主成分分析同时单点R滴定法研究

将主成分分析用于单点Ｒ滴定法中，同时测定了镍矿中Ｎｉ，Ｃｕ，Ｃｏ含量，讨论了方法原理，指定电位的选择，建立了主成分分析常数矩阵，对２０个模拟样和矿样进行了分析，均获得满意结果。     

主成分分析同时单点pH滴定法研究

本文将主成分分析用于多组分同时单点ｐＨ滴定法中,讨论了方法原理,指定ｐＨ值的选择,建立了主成分分析常数矩阵,对四组分醇酮氧化酸试样及模拟样进行了多次测定,均获得了满意结果。     

多元线性回归同时单点pH滴定法研究

本文将多元线性回归分析用于单点ＰＨ滴定中，同时测定极弱酸或碱混合物含量。对 十个五元 极弱碱混合样进行了测定，获得满意结果。     

多元线性回归同时单点PM滴定法研究

本文将多元线性回归分析应用于单点ＰＭ滴定法中，同时测定了多组分金属离子混合物各组分浓度，讨论了方法原理和实验条件。对２８个二元、三元及四元混合样进行了测定，得到良好结果。     

多元线性回归同时PH配位滴定法研究

本文将多元线性回归分析法应用于ＰＨ配位滴定，同时测定了与ＥＤＴＡ综合物稳定常数极为相摈金属离子浓度。讨论了方法原理、回归方程及最佳实验条件。对十个合成样进行了测定，得满意结果。     

校正矩阵同时2单点沉淀滴定法研究

本文将校正矩阵计算法应用于单点沉淀滴定法中，同时测定了卤素及硫氰酸盐混合物各组分含量讨论了方法原理、指定电位的确定及常数矩阵的建立对２８个二元、三元及四元混合样进行分析，获得满意结果     

主成分回归法同时测定油品中铁钴镍钒

用主成分回归法,自编程序在计算机上处理数据,同时测定油品中铁、钴、镍、钒。以OP-5-Br-PADAP为显色体系,用调节pH值的方法消除油品中共存元素的干扰。人工合成样品的回收率在94.3％～105.0％间,油样测定结果的相对标准偏差在2.0％～4.5％间。铁、钴、镍、钒的摩尔吸光系数分别为1.1×10~5,1.0×10~5,1.0×10~5,3.6×10~4。该法快速、准确、灵敏度高。     

校正矩阵同时单点pH配位滴定法研究

将校正矩阵计算法用于单点pH配位滴定法中,同时测定了镍矿中Ni、Cu、Co的含量。讨论了方法原理,指定PH值的选择及常数矩阵的建立。对10个自配样和矿样进行了测定,获得满意结果。     

主成分回归-络合滴定法测定混合金属离子

提出了用络合滴定法测定混合金属离子.以汞膜电极为指示电极,银-氯化银电极为参比电极,以标准EDTA溶液滴定混合金属离子溶液.采集-系列指定电位点处滴定剂的体积,并以主成分回归法处理滴定数据.利用本文方法对铜、锌、铅、钻混合溶液进行了测定,结果满意.     

主成分分析同时测定多组分金属离子

将主成分分析用于同时单点pH络合滴定,可同时测定多组分金属离子。讨论了方法原理、pH值的选择,建立了主成分分析常数矩阵。对四元金属离子混合样进行了多次测定,均获得满意结果。     

主成分分光光度法中主成分的选择

主成分分析是全光谱分析度分析中常用的校正方法。本文提出第一主成分并不是与因最线性相关的主成分。为此，我们利用扫描算法众多主成分中选择与因变量（浓度）最相关的主成分，从而使计算结果更准确可信。本文还对单因变量和多因变量两种情况下主成分选择的统计量进行了讨论。     

主成分回归—极谱分析法测定吡嗪混合物

吡嗪及其甲基衍生物在弱酸性介质中具有良好的极谱波。但它们彼此重叠,无法作单一成分分析。本文在pH=4.8的McIlvane缓冲溶液中对吡嗪、2-甲基吡嚎、2,3-二甲基吡嗪和2,3,5-三甲基吡嗪多组分混合溶液在静汞电极上作微分脉冲极谱测定,所得的极谱重叠波数据用主成分回归法处理,获得了较好的定量分析结果。对于含量在0.15～1μg/ml之间的吡嗪及其甲基衍生物,回收率为95％～105％,相对标准偏差为4％～10％。     

Use of Chemometrics: Principal Component Analysis (PCA) and Principal Component Regression (PCR) for the Authentication of Orange Juice

ABSTRACT

Principal Component Analysis (PCA) was applied to a set of physico-chemical variables obtained from 41 samples of summer orange juice, in order to reduce the number of variables. Working with the covariance matrix, three components (which explained 98.27% of the variance) were taken. With the correlation matrix, four components which explained: 85.65% of the variance were taken. With the scores corresponding to both matrixes a principal component regression (PCR) was carried out against the dependent variable of Brix grades, so as to obtain two statistical models that would allow the detection of adulterations in pure orange juice, based on dilution and later masking by the addition of sugar. The models were tested with simulated dilutions of 41 samples of juice, to assess the effectiveness of each for the detection of adulterations. Both models turned out to be equally effective, detecting adulterations starting from about 15 % of dilution.