Significance of Non-isothermal Kinetic Data. A statistical study

Arrhenius parameters values, in non-isothermal kinetic vaporisation processes for a series of compounds with related structures, have been calculated. This was made using a method of calculation that allows to find the most probable vaporisation mechanisms. According to this method DTG curves were compared with some theoretical ones reported in literature, whose shape results to be only a function of the mechanisms. In this way the choice of the mathematical functions which can be inserted in the kinetic equations, was influenced by the shape of the DTG plots and other thermal analysis signals thus allowing to choose the most probable mechanisms. The kinetic parameters derived from these mechanisms were compared, using statistical analysis, with those obtained from another method of calculation based on ‘a priori’ vaporisation mechanism chosen for the investigated liquid–gas transition. The standard deviations of the slope and of the intercept, together with the standard deviation and the square correlation coefficient (r ²) of the linear regression equations related to the mechanisms of the two methods were calculated. Student t-test, Fisher F-test, confidence intervals (c.i.) and residuals valueswere also given. Statistical analysis shows that the mechanisms obtained with the former method (diffusive and geometrical models) and the related Arrhenius parameters result to be more significant (in terms of probability) than the corresponding quantities of the latter for which a first-order model was chosen. This revised version was published online in August 2006 with corrections to the Cover Date.     

LapRLSR for NIR spectral modeling and its application to online monitoring of the column separation of Salvianolate

A novel near infrared (NIR) modeling method—Laplacian regularized least squares regression (LapRLSR) was presented, which can take the advantage of many unlabeled spectra to promote the prediction performance of the model even if there are only few calibration samples. Using LapRLSR modeling, NIR spectral analysis was applied to the online monitoring of the concentration of salvia acid B in the column separation of Salvianolate. The results demonstrated that LapRLSR outperformed partial least squares (PLS) significantly, and NIR online analysis was applicable.     

基于激光诱导击穿光谱(LIBS)的煤灰熔点快速检测

炉内结渣是影响火电机组和气化工艺可靠运行的关键因素之一,准确预测灰熔点可以提前调整炉膛出口温度以避免结渣。本论文采用激光诱导击穿光谱（LIBS）采集煤灰样中金属元素的光谱,分别建立煤灰中的金属元素的谱线强度与煤灰熔点的随机森林模型、支持向量机回归模型和线性回归模型,直接预测煤灰熔点温度。采用基于马氏距离(MD)的异常数据剔除算法和基于稀疏矩阵的基线估计与降噪算法（BEADS）,对粉煤灰样的全光谱数据进行了预处理。随机森林模型对粉煤灰熔点的预测平均相对误差（MRE）为54.74%,支持向量机回归模型的预测平均相对误差为60.08%,而线性回归模型的预测平均相对误差达到了9.78%。研究结果表明,线性回归模型对煤灰熔点的预测结果更准确。     

交叉分段差分进化支持向量回归的气体超声 流量计测量方法

为了进一步提高全量程气体超声流量计的测量精度,基于多通道声波到时和实时温度,提出了一种交叉分段差分进化(Differential Evolution)支持向量回归(Support Vector Regression)DE-SVR模型。考虑到气体在不同流量条件下的流体状态不同,提出了交叉分段处理的方法,采用DE算法优化选取SVR参数。实验结果表明,对于16~1600m3/h全量程,交叉分段DE-SVR和传统积分方法计算气体流量的平均相对误差分别为0.00447和0.02781,前者较后者降低了83.93%;对于16~160m3/h小流量,交叉分段DE-SVR和无分段DE-SVR算法计算结果平均相对误差分别为0.00436和0.03214,前者较后者降低了86.43%。该方法有效避免了声道长度、探头角度以及管道直径等参数不确定性对流量计算的影响,为全量程气体流量的高精度测量提供了保障。     

花生蛋白组分及其亚基含量近红外分析检测方法

花生球蛋白、伴花生球蛋白及亚基含量显著影响蛋白质的凝胶性和溶解性等功能特性,进而影响其在肉制品、植物蛋白饮料中的应用效果.目前常采用提取蛋白质后再用电泳及光密度法测定球蛋白、伴球蛋白及亚基含量的方法,操作步骤繁琐,样品损失量大.为此收集了178个花生品种,分别提取蛋白,采用电泳法测定球蛋白、伴球蛋白、23.5和37.5...     

一类利用回归关系的计量指标抽样方案

在产品质量判定的抽样检验问题中,当目标指标需用破坏性试验才能得其值时,更为常用的是用非破坏性试验可得量值的协变指标量来预报它。但在产品抽样验收问题上,未能形成理论较为严密的方法,这是由于预报误差这个关键问题的处理尚未解决得好,即给不出抽样方案的功效计算的正确或是近似性较好的公式。本文通过建立合理的数学模型,把对目标指标的质量要求化为对协变指标量的统计要求,从而利用两者的回归关系,结合两种复杂的抽样方案,给出功效函数的计算公式和计算方法,并进行了分析。     

应用联合分析和混合回归模型进行市场细分

联合分析是一种有效地反映消费者需求差异的方法,所以被广泛地应用到市场细分的研究中。但是,传统的方法存在着一定的不足。本研究提出了一个残差分布假设不同的混合回归模型,模型估计的效率比较高,而且模型系数也必较可靠。所以不失为一个比较理想的市场细分分析工具。本文应用该模型方法对一个笔记本电脑联合分析案例进行了实证分析。     

基于小波系数的近红外光谱局部建模方法与应用研究

局部建模方法使用与预测样本相似的样本建立模型,可解决光谱响应与浓度之间的非线性问题,扩大模型的适用范围,提高预测准确度。采用小波变换进行数据压缩并利用小波系数之间的欧氏距离作为光谱相似性的判据,实现了近红外光谱定量分析的局部建模方法,避免了样本之间的依赖性。将所建立的方法用于烟草样品中氯含量的测定,100次重复计算得到的预测集均方根误差(RMSEP)平均值为0.0665,标准偏差(σ)为0.0045,优于全局建模和基于主成分的局部建模方法。     

支持向量回归同时测定苯丙氨酸、酪氨酸和色氨酸的研究

在波长200~400 nm范围内,测定酪氨酸、色氨酸和苯丙氨酸混合体系的吸光度,用连续小波变换(CWT)对光谱数据进行预处理,再用支持向量回归(SVR)方法进行建模,建立了支持向量回归紫外分光光度法同时测定酪氨酸、色氨酸和苯丙氨酸的方法,用所建方法对模拟样品进行了测定。结果表明,酪氨酸、色氨酸和苯丙氨酸预测结果的回收率在98%~102%之间,测定结果准确。     

离散小波变换-支持向量回归方法同时测定苯酚、苯胺和苯甲酸

在波长范围200～400nm测定苯酚、苯胺和苯甲酸混合液的吸收光谱,用离散小波变换（DWT）对光谱数据进行处理,再用支持向量回归SVR方法进行建模,建立了离散小波变换一支持向量回归方法（DWT—SVR）。方法用于模拟样品和污染水样中苯酚、苯胺和苯甲酸的同时测定,结果满意。