排序方式: 共有28条查询结果,搜索用时 31 毫秒
1.
铈锰氧化物对二氯甲烷催化氧化性能的研究 总被引:1,自引:0,他引:1
采用溶胶-凝胶法制备了系列Ce1-xMnxO2催化剂,运用BET,XRD,Raman,XPS和H2-TPR等方法对催化剂进行了表征。并考察了催化剂对CH2C l2催化氧化的性能。XRD结果表明,催化剂中Ce的加入可以有效抑制催化剂晶粒变大,且有部分Mn离子进入CeO2骨架中形成了固溶体;而XPS结果表明,催化剂中Mn物种以+3和+4价存在。H2-TPR结果表明,催化剂中Ce的加入降低了MnOx中晶格氧的还原温度。反应活性结果表明,Ce1-xMnxO2系列催化剂较纯CeO2,MnOx催化活性好,其本征活性顺序为Ce0.8Mn0.2O2Ce0.6Mn0.4O2Ce0.5Mn0.5O2Ce0.4Mn0.6O2Ce0.2Mn0.8O2CeO2MnOx。这可能是由于Ce的添加提高了催化剂中MnOx晶格氧的活泼程度,进而影响反应性能。 相似文献
2.
针对非线性且分类界线模糊的药品质量类别快速测定难题, 将近红外光谱分析与模糊神经网络相结合, 经研究提出近红外光谱模糊神经网络分类方法, 用于计算辨析中药等化学组成复杂药品的近红外光谱模式类别, 从而快速评定这类药品的质量. 以参麦注射液为典型分析对象, 以鉴别其生产厂家这一模式分类问题为例, 考核本文方法, 结果表明, 其分类准确率达到94.2%, 明显优于经典的BP神经网络分类方法(84.6%), 可望用于中药产品质量类别的快速检测与评价. 相似文献
3.
近红外光谱快速测定红花逆流提取过程中羟基红花黄色素A的含量 总被引:4,自引:0,他引:4
采用近红外光谱(NIRS)透射法对红花罐组式逆流提取过程中羟基红花黄色素A(Hydroxysafflor yellow A,HSYA)的含量进行快速无损的测定.在红花逆流提取过程中,以高效液相色谱法(HPLC)为对照分析方法,测定提取液中羟基红花黄色素A的含量,运用偏最小二乘(PLS)法建立NIR光谱与羟基红花黄色素A的HPLC分析值之间多元校正模型,并对逆流提取过程的未知样本进行含量预测.校正模型相关系数达到0.982,预测相关系数达到0.965,RMSEC和RMSEP分别为0.053和0.075,RSEC和RSEP分别为3.96%和5.25%.结果表明,NIRS可以作为一种准确、快速、无损的检测方法用于检测中药逆流提取过程有效成分含量变化规律. 相似文献
4.
5.
本文首次报道了利用倍频方向的籽晶生长GdCa4O(BO3)3:Yb(GdCOB:Yb)晶体,通过控制温场及生长速度可以得到高光学质量的晶体.分析了晶体的生长习性及孪晶的形成.通过与b向生长的晶体相比较,认为以倍频方向生长的晶体加工器件时,可以极大地提高利用率(从50;提高到90;).测量了晶体的室温透过谱和荧光谱.利用976nm的激光二极管及列阵二极管作为泵浦源,测量了晶体沿最佳倍频方向的激光输出及自倍频性质. 相似文献
6.
该研究基于近红外光谱(NIRs)技术,以2016~2018年来自13个省份的937个烟叶样本为研究对象,比较了竞争性自适应重加权采样方法(CARS)、蒙特卡洛无信息变量消除法(MC-UVE)以及随机青蛙算法(RF)3种变量筛选方法的极限学习机(ELM)模型效果,与常规判别方法偏最小二乘判别分析(PLS-DA)比较,验证了ELM模型的优势。并通过教与学优化(TLBO)算法对ELM模型进行优化,建立烤烟样本的等级判定模型。结果表明,验证集的分类正确率达到90.16%,测试集的外部验证表现良好,TLBO-ELM模型收敛速度快,泛化能力强,可应用于烤烟等级判定。近红外光谱技术结合教与学算法优化极限学习机为智能化实现烟叶等级判定提供了一种新方法。 相似文献
7.
用于药品质量快速检测的近红外光谱模糊神经元分类方法 总被引:10,自引:1,他引:9
针对非线性且分类界线模糊的药品质量类别快速测定难题, 将近红外光谱分析与模糊神经网络相结合, 经研究提出近红外光谱模糊神经网络分类方法, 用于计算辨析中药等化学组成复杂药品的近红外光谱模式类别, 从而快速评定这类药品的质量. 以参麦注射液为典型分析对象, 以鉴别其生产厂家这一模式分类问题为例, 考核本文方法, 结果表明, 其分类准确率达到94.2%, 明显优于经典的BP神经网络分类方法(84.6%), 可望用于中药产品质量类别的快速检测与评价. 相似文献
8.
提出一种基于光谱信息计算解析的高效液相色谱滤噪新方法.对于HPLC/DAD所获得的二维量测数据,取半峰高以上色谱数据点所对应的各列光谱数据进行计算处理,求得在检测波长下的单位标准光谱,并根据光谱维数据与单位标准光谱的关系,采用最小二乘法重构计算求出色谱维数据,从而去除色谱噪声.仿真实验和实测谱图的滤噪结果表明,该方法能有效滤除常见噪声,与中值滤波算法相比较,滤噪性能明显优于后者,是提高色谱定量分析准确度的有力工具. 相似文献
9.
10.
提出一种基于粒子群算法的最小二乘支持向量机(PSO-LS-SVM)方法,用于建立红花提取过程关键质控指标的定量分析模型.近红外光谱数据经波段选择、预处理和主成分分析(降维)后,利用粒子群优化(PSO)算法对最小二乘支持向量机算法中的参数进行优化,然后使用最优参数建立固含量和羟基红花黄色素A(HSYA)浓度的定量校正模型.将校正结果与偏最小二乘法回归(PLSR)和BP神经网络(BP-ANN)比较,并将所建的3个模型用于红花提取过程未知样本的预测.结果表明,BP-ANN校正结果优于PSO-LS-SVM和PLSR,但是对验证集和未知样品集的预测能力较差,而PSO-LS-SVM和PLSR模型的校正、验证结果相近,相关系数均大于0.987,RMSEC和RMSEP值相近且小于0.074,RPD值均大于6.26,RSEP均小于5.70%.对于未知样品集,pSO-LS-SVM模型的RPD值大于8.06,RMSEP和RSEP值分别小于0.07%和5.84%,较BP-ANN和PLSR模型更低.本研究所建立的PSO-LS-SVM模型表现出较好的模型稳定性和预测精度,具有一定的实践意义和应用价值,可推广用于红花提取过程的近红外光谱定量分析. 相似文献