。     

串联质谱法快速分析皮革中五氯酚残留

建立了皮革样品中五氯酚的串联质谱分析方法,以ｍ／ｚ２６６为母离子,碰撞电压为０．８Ｖ,以子离子ｎ／ｚ２３０为定量离子,外标法定量。线性范围为０．１￣１０．０ｍｇ／Ｌ,检出限为０．００５ｍｇ／ｋｇ,回收率为８５．４％￣１０２．５％,相对标准偏差为２．５５％￣３．５５％。方法具有快速、准确的特点。     

近红外光谱相似性评估结合局部回归方法无损检测苹果糖度

基于Bayesian相似性评估方法结合偏最小二乘局部回归,对苹果近红外数据库进行数据挖掘。通过相似性计算方法搜索出与预测样品相近的近红外光谱,形成校正子集后采用局部回归方法获得待测样品的相关信息。该方法所建立局部模型的平均检验标准偏差(SEV)约为0.57,分析30个预测样品的预测标准偏差(SEP)约为0.61;基于马氏距离的传统方法建立的偏最小二乘局部模型的平均SEV为0.59,分析30个待测样品的预测SEP为0.64;而采用整个数据库建立的全局偏最小二乘模型的SEV约为0.65,分析30个预测样品SEP约为0.70。基于Bayesian相似性评估的局部回归方法在苹果糖度的近红外无损定量分析中获得较好的应用结果,在实际应用中该方法比全局回归方法具有更强的适用性,为近红外光谱分析提供了新的分析工具。     

溶剂浮选-偏最小二乘回归光度法测定地质样品中痕量贵金属元素

研究了贵金属Ru、Rh、Pd、Au-SnCL_2-RB体系及缔和物溶剂浮选的条件,采用偏最小二乘回归法对重叠光谱进行解析及数据处理.对地质样品中Ri、Rh、Pd、Au同时测定,相对误差小于11.1%;标准偏差为0.0062～00.19.     

高锰酸钾－抗坏血酸化学发光体系测定抗坏血酸

本文研究了高锰酸钾－抗坏血酸化学发光体系，建立了测定抗坏血酸的化学发光分析新方法。线性响应的浓度范围为５．０×１０￣（－７）ｍｏｌ／Ｌ～４．０×１０￣（－５）ｍｏｌ／Ｌ检出限为３．０×１０￣（－７）ｍｏｌ／Ｌ对２．５×１０￣（－６）ｍｏｌ／Ｌ抗坏血酸进行１０次平行测定，相对标准偏差为１．６％。考察了２２种物质的干扰情况。用于维生素Ｃ片剂及注射液中抗坏血酸含量测定，结果令人满意。     

花生中黄曲霉毒素B1、B2、G1、G2的多功能净化柱-高效薄层色谱分析

建立了一种测定食品中黄曲霉毒素（ ＡＦＴ） Ｂ１ 、Ｂ２ 、Ｇ１ 、Ｇ２ 的多功能净化柱（ ＭＦＣ） 净化, 单相展开的薄层色谱法。 以乙腈－ 水（ 体积比９ ∶１） 提取样品中ＡＦＴ, 经ＭＦＣ 净化浓缩后, 采用ＨＳＧ６０ 薄层板, 以丙酮－ 氯仿（ 体积比９ ∶１） 展开, 薄层扫描仪荧光检测扫描定量。该法用于花生样品的检测,４ 种毒素的分离良好; 线性范围：０ ．０５ ～１ ．０ ｎｇ, 相关系数≥０ ．９９９ １; 检出限均达到０ ．５ ×１０ － ９ ; 相对标准偏差为４ ．６７ ％ ～１０ ．２１ ％ ; 样品加标０．５ ×１０ － ９ ～１０ ×１０ － ９ , 平均回收率为８６ ．５ ％ ～９９ ．０％ 。     

傅里叶变换红外光声光谱法测定土壤中有效磷

以中国科学院封丘生态实验站长期定位实验区的土样为材料(68样),利用傅里叶转换红外光声光谱测定土壤有效磷:以Olsen-P为因变量,通过傅里转换红外光声光谱构建偏最小二乘法和人工神经网络模型,利用模型进行预测。结果表明,偏最小二乘法模型的相关系数(R2)为0.96,校正标准偏差为1.79mg/kg,验证标准偏差为5.25mg/kg;人工神经网络模型的校正系数为0.84,校正标准偏差为2.40mg/kg,验证标准偏差为5.43mg/kg。两种模型均可以用于土壤有效磷的预测,且偏最小二乘模型优于人工神经网络模型。该方法的特点是无需样品前处理,且测定对样品无破坏,为土壤有效磷的快速测定提供新的手段。     

多模型共识偏最小二乘法用于近红外光谱定量分析

将多模型共识偏最小二乘法用于近红外光谱定量分析。利用随机抽取的训练子集建立一系列偏最小二乘模型,选取其中性能较好的部分模型作为成员模型,用这些成员模型来预测未知样品。将该方法用于一组生物样本的近红外光谱与样品中人血清白蛋白、γ-球蛋白以及葡萄糖含量之间的建模研究,并与单模型偏最小二乘法了进行比较。结果 PLS对独立测试集中三种组分进行50次重复预测的平均RMSEP分别为0.1066,0.0853和0.1338,RMSEP的标准偏差分别为0.0174,0.0144和0.0416;而本方法重复预测的平均RMSEP分别为0.0715,0.0750和0.0781,RMSEP的标准偏差分别为0.0033,0.2729×10-4和0.0025。     

主成分—人工神经网络在近红外光谱定量分析中的应用

近红外光谱的主成分由非线性迭代偏最小二乘法（ＮＩＰＡＬＳ）求出,主成分作标准化处理后,作为Ｂ－Ｐ神经网络的输入结点进行非线性迭代。该法的优点是,充分利用了全光谱的数据,得到消除噪声后的最佳主成分,能建立非线性模型,Ｂ－Ｐ神经网络迭代时间显著缩短,用该法对大麦中的淀粉含量进行了定量分析研究。结果为：校准和预测的相关系数分别为０．９８１和０．９５３,校准和预测的相对标准偏差分别为１．７０％和２．４８％     

主成分-人工神经网络在近红外光谱定量分析中的应用

近红外光谱的主成分由非线性迭代偏最小二乘法（ＮＩＰＡＬＳ）求出。主成分作标准化处理后,作为Ｂ－Ｐ神经网络的输入结点进行非线性迭代。该法的优点是,充分利用了全光谱的数据,得到消除噪声后的最佳主成分,能建立非线性模型,Ｂ－Ｐ神经网络迭代时间显著缩短。用该法对大麦中的淀粉含量进行了定量分析研究。结果为：校准和预测的相关系数分别为０．９８１和０．９５３,校准和预测的相对标准偏差分别为１．７０％和２．４８％。