光谱结合主成分分析和模糊聚类方法的样品聚类与识别

针对紫外光谱结合化学计量学方法快速测定渣油烃族组成模型适应性问题,对渣油光谱进行主成分分析,以主成分得分作为聚类的特征变量进行模糊聚类,建立了光谱结合主成分分析和模糊聚类方法的样品聚类与识别方法和识别,为光谱结合化学计量分析方法中构正模型的正确选择提供了依据。     

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％。     

模糊聚类—因子分析法解析稀土配合物吸收峰的研究

将模糊聚类分析与因子分析相结合，对地质样品中吸收光谱严重重叠的稀土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，对数据库的建立、聚类参数选择等问题进行了讨论，对地质样品中１５个稀土元素进行了同时测定，标准偏差小于１．２。     

模糊聚类-因子分析法解析稀土配合物吸收峰的研究

将模糊聚类分析与因子分析相结合,对地质样品中吸收光谱严重重叠的稀土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。对数据库的建立、聚类参数选择等问题进行了讨论。对地质样品中15个稀土元素进行了同时测定,标准偏差小于1.2。     

毛细管气相色谱法测定炼厂气中单体烃组分的含量

采用PLOT／Al2O3石英毛细管气相色谱柱和氢火焰离子化检测器,建立了炼厂气中单体烃组分含量测定的毛细管气相色谱法,当炼厂气中单体烃组分的含量大于或等于2．1％时,RSD≤0．95％,当炼厂气中单体烃组分的含量为0．5％－2．1％时,RSD为0．95％－10．0％,当炼厂气中单体烃组分的含量为0．2％－0．5％时,RSD为10．0％－25．0％,该方法对单体烃组分的测定结果与行业标准SH／T0230－92《液化石油气组成测定法》的测定结果基本一致。     

聚类分析法在食品TE分级中应用研究

用１５种食品的Ｚｎ、Ｃｕ、Ｆｅ、Ｍｇ含量作分级特征，按聚类分析分级，结果以Ｚｎ、Ｃｕ、Ｆｅ、Ｍｇ总量均值最低的蕃茄为Ⅰ级；低的白鸡、鲜牛奶、黄瓜、新会柑、罗岗橙为Ⅱ级；高的精面粉、水豆腐、粉丝、牛肉、鸡蛋、鸭蛋、西洋菜、白芽为Ⅲ级；最高的红豆为Ⅳ级．提示膳食中Ｚｎ、Ｃｕ、Ｆｅ、Ｍｇ含量大于供给量标准时可选Ⅲ、Ⅳ级，小于标准选Ⅰ、Ⅱ级，＝标准选Ⅰ、Ⅲ级食品．据此认为聚类分析法可用于食品分级，对选择食品、制订食谱、营养治疗、食品科研、研制食品配方等均具有实用价值和指导意义。     

基于氨基酸模糊聚类分析的跨膜区域预测

跨膜蛋白在进化过程中,序列保守性较差,即使是同源蛋白序列的一致性程度也较低,因而在跨膜区预测算法中,通过序列的一致性程度来选取训练集并不能有效地消除预测结果对训练集的过度适应性．本文提出了一种基于氨基酸模糊聚类分析的预测算法,通过氨基酸在各个区域分布的相似性程度进行模糊聚类,从而根据一类氨基酸的分布特性而不是各个氨基酸的分布特性进行跨膜区预测．结果表明,该方法能在一定程度上消除训练集的选取对测试结果的影响,提高跨膜蛋白拓扑结构预测的准确度,特别是提高对目前知之甚少的跨膜蛋白的预测准确度．     

溴加成脱烯反应用于含烯汽油单体烃及族组成的分析

 提出了一种用于汽油组成分析的新方法 ,该方法采用溴加成选择性地转化并检测烯烃 ,解决了单体烃分析中的烷烯混峰问题 ,简化了识谱过程 ,由此通过一个包含极性预柱与非极性分析柱的简单二维体系或者与气相仪 (GC)联用的原子发射光谱检测器 (AED)两种途径均可进行准确度高的单体烃分析。在所选溴加成条件下 ,汽油中烯烃溴化率为 10 0 % ,而烷烃和芳烃保持惰性。处理全过程仅需 12 0s～ 15 0s ,操作简单且重复性好。该处理适用于含烯量为 0～ 10 0 % (体积分数 )的汽油 ,且主要针对含烯较高的催化裂化汽油。     

基于分层聚类的黑色签字笔笔迹拉曼光谱研究

提出一种结合分层聚类和判别分析对笔迹成分进行分类检验的方法。利用激光显微共聚焦拉曼光谱仪对收集的市面上常见的130支黑色签字笔笔迹样本进行检测。对测量数据进行Savitzky-Golay卷积平滑和Z-score标准化处理,利用组间连接法、组内连接法和离差平方和法三种分层聚类方法对数据进行分类,将三种聚类方法所得分类结果作为判别依据进行判别分析,检验聚类方法的正确率。结合聚类树状图与正确率,最终选择在分类数为4时原始分类结果正确率为100%、留一交叉验证分类结果正确率为98.5%的离差平方和法,提出了适用于黑色签字笔笔迹拉曼光谱数据的分层聚类方法和判别验证方法。     

食品包装用聚氯乙烯成型品中氯乙烯单体的测定方法研究

探讨了食品包装用聚氯乙烯成型品中氯乙烯单体的气相色谱顶空进样的分析方法。该方法取得了良好的线性相关性,相关系数为0.9999,回收率达到94.1%~101.1%,变异系数小于5%(n=5)。     

Upgrading Octane Number of Naphtha by a Robust and Easily Attainable Metal-Organic Framework through Selective Molecular Sieving of Alkane Isomers

The separation of alkanes, particularly monobranched and dibranched isomers, is of paramount importance in the petrochemical industry for optimizing the feedstock of ethylene production as well as for upgrading the octane number of gasoline. Here, we report the full separation of linear/monobranched alkanes from their dibranched isomers by a robust and easily scalable metal-organic framework material, Co₃(HCOO)₆. The compound completely excludes dibranched alkanes but adsorbs their linear and monobranched isomers, as evidenced by single-component and multicomponent adsorption measurements. More importantly, the material exhibits excellent performance in separating naphtha and is capable of providing high quality feedstock for the production of ethylene and gasoline components with high octane number, making it a promising candidate for naphtha separation in petrochemical industry.     

一种新的汽油辛烷值的气相色谱测定方法

建立了一种新的气相色谱结果关联计算汽油辛烷值的方法。采用高分辨毛细管柱对汽油的组成进行测定,根据汽油单体烃组分的含量和纯组分辛烷值乘积的大小,将单体烃组分分为两组,每一组为一个变量,建立实测辛烷值与两个变量间的回归模型。实际分析时,根据不同的样品类型选择不同的模型进行关联计算即可获得色谱分析样品的辛烷值。对模型建立和应用过程中已知结构的化合物的辛烷值数据采用文献值。对只知碳数和类型而不能确定其化合物结构的组分,通过对文献数据进行统计计算,得到平均辛烷值与组分的碳数和类型的关系曲线,据此得到其平均辛烷值用于计算。与采用标准方法测定催化裂化汽油辛烷值的结果相比,该方法测定辛烷值的偏差约0.5个单位。该方法操作简单,用样量少,模型建立过程快速、简便,适合于微型反应器产物评价或炼厂稳定工艺装置的汽油辛烷值的监测。     

主成分回归残差神经网络校正算法用于近红外光谱快速测定汽油辛烷值

根据汽油辛值预测体系本身的非线性特点,提出主成分回归残差神经网络校正算法（principal component regression residual artificial neural network,PCRRANN)用于近红外测定汽油辛烷值的预测模型校正,该方法给合了主成分回归算法（PC）,与经典的线性校正算法（PLS（Partial Least Square),PCR, 以及非线性PLS（NPLS,Non-linear PLS)等相比,预测明显的改善,文中还讨论了PCR主成分数及训练参数对预则模可能的影响。     

Identification and Quantification of Hydrocarbon Functional Groups in Gasoline Using 1H-NMR Spectroscopy for Property Prediction

Gasoline is one of the most important distillate fuels obtained from crude refining; it is mainly used as an automotive fuel to propel spark-ignited (SI) engines. It is a complex hydrocarbon fuel that is known to possess several hundred individual molecules of varying sizes and chemical classes. These large numbers of individual molecules can be assembled into a finite set of molecular moieties or functional groups that can independently represent the chemical composition. Identification and quantification of groups enables the prediction of many fuel properties that otherwise may be difficult and expensive to measure experimentally. In the present work, high resolution ¹H nuclear magnetic resonance (NMR) spectroscopy, an advanced structure elucidation technique, was employed for the molecular characterization of a gasoline sample in order to analyze the functional groups. The chemical composition of the gasoline sample was then expressed using six hydrocarbon functional groups, as follows: paraffinic groups (CH, CH₂ and CH₃), naphthenic CH-CH₂ groups and aromatic C-CH groups. The obtained functional groups were then used to predict a number of fuel properties, including research octane number (RON), motor octane number (MON), derived cetane number (DCN), threshold sooting index (TSI) and yield sooting index (YSI).     

小波变换用于近红外光谱性质分析

以汽油研究法辛烷值分析为例,研究了小波变换在近红外光谱分析中的应用。对近红外光谱的小波特性、小波变换参数以及变量提取方法进行了详细研究。研究结果表明：光谱噪音、有用信息和背景分别分布在小波高、中和低频区域;母小波函数对性质分析结果影响很大;小波变换可以同时扣除光谱背景、去除噪音和压缩变量,具有运算速度快、分析精度高以及无需去噪后处理等优点,在近红外光谱分析中具有很好的应用前景。     

组合式脉冲微型反应评价系统及其在催化剂评价中的应用

介绍了一种可灵活配置不同分析方法、操作便利、评价结果重复性好的组合式脉冲微反色谱评价系统。该装置由微型反应系统、独立控温的连接管线和色谱分析系统三部分组成。微型反应系统采用两段式加热炉和石英玻璃管反应器,有效恒温区间为25~30 mm,催化剂装量为5~300 mg;能够独立控温的连接管线,最高使用温度可达480℃;微型反应系统的载气借用了分析系统进样口的载气系统,可方便地进行载气流量、流速的精确控制以及不同控制模式间的转换。配套开发的微反产物汽油馏分单体烃详细组成和快速模拟蒸馏在线分析方法,前者可以提供微反产物汽油馏分的单体烃数据和相应的物性数据,而后者可同时评价分子筛/催化剂的初活性及活性随累积进样量增加而变化的趋势。     

直热式毛细管柱对直馏汽油组成的分析

采用柱内电阻丝加热升温的直热式１３Ｘ分子筛薄层毛细管填充柱分析汽油的族组成。分析时间比炉温加热短５０ｍｉｎ,定量分析结果与炉温加热和多孔层开管柱基本相同。保留时间的相对偏差小于３％,直馏汽油中绝大部分组分定量结果的相对偏差小于５％。     

一种基于RBF神经网络的打印机光谱预测模型

本文提出一种基于RBF(Radial Basis Function,径向基函数)神经网络的打印机光谱预测模型,通过扩展神经网络模型输入变量的项数提高模型的预测精度,扩展项多采用通道驱动值的交叉值、平方值.实验结果表明[1cmy]项的引入能够有效提高模型的预测精度,同时提高网络的泛化能力.而引入[cm² cy² mc² my² yc² ym²]项会导致模型预测精度以及泛化能力降低.[1 cmy]、[c²m²y²]和[cm cy my]项的组合在预测精度和模型泛化能力上均是最优化的,对总样本预测的色度精度为0.475ΔE₀₀,光谱精度RMSE为0.43%.因此选择[1 cmy c²m²y² cm cy my c m y]作为输入变量的RBF神经网络训练模型是满足高精度光谱预测的最优模型.