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。     

卡尔曼滤波同时pH滴定法研究

本文将卡尔受滤波(KF)递推算法，用于多组分同时pH滴定。讨论了方法原理，指定pH值的选择。对四组分醇酮氧化酸试样和模拟样，进行了多次测定，获得满意结果。     

主成份分析同时单点pM滴定法研究

本文将主成份分析应用于单点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，建立了主成份常数矩阵，对２１个三元、四元混合样进行了测定，得到满意结果。     

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。     

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。     

极弱酸碱的pH滴定法研究

ｐＨ滴定法是指酸碱滴定至某一指定ｐＨ值时，即可根据滴定剂浓度，用量及有关公式，计算被测物浓度或含量的方法。本文深入讨论了测定原理，方法和应用，对１０种不同极弱酸碱进行了大量测定，测定结果相对误差一般在０．２％左右，相对标准偏差在０．３％左右，达到化不。ｐＨ滴定法具有简便，价廉，快速和通用的优点，为直接滴定极弱酸碱和化学分析仪化开辟了新的途径。     

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。     

pH滴定—主成分回归法同时测定酚类同系物

本文利用ｐＨ滴定－主成分回归法同时测定了苯酚，邻苯二酚，邻工本三酚的混合物，结果良好，通过交差验证法，本文还对采样区间和采样间隔作了详细讨论。     

pH滴定-主成分回归法同时测定酚类同系物

本文利用pH滴定－主成分回归法同时测定了苯酚、邻苯二酚、邻苯三酚的混合物，结果良好。通过交差验证法，本文还对采样区间和采样间隔作了详细讨论。     

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。     

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.