基于超分子环糊精两亲分子的敏感型囊泡体系

敏感型囊泡可初步概括为由两亲分子通过非共价键构筑的、对外界的刺激具有特色响应性的一类新型囊泡体系。由"超分子环糊精两亲分子"自组装形成的囊泡体系是该类体系中重要的一类。本文重点介绍了环糊精参与的"超分子环糊精两亲分子"囊泡体系的研究进展。以与环糊精复合的化合物结构类型不同进行分类,介绍了该类囊泡体系的制备以及该体系在医药工程、新型"智能"材料以及生物模拟等方面的潜在应用;结合现阶段的研究状况,对该类囊泡体系的发展前景进行了展望。     

某型人工台断话问题建模分析及应用

该文利用排队论建立概率模型,估计出了由于设备软件设计缺陷造成断话的概率,并确定了软件设计缺陷是造成系统断话的主要原因。经采取相应措施后断话率大幅降低(经计算至少减少39.6%),提高了通信网的可靠性和稳定性,是利用概率统计方法分析解决通信网系运行故障的有效尝试。     

基于多元定标法的煤粉碳元素LIBS定量分析

本文选用碳含量差别较大的14个煤样,进行激光诱导击穿光谱实验。引入多元校正的分析方法,实现煤中碳元素的LIBS定量分析。根据煤质的结构特点,得到影响碳元素激发的主要影响因素分别为与碳骨架相连的H、O、N,以及主要的矿物质元素Si、Al、Ca、Fe。选择这些元素常见的特征谱线强度值,作为多元回归分析的输入量,然后根据回归方程变量的筛选原则,确定了用于回归关联式建立的变量,进而得到回归关联式,并通过方差分析和回归统计验证了方程的可行性。结果表明,采用多元校正的分析方法,得到多元回归分析模型预测值与实验室元素分析仪得到的参考值之间的相对误差在5%之内,说明采用多变量校正的分析方法对碳元素进行定量分析,能得到较高的分析精度。     

Effect of pulse repetition rate and number of pulses in the analysis of polypropylene and high density polyethylene by nanosecond infrared laser induced breakdown spectroscopy

Pulse repetition rates and the number of laser pulses are among the most important parameters that do affect the analysis of solid materials by laser induced breakdown spectroscopy, and the knowledge of their effects is of fundamental importance for suggesting analytical strategies when dealing with laser ablation processes of polymers. In this contribution, the influence of these parameters in the ablated mass and in the features of craters was evaluated in polypropylene and high density polyethylene plates containing pigment-based PbCrO₄. Surface characterization and craters profile were carried out by perfilometry and scanning electron microscopy. Area, volume and profile of craters were obtained using Taylor Map software. A laser induced breakdown spectroscopy system consisted of a Q-Switched Nd:YAG laser (1064 nm, 5 ns) and an Echelle spectrometer equipped with ICCD detector were used. The evaluated operating conditions consisted of 10, 25 and 50 laser pulses at 1, 5 and 10 Hz, 250 mJ/pulse (85 J cm⁻²), 2 μs delay time and 6 μs integration time gate. Differences in the topographical features among craters of both polymers were observed. The decrease in the repetition rate resulted in irregular craters and formation of edges, especially in polypropylene sample. The differences in the topographical features and ablated masses were attributed to the influence of the degree of crystallinity, crystalline melting temperature and glass transition temperature in the ablation process of the high density polyethylene and polypropylene. It was also observed that the intensities of chromium and lead emission signals obtained at 10 Hz were two times higher than at 5 Hz by keeping the number of laser pulses constant.     

光学击穿对宽带受激布里渊散射及受激拉曼散射特性的影响

实验上分析了在多模激光抽运的条件下,水中宽带受激布里渊散射(WSBS)及前向受激拉曼散射(FSRS)产生的物理机制及二者之间能量变化的关系。实验结果表明,在多模激光抽运过程中,WSBS能量与FSRS能量处于不断变化的状态。聚焦长度较短或抽运光能量相对较低时,WSBS在散射过程中占据主导地位;随着聚焦长度和抽运光能量的增加以及光学击穿的产生,FSRS在散射过程中逐渐占据优势。     

外磁场对介质表面次级电子倍增效应的影响

本文采用Particle-in-cell数值方法模拟研究了不同强度外磁场条件下的次级电子倍增效应过程,分析了外磁场对次级电子倍增效应的影响.结果表明,当外磁场达到一定强度时,次级电子倍增效应在微波传输的一半时间内被抑制.通过外磁场抑制,在理想条件下可以使介质窗的微波传输功率容量提高4倍以上.     

基于LIBS与化学计量学的植物叶片分类研究

激光诱导击穿光谱（LIBS）是一种高效快速的光谱采集手段,可应用于各类物质的元素分析工作中。线性判别分析（LDA）与支持向量机（SVM）是化学计量学中两种常用的有监督算法,均通过对已知不同种类的样本数据进行学习建模,进而实现对未知类别数据的归类。为了实现LIBS技术对有机物的高准确率识别,将这两种算法应用到LIBS光谱数据的分类中。实验利用波长为1 064 nm的纳秒激光烧蚀女贞、珊瑚树、竹子三种植物的叶片,并采集每种树叶220～432 nm波段的100组光谱数据。通过对300组样本的原始光谱数据进行主成分提取,由第一主成分（PC1）和第二主成分（PC2）的得分图得出三种植物光谱的相似度非常高。然后,利用每种叶片70组样本的光谱数据作为训练集建模,其余30组光谱数据作为测试集来进行树叶种类的预测识别。将PCA对原始光谱数据提取得到的前20个主成分作为LDA与SVM建模的属性值。对于LDA算法,将属性值分析后得到前两个判别函数值,通过聚类分析发现不同种类的植物叶片光谱数据在空间上的分离效果较好,同一种类基本聚集在一起。再借助马氏距离可得到测试集的平均分类正确率为96.67%。与此类似,使用SVM方法对训练集样本的数据进行学习得到分类超平面,对测试集的平均分类正确率达到98.9%。研究结果表明,经过PCA对数据的预处理,再结合LDA,SVM这两种方法可实现LIBS技术应用于复杂有机物的快速准确分类,并且PCA与SVM结合的分类正确率更高。该方法可在食品快速溯源、生物组织原位鉴别、有机爆炸物远程分析等领域应用。     

主成分分析结合支持向量机辅助激光诱导击穿光谱对塑料快速分类识别

大量废弃的塑料制品给生态环境造成严重破坏,当务之急是要对塑料进行分类回收。传统的分类方法普遍存在成本高,效率低,操作复杂等问题,不能满足工业生产的需要。激光诱导击穿光谱技术由于具备简单灵活,快速灵敏等优点,在物质鉴别领域有广泛应用。采用激光诱导击穿光谱技术结合主成分分析（PCA）和支持向量机（SVM）算法对20种塑料进行分类识别研究。由于目前有关塑料分类识别速率的研究报道较少,该实验在保证识别准确率的前提下,进一步研究和分析实验过程耗费的时间,满足工业生产中快速分类的要求。每种塑料采集100组光谱数据,随机选取50组数据作为训练集建立模型,余下50组作为测试集测试模型的分类识别效果,所以训练集和测试集各有1 000组光谱数据。将训练集的数据不加处理地输入SVM中进行训练,并采用5折交叉验证建立最佳模型,此时测试集的识别准确率为99.90%,建模时间为1小时58分41.13秒,预测时间为11.96 s。由此可见,单纯使用SVM算法可以得到很高的准确率,但是需要耗费大量时间。为了提高实验效率,引入主成分分析算法,将原来的高维数据变换成低维数据,并用降维后的数据训练模型。针对不同的主成分个数,均采用随机训练十次再取平均值的方法获得相关数值。实验表明,当选取主成分个数为13时,得到相应的识别准确率为99.80%,而PCA处理时间为1.44 s,建模时间为12.16 s,预测时间仅为0.02 s。虽然PCA算法结合SVM算法在对20种塑料进行分类识别时准确率有轻微下降,但是大大减少了模型训练的时间,实验效率得到很大程度的提高。结果表明,结合两种算法辅助激光诱导击穿光谱可以对塑料进行快速准确的分类识别。     

明胶水凝胶固化方法的水体中铜元素LIBS检测研究

水污染已是当今世界最严重的环境问题之一,如何提高水体重金属污染检测灵敏度、降低检测限、减少样品预处理程序、实现原位分析等已成为科研工作关注的热点。基于明胶水凝胶固化方法开展了CuSO₄溶液中Cu元素的激光诱导击穿光谱(LIBS)检测研究。采用Nd∶YAG激光器（输出波长1 064 nm,脉宽8 ns）作为激光光源,将明胶与CuSO₄溶液混合并通过加热、搅拌、老化等操作将CuSO₄溶液制成凝胶状固体,选取Cu Ⅰ 324.7 nm和Cu Ⅰ 327.4 nm作为分析谱线,通过研究铜等离子体光谱强度随明胶与CuSO₄溶液质量比例的变化关系,获得了明胶CuSO₄溶液质量比例为2.5%的最佳实验条件,与直采CuSO₄溶液相比Cu Ⅰ 324.7 nm和Cu Ⅰ 327.4 nm的光谱强度分别增加了2.26和2.11倍,信背比分别增强了190.74和318.77倍。在明胶与CuSO₄质量分数比为2.5%的最佳实验条件下,制备了Cu2+浓度分别为8,12,16,24,48和64 mg·L-1的CuSO₄标准溶液的明胶凝胶样品,分别采用100,80和60 mJ激光能量对制备的6种浓度的CuSO₄标准溶液的明胶凝胶样品进行LIBS检测分析,建立了分析线Cu Ⅰ 324.7 nm和Cu Ⅰ 327.4 nm的定标曲线。在激光能量100,80和60 mJ下,Cu Ⅰ 324.7 nm的线性拟合系数R2分别为0.999,0.989,0.984,检测限分别为0.30,0.66和6.37 mg·L-1;Cu Ⅰ 327.4 nm的线性拟合系数R2分别为0.997,0.973和0.956,检测限分别为0.45,0.88和10.20 mg·L-1。研究结果表明：明胶水凝胶固化方法能够增强CuSO₄溶液中铜元素LIBS光谱强度,有效提高了LIBS在水体重金属检测中的灵敏度,减低了检测限。分析线Cu Ⅰ 324.7 nm线性拟合系数和检测限均优于Cu Ⅰ 327.4 nm,检测限和线性拟合系数随激光能量的增加改善程度增强,在激光能量100 mJ时,Cu Ⅰ 324.7 nm的定标曲线的线性拟合系数R2为0.999,检测限为0.30 mg·L-1,达到了富集方法的检测水平。明胶水凝胶固化方法样品制备程序简单,未引入污染元素,为LIBS技术应用于水体重金属污染检测提供了一种新方法。     

基于CART回归树的LIBS特征变量选择方法研究

激光诱导击穿光谱技术（LIBS）用于检测时,由于谱线多且复杂,存在许多冗余的信息,这些都会对定量分析造成影响。因此,提取有效的特征变量在LIBS的定量分析中具有非常重要的意义。对CaCl₂溶液中的Ca元素进行光谱特征选择方法分析,对比单变量模型、偏最小二乘回归和CART回归树定标模型的准确度和稳定性。针对水体表面的波动性较大,光谱稳定性差,同时光谱受基体效应和自吸收效应影响等问题,首先采用单变量模型得到的拟合系数（R2）仅有0.933 2,训练均方根误差（RMSEC）、预测均方根误差(RMSEP)和平均相对误差(ARE)分别为0.019 2 Wt%,0.017 7 Wt%和11.604%。经偏最小二乘回归优化后,模型R2提高到0.975 3,RMSEC,RMSEP和ARE分别降低到0.010 8 Wt%,0.013 Wt%和7.49%。为了进一步提高定量分析的准确度,建立CART回归树定标模型。该方法在构建树模型时,通过平方误差最小化准则,从复杂的光谱信息中选取最优的特征变量组合做分类决策,从而建立Ca元素的定标曲线。通过CART回归树的变量选择,特征变量个数从100个减少到6个,变量的压缩率达到了94%,显著降低了无关谱线的干扰,回归树模型的相关系数R2,RMSEC,RMSEP和ARE分别为0.997 5,0.003 5 Wt%,0.006 1 Wt%和2.500%。相较于传统的单变量模型与偏最小二乘回归,CART回归树模型具有更高的精度、更小的误差。通过对特征变量的有效筛选,剔除无关信号的干扰,显著降低了基体效应和自吸收效应对LIBS定量分析的影响,提高了定量分析的准确度和稳定性。