排序方式: 共有13条查询结果,搜索用时 15 毫秒
1.
近红外、中红外和拉曼光谱法测定商品农药制剂中溴氰菊酯的含量 总被引:1,自引:0,他引:1
利用近红外、中红外和拉曼光谱法定量分析了商品农药制剂中有效成分溴氰菊酯的含量,采用偏最小二乘法(partial least squares,PLS)建立溴氰菊酯的定量模型并进行了优化,用独立检验集对模型适应性进行评价。近红外和中红外法溴氰菊酯定量模型的相关系数和定标标准差分别是0.9999,0.022和0.9996,0.056,两种方法的定量效果接近;拉曼法溴氰菊酯定量模型的相关系数是0.9967,定标标准差是0.172,预测精度不如近红外和中红外高。MIR-ATR,NIR和Raman方法均能满足现场检测农药质量的需要,对生产企业的连续在线检测、监督部门进行农药质量控制和农产品安全具有重要意义。 相似文献
2.
S-苄基硫磷酸酯和S-烷基硫磷酸酯在农药中有着重要的应用。 本文发展了一种无需催化剂,仅在碱作用下,氯代烷烃、硫粉以及氢亚磷酸酯三组份一步生成S-烷基硫磷酸酯的绿色经济方法,该反应可以在一步反应中同时构建磷—硫键和碳—硫键。 以苄氯及衍生物、硫粉、氢亚磷酸酯在碳酸铯的促进下,室温反应,共合成了17个S-苄基硫磷酸酯,产率为70%~99%。 同时,实现了脂肪链的氯代烃、硫粉和氢亚磷酸酯的反应,在三乙胺的促进下,在空气中60 ℃反应,共合成了13个S-烷基硫磷酸酯,产率为45%~93%。 本方法在合成上和工业上将具有较好的应用前景。 相似文献
3.
中红外、近红外和拉曼光谱法测定商品农药制剂中氰戊菊酯和马拉硫磷的含量 总被引:2,自引:0,他引:2
利用近红外、中红外和拉曼光谱法定量分析了商品农药制剂中有效成分氰戊菊酯和马拉硫磷的含量.采用偏最小二乘法(Partial least squares,PLS)建立氰戊菊酯和马拉硫磷的定量模型并进行了优化,用独立检验集对模型适应性进行评价.近红外和中红外法测定氰戊菊酯、马拉硫磷定量模型的相关系数分别是0.9981,0.9994和0.9946,0.9998,外部验证集标准差分别是0.082,0081和0.092,0.075,两种方法的定量效果接近;拉曼法氰戊菊酯和马拉硫磷定量模型的相关系数分别为0.9872和0.9993,外部验证集标准差分别为0.254和0.317,预测精度不及近红外和中红外法高.MIR-ATR,NIR和Raman 3种方法均能满足现场检测农药质量的需要. 相似文献
4.
5.
农药活性成分的快速测定已经成为农药质量监控的一个大趋势。通过融合甲维盐制剂近红外和中红外得光谱数据,旨在用数据融合的方法建立一种快速可靠的测定甲维盐制剂活性成分的方法。采用了将偏最小二乘回归法与数据融合相结合,以及用竞争自适应重加权采样法来选择偏最小二乘回归中的有效变量的方法。与近红外和中红外各自建立的模型相比,数据融合在吸取了近红外光谱和中红外光谱相互补充的信息后,具有协同效应的模型效果有了很大的提高。同时,证实了竞争自适应重加权采样法在建模过程中是一个使得模型更加简单高效的有效的变量选择技术。研究结果表明在吸收了不同来源的多种信息之后的数据融合是一种能提高模型效果的很有效的建模方法。数据融合策略的可行性使得测定低浓度(0.1%~1.0%)样品能获得更好的结果,而且结合了变量筛选算法的对近红外和中红外光谱的数据融合,是一个很有前景的测定商业农药制剂中有效成分的方法。最后建立了一种基于近红外光谱和中红外光谱数据融合来测定商业甲维盐制剂的有效成分的方法。 相似文献
6.
质谱法和化学计量学方法相结合对混合物中苯甲醛,异辛烷,乙酸丁酯,苯乙酮四种物质进行定量分析。将混合物的质量色谱图数据分别用特征选择-多元线性回归(MLR)和全谱-偏最小二乘法(PLS)这两种方法对四种物质进行定量分析。苯甲醛特征选择和全谱建模的RMSEP分别为0.062和0.091; 异辛烷特征选择和全谱建模的RMSEP分别为0.048和0.057; 乙酸丁酯特征选择和全谱建模的RMSEP分别为0.021和0.020; 苯乙酮特征选择和全谱建模的RMSEP分别为0.010和0.032。结果表明苯甲醛,异辛烷,苯乙酮特征选择的结果均优于全谱建模的结果,乙酸丁酯特征选择的结果和全谱建模的结果相近。 相似文献
7.
近红外光谱分析中的变量选择算法研究进展 总被引:4,自引:0,他引:4
随着人们对近红外光谱分析技术了解的深入,人们发现通过剔除近红外光谱中的冗余变量不仅可以简化近红外光谱分析模型,提高模型的可解读性,通常还可以提高模型的预测效果及稳健性。变量选择的有效性已经在各种近红外光谱应用体系中得到了广泛的验证,发展成为了近红外光谱分析建模过程中一个越来越重要的步骤。为此,化学计量学家们近些年来开发了大量原理不同的新型变量选择算法,基于各种原理的衍生算法也层出不穷。为了让近红外光谱分析研究人员能够较为迅速地对这些算法的特点有所认识,对目前常见的各种变量选择算法的算法原理和优缺点进行了梳理。根据各种算法依据的原理不同,将目前近红外光谱领域常见的变量选择算法大致分为基于偏最小二乘模型参数,基于智能优化算法,基于连续投影策略,基于模型集群分析策略和基于变量区间等五类。在梳理的过程中,我们发现变量选择算法的发展趋势目前主要集中在以下两点:第一,算法的复杂程度不断提高;第二,不同变量选择算法之间的联用开始逐渐增多。此外,作者结合自身在应用变量选择算法时的体会和思考,还总结了变量选择算法在应用层面上存在的一些问题。例如光谱预处理方法对变量选择算法使用效果的影响,以及部分算法存在的稳定性较差,选择变量的可靠性存疑等。 相似文献
8.
9.
10.