递推阻尼最小二乘法

递推最小二乘法是参数辨识中最常用的方法,但容易产生参数爆发现象,本文推导了一种更稳定的辨识方法－阻尼最小二乘法的递推求解算法。     

应用FTIR直接测定法鉴定大豆的品种

利用傅里叶变换红外光谱(FTIR)法测定了8个不同大豆品种的子叶及外表皮的红外光谱,对他们的红外光谱进行了分析,并对其吸收峰进行了归属。通过对各谱图的比较分析发现,不同的大豆品种的红外吸收峰形及峰强有所区别。结果表明： 不同的大豆品种的FTIR有明显的差别,特别是1 800～1 200 cm-1范围内有较大的差异,它反映的主要是蛋白质分子的酰胺Ⅰ带及酰胺Ⅱ带附近,这可能是源于基因的差异。因此FTIR法可用于不同大豆品种的鉴别。     

“黑青”“黑碧”的谱学鉴别特征探究

“黑青”指颜色近黑色,主要成分为透闪石的青玉。“黑碧”指颜色近黑色,主要成分为阳起石的碧玉。采用电子探针、激光剥蚀电感耦合等离子体质谱仪和红外光谱测试分析手段,确定“黑青”“黑碧”的矿物种属。采用拉曼光谱、显微紫外-可见分光光度计、红外光谱对“黑青”“黑碧”的谱学鉴别特征进行探究。“黑青”为标准透闪石拉曼谱峰,“黑碧”的谱峰位置与“黑青”存在几个波数的偏差,向波数小的方向移动。可见-近红外波段,“黑青”出现445 nm吸收峰,680和940 nm宽吸收带,为Fe2+和Fe3+作用;“黑碧”出现445 nm吸收峰,660和690 nm双吸收峰以及970 nm吸收峰,为Fe2+,Fe3+,Cr3+作用。显微紫外-可见光谱可分析到样品的近红外区,“黑青”在1 397,2 310,2 387和2 466 nm出现强吸收峰,1 915和2 120 nm出现弱吸收峰;“黑碧”在1 400,2 313和2 394 nm出现吸收峰。红外光谱分析“黑青”在5 225,4 738,4 692,5 349,4 317,4 190和4 064 cm-1存在吸收峰;“黑碧”在4 708,4 307,4 178和4 031 cm-1存在吸收峰。显微紫外-可见光谱与红外光谱分析结果虽然存在小的差异,但基本保持一致,以红外光谱分析结果为准。将透闪石质的“黑青”、阳起石质的“黑碧”、广西大化阳起石质玉进行对比,综合红外光谱和显微紫外-可见光谱分析结果得出“黑青”（透闪石）与“黑碧”（阳起石）近红外光谱的鉴别特征：“黑青”（透闪石）在4 800～4 600 cm-1存在两个吸收峰,4 350～4 300 cm-1存在分裂双吸收峰;“黑碧”（阳起石）在4 800～4 600 cm-1存在一个弱吸收峰,4 350～4 300 cm-1存在一个吸收单峰。且“黑碧”（阳起石）的近红外吸收峰相较于“黑青”（透闪石）整体向低波数方向移动。     

木材种类的近红外光谱和模式识别

木材的种类识别是木材加工和贸易的一个重要环节,传统的木材种类识别方法主要有显微检测法和木材纹理识别法,其操作繁琐,耗时长,成本高,不能满足当前需求。本研究利用木材的近红外光谱(NIRS)结合模式识别方法,以期实现木材种类的快速准确识别。采用近红外光谱结合主成分分析法(PCA)、偏最小二乘判别分析法(PLSDA)和簇类独立软模式法(SIMCA)三种模式识别对58种木材进行种类鉴别研究;5点平滑、标准正态变量变换(SNV)、多元散射校正(MSC)、Savitzky-Golay一阶导数(SG 1st-Der)和小波导数(WD)五种光谱预处理方法用于木材光谱的预处理;校正集和测试集样品的正确识别率(CRR)用于模型的评价。采用PCA方法,通过样品的前三个主成分空间分布图分辨木材种类的聚类情况。在建立PLSDA模型,原始光谱的正确识别率最高,分别为88.2%和88.2%;5点平滑处理的光谱校正集和测试集的CRR分别为88.1%和88.2%;SNV处理的光谱校正集和测试集的CRR分别为84.4%和84.5%;MSC处理的光谱校正集和测试集的CRR分别为83.1%和84.2%;SG 1st-Der处理的光谱校正集和测试集的CRR分别为81.8%和82.7%;WD(小波基为“Haar”,分解尺度为80)处理的光谱校正集和测试集的CRR分别为87.3%和87.2%。可知,在PLSDA模型中,木材光谱未经预处理种类识别效果最后好。在建立SIMCA模型过程中,原始光谱的校正集和测试集的CRR分别为99.7%和99.4%;5点平滑处理的光谱校正集和测试集的CRR分别为100%和100%;SNV处理的光谱校正集和测试集的CRR分别为99.5%和99.1%;MSC处理的光谱校正集和测试集的CRR分别为99.0%和98.4%;SG 1st-Der的光谱校正集和测试集的CRR分别为81.8%和82.7%;WD处理的光谱校正集和测试集的CRR分别为100%和100%。可知,在SIMCA模型中,木材光谱经平滑和小波导数处理后的识别效果最好,且光谱的校正集和测试集CRR都为100%。采用三种模式结合五种不同的预处理方法对木材近红外光谱进行定性建模识别时,由于木材样本属性复杂,主成分分布图相互交织,PCA无法识别出58种木材;原始光谱的PLSDA模型可以得到较好的判别模型,但校正集和测试集的CRR只有88.2%和88.2%;木材光谱经过5点平滑或WD预处理后的SIMCA模型可达到最好的识别效果,校正集和测试集的CRR均为100%,且WD-SIMCA模型因子数比5点平滑SIMCA模型小,模型更为简化,故WD-SIMCA为58种木材种类识别的最优模型。研究表明光谱预处理方法可以有效的提高木材种类识别精度,有监督模式识别方法SIMCA可以用来建立有效的木材识别模型,近红外光谱结合模式识别可以为木材种类的识别提供一种快速简便的分析方法。     

采用FTIR和电子能谱EDS指纹图谱直观比对鉴定右归丸济生肾气丸

结合FTIR和电子能谱EDS指纹图谱,鉴别了两种组成相近的中药复方右归丸和济生肾气丸.测定右归丸和济生肾气丸样品氯仿提取物的红外指纹图谱,依据W检验理论判别方法精细建立两种中药复方红外指纹图谱的特征吸收峰组,确定了各个特征吸收峰相对应的特征分子基团和药物成分组成.同时测量两种中药复方原药粉末样品的EDS指纹图谱.根据两...     

利用傅里叶变换红外光谱法鉴定小麦品种

利用傅里叶变换红外(FTIR)光谱法分析了8个不同小麦品种根部的红外光谱图,对红外光谱图的吸收峰进行了归属分析,通过对各谱图的比对发现,在相同波数范围内,不同的小麦品种其红外谱图的形状、波数及吸收峰的多少有所不同。结果表明不同小麦品种的红外光谱图有明显的差异,其一在2800～2980cm-1波数范围内,此区反映的主要是甲基、亚甲基的伸缩振动,化合物分子链的长短、分子量的大小在此区有显现;其二差别较大的区域在1510～1730cm-1范围内,它反映的主要是酰胺的氮原子及α碳原子取代基的性质,可能是源于基因的差异,此区域内谱图差异较大。因此FTIR光谱法可用于不同小麦品种的鉴别。     

利用同步荧光光谱快速鉴别潲水油

为快速鉴别潲水油,采用三维同步荧光光谱结合平行因子法解析潲水油的特征波长差(Δλ),并利用支持向量机建立潲水油鉴别模型。结果表明,潲水油的特征Δλ为60 nm;特征Δλ下的样品原始同步荧光光谱经过主成分分析提取5个主成分,以径向基函数(RBF)为核函数,利用网格搜索和6-fold交叉验证优化建模参数,得到惩罚因子C=512、核参数g=0.5,该条件下建立的模型对训练集和预测集的判别率均达到100%。采用同步荧光光谱可以快速、准确地鉴别潲水油。     

六种蜂花粉的红外光谱三级鉴别研究

采用傅里叶变换红外光谱(FTIR)结合二阶导数谱和热扰动下的二维相关红外光谱技术对6种不同花粉,即杏花花粉、油菜花粉、茶花花粉、西瓜花粉、荷花花粉和虞美人花粉,进行了快速无损的鉴别。结果表明,在一维红外光谱图上,不同花粉的蛋白质、脂肪和糖类物质的特征吸收峰在相对峰强和峰位上均存在一定的差异,在二阶导数谱上差异很明显。而在二维红外谱图上,由于6种花粉的自动峰及相关峰峰簇的位置和数量不同,其差别体现得更为明显和直观。因此,三级红外宏观指纹图谱法是鉴别不同蜂花粉种类的一种有效和快速检测方法。     

长白山地区几种红景天品种的傅里叶变换红外光谱法鉴别研究

分别用石油醚,氯仿,甲醇对长白山地区的野生和栽培高山红景天和长白红景天进行了提取,并首次对提取物进行了傅里叶变换红外光谱法测定,还用红景天块做了相应的验证研究。结果表明,长白山地区的野生和栽培高山红景天和长白红景天的红外光谱图谱有明显不同,故可用作鉴别其品种或评价其质量的一种手段。     

Extraction methods of red blood cell membrane proteins for Multidimensional Protein Identification Technology (MudPIT) analysis

Since red blood cells (RBCs) lack nuclei and organelles, cell membrane is their main load-bearing component and, according to a dynamic interaction with the cytoskeleton compartment, plays a pivotal role in their functioning. Even if erythrocyte membranes are available in large quantities, the low abundance and the hydrophobic nature of cell membrane proteins complicate their purification and detection by conventional 2D gel-based proteomic approaches. So, in order to increase the efficiency of RBC membrane proteome identification, here we took advantage of a simple and reproducible membrane sub-fractionation method coupled to Multidimensional Protein Identification Technology (MudPIT). In addition, the adoption of a stringent RBC filtration strategy from the whole blood, permitted to remove exhaustively contaminants, such as platelets and white blood cells, and to identify a total of 275 proteins in the three RBC membrane fractions collected and analysed. Finally, by means of software for the elaboration of the great quantity of data obtained and programs for statistical analysis and protein classification, it was possible to determine the validity of the entire system workflow and to assign the proper sub-cellular localization and function for the greatest number of the identified proteins.