淫羊藿根与叶活性成分的分析和比较

采用细胞膜色谱法（ＣＭＣ）筛选，并结合离体药理实验确定主要活性成分，利用高效液相色谱法分析比较了淫羊藿根与叶中的活性成分及其差异性．色谱条件为Ｋｒｏｍａｓｉｌ ＯＤＳ 柱（１５０ ｍｍ× ４．６ ｍｍ．Ｉ．Ｄ ）流动相甲醇－水（７０：３０，Ｖ：Ｖ）；检测波长２７０ｎｍ。筛选发现淫羊藿根中的两个有效成分ＹＹＨ－２１４和ＹＹＨ－２１６对血管有较强的舒张作用，表明活性成分在ＣＭＣ模型体系中的保留特性与药理作用之间存在良好的相关性。在此色谱条件下淫羊藿叶未检测到这两种活性成分．     

人参属植物中水溶性非蛋白氨基酸与寡肽的研究

从人参属植物水提取液中分离鉴定了若干具有生物活性的非蛋白氨基酸,如神经抑制性递质,γ－氨基丁酸（GABA）,神经兴奋毒素,β－N－草酰基－L－α,β－二氨基丙酸（β－N－ODAP）。首次从人参根的水提取液中分离纯化与鉴定了一组N－末端为从谷氨酸,并以其γ－羧基形成肽键为特征的七个寡肽;其结构为P－Ⅰ（氧化型谷胱甘肽,GSSG）P－Ⅱ（氧化型谷胱甘酰胺）,P－Ⅲ[N, N‘-双－（γ－谷氨酰甘氨酰）胱氨酸,IGSSG]与P－Ⅳ（N－γ－谷氨酰胱氨酰－双－甘氨酸）,P－Ⅴ-（N,N‘-双－γ－谷氨酰胱氨酰甘氨酸）,P－Ⅵ（γ-谷氨酰精氨酸）与P－Ⅶ（还原型谷胱甘肽）。化合物P－Ⅱ至P－Ⅴ与P－Ⅶ均与氧化型谷胱甘肽有关。P－Ⅱ至P－Ⅵ的结构均经化学合成确证。化 合物P－Ⅲ为未见报道的新生物活性肽,具有比化合物P－Ⅰ强的促睡眠活性。同时还讨论了β－N－ODAP与GABA以及其它化合物的生物活性。     

墨红花超临界二氧化碳香味萃取成分的色谱－质谱法测定

由墨红花提取的精油或油树脂是优质的天然香料，被广泛用于化妆品和食品工业。超临界ＣＯ２萃取墨红花精油，既可保持很好的香气，又能克服传统的有机溶剂萃取时有残余溶剂的缺点。用气相色谱－质谱联用法对超临界ＣＯ２萃取物与石油醚萃取物中的组成进行了分析比较。色谱条件为：ＯＶ－１０１固定相，氦气，０．２ｍｍ×５０ｍ石英毛细管柱，柱温７０℃２ｍｉｎ，然后以５℃／ｍｉｎ程序升温至２５０℃。超临界萃取条件为５０℃，２１ＭＰａ，ＣＯ２流量为１０ｍＬ。发现超临界萃取物中的成分包括了石油醚萃取物中的多数主要香味成分，但对香味影响较小的、分子量较大的烷烃和烯烃的含量较少。超临界二氧化碳萃取物的香气与鲜花相近。     

一种快速抽提微量成分的热逆流提取装置

液固萃取在化学实验及研究中常常遇到,索氏提取器是液团萃取普遍采用的装置,它具有简单、提取率高等特点,但采用索氏提取器从较大体积的固体样品中提取微量成分是很困难的。对于要求在较高温度下进行液固萃取也难于实现。为此我们设计了一种热逆流提取器,它不仅可满足上述要求,而且使萃取过程连续化。该装置主要由单口烧瓶、三颈烧瓶和热逆流提取器组成(图1)。     

离子色谱柱切换技术同时测定食品中的多种成分

采用离子色谱柱切换技术同时测定了保留性质差别较大的有机酸以及不同价态的无机阴离子。由于柱切换基本不影响色谱基线,该法有较高的灵敏度。同时测定了食品中的乙酸,山梨酸、苯甲酸、糖精、氯离子和磷酸根。     

用于高维时序数据预测的非同步尺度主成分分析

针对时间序列数据预测过程中可能面对高维或超高维的预测变量,同时考虑变量的时序特征及预测的非同步性,提出用于时序数据预测的非同步尺度主成分分析方法。首先构建单个预测变量和被预测变量的非同步线性回归,通过可决系数选取单变量的最佳滞后阶数,并将回归系数赋权与相应的预测变量得到赋权预测变量,并通过主成分分析对赋权预测变量降维,即非同步尺度主成分分析。将该方法用于消费者物价指数增长率的预测,结果表明经非同步尺度主成分分析降维的预测精度高于传统降维预测的方法。     

南水北调东线工程调水期洪泽湖水质变化规律分析

为了解南水北调东线工程调水期间洪泽湖水质变化,基于2013—2020年洪泽湖调水期水质监测数据,采用Daniel趋势检验分析水质年变化趋势,通过空间插值得出各湖区水质分布规律,并进一步用主成分分析法分析水质主要污染类型。结果表明：2013—2020年洪泽湖调水期水质在合格至轻度污染之间,TP和TN为主要超标因子;时间上水质有变好趋势,空间上过水区水质最差,但有转好趋势,而成子湖区和溧河洼区有所恶化;污染类型以富营养化污染为主,氮磷营养盐影响较大;水质污染以入湖河流输入和建设用地增加人类活动的污染为主要来源,还伴有偶发污染事故;时间上洪泽湖对东线输水的综合水质有改善趋势,建议进一步加强相关污染防治工作,保护洪泽湖水环境,保障南水北调东线工程输水水质安全。     

运用主成分分析和深度神经网络预测钢包炉合金元素收得率的研究

钢包炉（ladle furnace,LF）精炼的核心任务之一是进行钢水合金化过程,以保证钢包到达连铸平台后满足钢水成分要求。钢水合金化也是较为复杂的物理化学反应过程,其不仅对钢水温度有影响,而且对钢水质量、合金料消耗量均有影响。因此,实现LF精炼过程中合金元素收得率的精准预测具有重要意义。本研究首先采用主成分分析法（principal component analysis,PCA）对模型输入变量进行处理,用于简化实际生产数据结构;然后,融合SGDM算法和L2正则化方法,构建了深度神经网络（deep neural network,DNN）;最后,采用主成分分析和深度神经网络相结合的方法,建立了合金元素收得率预测模型。结果表明,Si元素收得率命中率在±1%, ±3%和 ±5%误差范围内分别为54.0%、93.8%和98.8%;Mn元素收得率命中率在±1%, ±2%和 ±3%误差范围内分别为77.0%、96.3%和99.5%。此外,PCA–DNN模型的预测精度优于参考炉次法、多元线性回归模型、改进BP神经网络模型和DNN模型,有助于实现钢水成分的“窄窗口”控制。本研究中合金元素收得率预测模型的建立,也可为LF智能精炼合金化控制模型的开发提供支撑。     

Stiefel流形上的黎曼共轭梯度法CSCD

1引言Stiefel流形上的优化问题一般形式可以表示为:min x∈S_(n,p) f(X)(1.1)其中目标函数f:R^(n×p)→R为连续可微函数,S_(n,p)表示Stiefel流形,即S_(n,p)={X∈R^(n×p):X^(T)X=Ip,p相似文献   

油菜花粉气味成分研究

为了提高气相色谱/质谱的检出灵敏度,采用进样新方法对油菜花粉气味组分进行分离测定,对下列11种成分作了鉴定:二甲二硫;正辛烷;1,3-二甲苯,异硫氰酸丙烯酯;1,4-二甲苯;1,2-二甲苯;3,4-二甲基庚烷;二甲三硫;2-甲基-5-已烯腈;萘;对-甲氧基苯丙烯。