电子鼻对烟用香精香料检测参数的研究

本文通过采用电子鼻分析技术对烟用香精香料进行气味测定。寻求电子鼻测定仪器的最佳测试参数,使得对烟用香精香料产品测定时,由仪器引起的误差最小。通过单因素试验对测定过程中的重要影响因素进行考察,并通过主成分分析和判别分析法找出最佳参数。研究结果表明,烟用香精香料的最佳仪器测定参数为:顶空产生温度45℃,进样针进样量200μL,样品量0.5mL,测样时间120s时最佳。     

基于PCA和网络DEA模型的中国工业企业研发效率和经营效率评价

本文构建了一个价值链模型,将创新活动视作由研发阶段和经营阶段构成的完整过程。在主成分提取的基础上,利用Tone和Tsut8ui提出的SBM网络DEA模型,对2010年我国30个省(自治区、直辖市)大中型工业企业的研发效率和经营效率进行了实证分析。研究发现:第一,研发效率与经营效率之间不存在显著相关关系。第二,从整体上看,我国大中型工业企业的研发效率显著低于经营效率。第三,利用象限分析方法,根据研发效率和经营效率的特点,将我国各省市划分为高研发效率一高经营效率、高研发效率.低经营效率、低研发效率一高经营效率、低研发效率一低经营效率四种模式,并根据各种模式提出了有针对性的建议。     

离子色谱法分析火灾烟气成分的完善

建立了离子色谱法分析火灾烟气成分的方法。样品用去离子水和氢氧化钠溶液配制,采用0.45μm的滤膜过滤2~3次后,配制成样品溶液,稀释适当倍数后进样分析,采用电导检测器进行检测。各阴离子在1.0~50.0mg/L范围内与色谱峰面积均呈现良好的线性关系,相关系数均大于0.999,方法的检出限在0.06~0.1 mg/L之间。方法的加标回收率在86.0%~110%之间,测定结果的相对标准偏差为0.5%~9.0%(n=5)。该方法简便快捷,选择性好,灵敏度高,可满足火灾烟气成分的分析要求。     

火焰原子吸收分光光度法测定维血康颗粒中总铁

建立火焰原子吸收分光光度法测定维血康颗粒中总铁的含量,火焰类型选择空气–乙炔,测定波长为248.3 nm,测定时间为4.0 s,燃气流量为0.9 L/min,以氘灯作为背景校正。铁的质量浓度在2.4~28.8μg/mL范围内与吸光度呈良好的线性,线性相关系数r~2=0.999 8。6次测定结果的相对标准偏差小于1.0%,样品加样回收率为93.89%,方法检出限为0.011 3μg/mL。该方法具有准确度高,稳定性、重复性好等优点,可用于维血康颗粒中总铁含量的测定。     

一种食用香精香料中8种成分同时测定的方法

本发明公开了一种食用香精香料中8种成分同时测定的方法,包括以下步骤:萃取溶液的配制、标准溶液的配制、样品溶液的制备、超高效液相色谱–串联质谱分析以及含量的计算。本发明通过对前处理条件、液相色谱条件和质谱条件的优化,建立了一种简便、快速、高通量的测定方法,本发明具有操作简单、灵敏度高、回收率好、重现性好且检测时间短、溶剂消耗小、检测通量高、检测效率高的优点。     

手持技术测定钙尔奇D片中的钙含量

利用二氧化碳传感器测定钙尔奇D片中的钙含量，解决二氧化碳含量不好直接测定的问题，帮助学生提升定量认识，同时体验多种数据记录与处理方式，感受信息技术的魅力。     

处理噪声问题的泰勒展开交替最小化算法

为了处理图像、计算机视觉和生物信息等领域中广泛存在的稀疏大噪声和高斯噪声问题,提出了一种利用交替方向最小化思想求解主成分追求松弛模型的泰勒展开交替最小化算法(TEAM).采用推广泰勒展开和收缩算子等技术推导出低秩矩阵和稀疏大噪声矩阵的迭代方向矩阵,加入连续技术提高算法的收敛速率,设计出TEAM算法的求解步骤.实验中,将TEAM算法与该领域的顶级算法作分析对比.结果表明,TEAM算法时间优势明显,误差优势略好.     

基于PCA与偏好强度可调的DEA方法的多响应稳健参数设计

稳健参数设计旨在选择可控因子的水平组合来降低产品或过程对噪声因子的敏感性,能够有效地提高和改善产品的质量.针对多响应参数优化设计中响应间存在相关性的问题,提出了基于主成分分析(Principal Component Analysis,PCA)与偏好强度可调的数据包络分析(Data Envelopment Analysis,DEA)的稳健参数设计;并结合实例验证了方法的有效性.研究结果表明,结合PCA与偏好强度可调的DEA方法能够有效地实现相关多响应的参数优化设计.     

用主成分分析法作多指标综合评价应该注意的问题

主成分分析法是一种很好的多指标综合评价方法,但须注意其适用性,也要对评价结果恰当地使用.如果样本太少,或者各变量之间的相关性很小,则不适合使用;涉及到动态的价值型的指标评价问题必须作不变价在处理;如果仅仅是进行排序评价则只用一个主成分得分进行评价即可;若还要进行其他方面的分析,则在选取主成分个数时,只能选取特征根大于1所对应主成分;计算各样本的主成分得分一定要采取变权的方式进行;在对各主成分进行命名和特征概括时要首先考察各变量在不同主成分载荷的绝对值大小,在此基础上选择同一主成分上载荷较大的变量主成分命名和特征概括;如果要做倍比分析,则要把各样本的主成分得分映射到适当的正数区间,该区间的选择需要一定的经验,或者参照其他指标的倍比关系确定.