烟草组分的近红外光谱和支持向量机分析

测定了120个产自福建、安徽和云南烟草样品的近红外光谱. 在利用支持向量机(SVM)技术建立其定量、定性分析模型之前, 用小波变换技术对光谱变量进行了有效的压缩, 然后采用径向基核函数建立了75个烟草样品的分类模型, 同时建立了总糖、还原糖、烟碱和总氮4个组分的定量分析模型, 并利用45个烟草样品对模型进行了检验. 仿真实验表明, 建立的SVM分类模型分类准确率达到100%, 而4个组分的定量分析模型的预测决定系数(R2)、预测均方差(RMSEP)和平均相对误差(RME)3个指标值显示其模型泛化能力非常强, 预测效果良好, 可见这是一种有效的近红外光谱的建模分析方法.     

甲醛与人体健康

2006年,美国联邦应急管理局（FEMA）为卡特里娜（Katrina）和瑞塔（Rka）号飓风的灾民提供了一批可移动式临时住房。大批灾民感激涕零地住进这些木板房,但时隔不久,很多人开始出现了呼吸困难、鼻黏膜充血、流鼻血、持续性头疼等症状。美国疾病预防与控制中心（CDC）随即进行了调查,在抽测的已经使用2年多的519个临时住房内,甲醛平均含量为77ng／g,绝大部分室内空气中含有约20ng／g的甲醛,     

拉曼光谱法快速检测掺入梨汁的浓缩苹果汁

应用便携式拉曼光谱仪结合化学计量学技术建立了浓缩苹果汁掺入梨汁的快速检测方法.实验表明,苹果汁和梨汁的拉曼特征频率相同,给出了特征频率及其对应的分子振动模式.发现苹果汁和梨汁在866 cm-1和1 126 cm-1处的拉曼光谱有微小差别,这可能由于苹果汁和梨汁中果糖异构体含量不同所致.用支持向量分类机(SVC)中的4个核函数对19个苹果汁、梨汁样本进行有效鉴别,准确率达100%,并使用支持向量回归机(SVR)对掺入不同含量梨汁的苹果汁样本进行建模预测,大部分样品相对误差在10%以内.     

中成药质量稳定性的原子吸收光谱鉴别分析

对全国各地用原子吸收光谱仪测定10批次大活络丸中12种无机元素及建立的指纹图谱,尝试用成分数据分析法、向量相似法和模糊聚类法建立全国无机元素的指纹图谱和中药质量控制标准方法,获得较满意的结果。研究表明,建立无机元素指纹图谱控制中成药中无机元素的质量,具有很好的实用性和可操作性,用于全国各地不同厂家生产的大活络丸无机元素的质量控制是切实可行的。     

基于支持向量机方法的HERG钾离子通道抑制剂分类模型

对human ether-a-gō-gō related genes(HERG)钾离子通道(钾通道)抑制剂,计算了表征分子组成、电荷分布、拓扑、几何结构及物理化学性质等特征的1559个分子描述符.采用Fischer Score(F-Score)排序过滤和Monte Carlo模拟退火法相结合从中筛选与HERG钾通道抑制剂分类相关的分子描述符.采用支持向量机(SVM)方法,分别以IC50=1.0、10.0μmol·L-1为分类标准,建立了三个分类预测模型.对367个训练集分子,用五重交叉验证.得到正、负样本的平均预测精度分别为84.8%-96.6%、80.7%-97.7%,其总的平均预测精度为87.1%-97.2%,优于其它文献报道结果.对97个外部测试集分子,所建三个模型的总样本预测精度在67.0%-90.1%之间,接近或优于其它文献报道结果.     

A novel correlation for estimation of hydrate forming condition of natural gases

An inherent problem with natural gas production or transmission is the formation of gas hydrates, which can lead to safety hazards to production/ transportation systems and to substantial economic risks. Therefore, an understanding of conditions where hydrates form is necessary to overcome hydrate related issues. Over the years, several models requiring more complicated and longer computations have been proposed for the prediction of hydrate formation conditions of natural gases. For these reasons, it is essential to develop a reliable and simple-to-use method for oil and gas practitioners. The purpose of this study is to formulate a novel empirical correlation for rapid estimation of hydrate formation condition of sweet natural gases. The developed correlation holds for wide range of temperatures (265–298 K), pressures (1200 to 40000 kPa) and molecular weights (16−29). New proposed correlation shows consistently accurate results across proposed pressure, temperature and molecular weight ranges. This consistency could not be matched by any of the widely accepted existing correlations within the investigated range. For all conditions, new correlation showed average absolute deviation to be less than 0.2% and provided much better results than the widely accepted existing correlations.     

多组分烷烃混合气体FTIR光谱定量分析新方法

提出一种核偏最小二乘(KPLS)特征提取耦合支持向量回归机(SVR)的新方法,用于实现气测录井中傅立叶变换红外(FTIR)光谱法对甲烷、乙烷、丙烷、异丁烷、正丁烷、异戊烷以及正戊烷7种组分混合气体的定量分析.采用KPLS方法对光谱数据进行特征提取,将得到的特征组分作为SVR的输入建立7组分气体的定量分析模型.对相同混合气体进行定量分析,结果显示,采用KPLS特征提取后,SVR模型对7种组分气体的预测均方根误差(RMSEP)分别为0.116、0.079、0.104、0.092、0.108、0.029和0.016,均小于线性偏最小二乘法(LPLS)、LPLS-SVR、KPLSR以及SVR模型的RMSEP.结果表明,KPLS-SVR法可以更好地提取隐含在混合气体FTIR光谱数据与其组分浓度之间的非线性特征,并有效地消除光谱数据噪声,大幅度降低数据维数,是一种有效的气测录井烷烃混合气体定量分析方法.     

基于SVR和k-近邻群的组合预测在QSAR中的应用

为提高定量构效关系(QSAR)研究的预测精度,发展了一种新的基于支持向量机回归(SVR)非线性筛选分子结构描述符、基于k-近邻群的非线性组合预测方法.首先以均方误差(MSE)最小为原则,以留一法通过多轮末尾淘汰实施分子结构描述符的非线性SVR汰选并给出最优核函数和相应保留描述符;其次基于待测样本与训练样本保留描述符向量的欧氏距离,以不同k-近邻群子模型双重留一法预测值反映样本集的异质性;然后基于MSE最小,以留一法通过多轮末尾淘汰实施近邻群子模型的非线性SVR汰选并给出最优核函数和相应保留子模型;最后基于保留子模型以双重留一法实施组合预测.以取代苯胺和苯酚类化合物对大型溞的QSAR实例验证表明:新方法在所有参比模型中预测精度最高,且能更精细地反映描述符与化合物毒性间的非线性关系,具结构风险最小、非线性、适于小样本,能有效克服过拟合、维数灾和局极小,非线性筛选描述符和子模型,非线性组合预测,自动选择最优核函数及其相应参数,泛化推广能力优异、预测精度高等诸多优点,在QSAR研究中有广泛应用前景.     

表面活性剂体系中电荷诱导的层状相向囊泡相的转化

向一种非离子表面活性剂LA070(英文名AlcoholC12-C16Poly(1-6)Ethoxylate)复配体系LA070/C8H17OH/H2O形成的层状相中加入离子型表面活性剂使其电荷化,在电荷诱导下,双分子层的曲率发生变化,闭合形成具有黏弹性的囊泡相.离子型表面活性剂的加入量增大到一定程度时,由于反离子的屏蔽作用,囊泡结构被破坏,溶液的黏弹性消失,澄清的溶液逐渐变混浊,然后分为两相.     

烷基苯酚类化合物的气相色谱保留值与其结构参数的定量关系

计算了44个烷基苯酚类化合物的组成、拓扑、几何、静电和量子化学等结构参数,运用启发式方法对这些结构参数进行筛选,得到了含3个变量的化合物的定量结构与色谱保留值的线性关系模型,同时以这3个变量作为支持向量机模型的输入变量建立非线性回归模型。两种方法的相关系数(R2 )分别为0.98和0.92,相应的均方根误差分别是0.99和2.77。通过对两种模型的稳定性和预测能力的比较,发现线性模型能够更好地反映烷基苯酚的气相色谱保留值与其结构参数之间的定量关系。在已知烷基苯酚类化合物结构参数的情况下,线性回归模型更有助于它们的色谱分析。