人工神经网络法预测二维色谱柱效

 采用基于变步长BP算法的人工神经网络,对高效微 填充柱-毛细管柱构成的二维柱色谱系统建立了柱效与影响因素的权接拓扑模型, 并用于不同操作条件下二维柱系统的柱效预测中,取得了较好的效果。     

基于模糊最小二乘支持向量机的蒸发过程预测控制研究

针对氧化铝蒸发过程的多变量、非线性和大滞后特点及不同时间和空间样本数据不同的特征,提出了基于末位淘汰机制的混沌粒子群算法的综合加权模糊最小二乘支持向量机蒸发过程预测控制方法.用变异混沌粒子群算法对模型预测控制进行滚动优化,计算出最优控制序列.以某氧化铝厂蒸发过程生产数据进行实验验证分析,结果表明: 模型预测结果中相对误差小于8%的样本达到93.9%,出口浓度稳定在240 g/L附近,其控制性能得到显著改善,同时也起到了降低能耗的目的.     

新型微填充柱-毛细管柱二维色谱系统的理论研究(Ⅱ)──双柱条件对柱效的影响

从色谱动力学角度探讨了改变微填充柱-毛细管柱二维色谱系统中双柱条件对柱效的影响规律,进一步证实了短填充柱接长毛细管柱及高预柱柱温、快预柱载气线速有利于提高双柱系统柱效的结论;同时,通过对主柱柱温、载气线速及柱间分流比的讨论,从理论和实验上也证实了相对较低的主柱柱温、较慢主柱线速以及稍大的分流比有益于柱效利用率的提高。     

基于地统计学与支持向量回归的QSAR建模

基于主成分分析(PCA)、地统计学(GS)和支持向量回归(SVR), 提出了一种新的定量构效关系(QSAR)个体化预测方法——Weight-PCA-GS-SVR. 其基本思路是: 先以PCA降维并消除自变量间的信息冗余, 继以SVR经非线性主成分筛选去除与因变量无关的主成分, 再以保留主成分计算样本间的加权距离, 然后以高维GS确定公用变程; 每一个待测样本都以自身为中心从训练集中找出加权距离小于公用变程的私有k个近邻, 以SVR训练建模完成个体化预测. Weight-PCA-GS-SVR从行、列两个方向对模型进行了优化, 为自变量提供了一种新的加权方法, 为解决最优k近邻选择难题提供了新的思路, 并具有SVR原来的优点. 经3个化合物活性实例数据集验证, 新方法在所有参比模型中预测精度最高, 且明显优于文献报道结果, Weight-PCA-GS-SVR在QSAR等回归预测领域有较广泛的应用前景.     

连续二维开管离子交换/反相整体柱毛细管电色谱的构建与评价

在毛细管中原位合成反相整体色谱柱,并在同一根毛细管柱中的其余部分通过在内表面涂覆N-[3-(三甲氧基硅烷)-丙基)]-乙二胺(PEDA)使其具有离子交换功能,制备成连续二维开管离子交换/反相整体柱毛细管电色谱柱.通过对7种有机酸的分离探讨了开管柱中离子交换对分离的影响,进一步以天麻提取物为样品,对二维分离系统加以评价,...     

粒子群算法结合支持向量机回归法用于近红外光谱建模

研究了最小二乘法支持向量机(LSSVM)应用于烟丝样品和小麦样品的近红外光谱建模,采用粒子群优化算法(PSO)优化LSSVM的参数。通过对烟草样品和小麦样品的近红外光谱建模和预测,并与常规的偏最小二乘法(PLS)比较发现,PSO-LSSVM法具有更好的预测效果和稳健性。     

新型微填充柱－毛细管柱二维色谱系统过程的动力学研究

从色谱动力学角度对新型微填充柱－毛细管柱二维色谱系统过程中双柱条件与流出曲线及柱效之间的依赖关系加以系统研究。结果表明：由于双柱条件之间存在关联，双柱系统流出曲线特征与单柱系统存在一定的差异，流出曲线一阶矩和二、三阶中心矩以及双柱系统的柱效皆由预柱和主柱条件综合确定。     

基于序列特征筛选与支持向量回归预测蛋白质折叠速率

折叠速率预测对阐明蛋白质折叠机理意义重大.本文收集了115条目前已知折叠速率的蛋白质样本(包括二态、多态和混态蛋白),为了较全面地表征蛋白质分子的一级结构信息,提取序列长度、氨基酸残基多尺度组分、成对残基k-space特征与基于残基物理化学性质的地统计学关联总共9357维特征.经改进的二元矩阵重排过滤器和多轮末尾淘汰非线性筛选,获得23个物理化学意义明确的保留特征,建立的非线性支持向量回归模型Jackknife交叉验证的相关系数R=0.95,优于文献报道及其他参比特征选择方法.支持向量回归解释体系表明折叠速率与保留描述符的非线性回归极显著,分析了各保留描述符对折叠速率的影响,结果表明蛋白质折叠速率与序列长度、中短程关联特征、三联体残基组份特征等密切相关.     

新型微填充柱－毛细管柱二维色谱系统过程的动力学研究

 从色谱动力学角度对新型微填充柱－毛细管柱二维色谱系统过程中双柱条件与流出曲线及柱效之间的依赖关系加以系统研究。结果表明：由于双柱条件之间存在关联，双柱系统流出曲线特征与单柱系统存在一定的差异，流出曲线一阶矩和二、三阶中心矩以及双柱系统的柱效皆由预柱和主柱条件综合确定。     

基于局部最小二乘支持向量机的光谱定量分析

提出了一种基于局部最小二乘支持向量机(LSSVM)的回归方法,以克服待测参数和光谱数据间的非线性。本方法首先通过欧式距离选取局部训练样本子集,然后利用该子集建立LSSVM校正模型。由于每个测试样本建模时要选取不同的训练样本,因此提出相对距离的概念用来改进高斯核函数,使LSSVM的参数对于不同的训练样本具有自调整功能。针对一批汽油样本的实验结果表明,本方法的预测精度优于常见的局部线性建模方法和全局建模方法。     

支持向量回归同时测定维生素B混合物的研究

用支持向量回归方法(SVR)建立校正模型,并对维生素B1、B2和B6的模拟样品进行测定。结果表明,维生素B1、B2和B6预测结果的回收率在96%~104%之间,测定结果准确。     

Improved Battery Cycle Life Prediction Using a Hybrid Data-Driven Model Incorporating Linear Support Vector Regression and Gaussian

The ability to accurately predict lithium-ion battery life-time already at an early stage of battery usage is critical for ensuring safe operation, accelerating technology development, and enabling battery second-life applications. Many models are unable to effectively predict battery life-time at early cycles due to the complex and nonlinear degrading behavior of lithium-ion batteries. In this study, two hybrid data-driven models, incorporating a traditional linear support vector regression (LSVR) and a Gaussian process regression (GPR), were developed to estimate battery life-time at an early stage, before more severe capacity fading, utilizing a data set of 124 battery cells with lifetimes ranging from 150 to 2300 cycles. Two type of hybrid models, here denoted as A and B, were proposed. For each of the models, we achieved 1.1 % (A) and 1.4 % (B) training error, and similarly, 8.3 % (A) and 8.2 % (B) test error. The two key advantages are that the error percentage is kept below 10 % and that very low error values for the training and test sets were observed when utilizing data from only the first 100 cycles.The proposed method thus appears highly promising for predicting battery life during early cycles.     

Prediction of Crude Oil Asphaltene Precipitation Using Support Vector Regression

Precipitation and deposition of asphaltene during different recovery processes is an important issue in oil industry which causes considerable increase in production cost as well as negatively impacting in production rate. In this study, support vector regression as a novel computer learning algorithm was utilized to estimate the amount asphaltene precipitation from experimental titration data. Also, the result of support vector regression modeling was compared with the artificial neural network model and the scaling equation. Results show acceptable agreement with experimental data and also more accurate prediction in comparison to artificial neural network and scaling equation.      

支持向量回归同时测定苯丙氨酸、酪氨酸和色氨酸的研究

在波长200~400 nm范围内,测定酪氨酸、色氨酸和苯丙氨酸混合体系的吸光度,用连续小波变换(CWT)对光谱数据进行预处理,再用支持向量回归(SVR)方法进行建模,建立了支持向量回归紫外分光光度法同时测定酪氨酸、色氨酸和苯丙氨酸的方法,用所建方法对模拟样品进行了测定。结果表明,酪氨酸、色氨酸和苯丙氨酸预测结果的回收率在98%~102%之间,测定结果准确。     

Influence of Column Material on Efficiency in High Speed Liquid Chromatography

Abstract

The influence of column tubular material on column efficiency in high speed liquid chromatography has been examined. For good reproducibility in HETP, the columns were first packed dry with Corasil I (28–37μ) and then heptane saturated with 3,3′-oxydipropionitrile was flown through the column. When steady state conditions were achieved, the % loading of stationary phase was 1.1%. It was found that column materials of precision bore and seamless stainless steel, aluminum, and copper gave equivalent efficiency results for retained and unretained components. Teflon coated aluminum columns were not reproducible, in regard to HETP.     

支持向量回归分光光度法同时测定胭脂红与果绿含量

在波长300～600 nm范围内,测定胭脂红和果绿混合体系的吸光度,用支持向量回归(SVR)方法进行建模,建立了支持向量回归分光光度法同时测定胭脂红和果绿的方法,并用该法对模拟样品进行测定.结果表明,模拟样品中胭脂红和果绿的平均回收率分别是97.645%和100.895%,结果令人满意.