FTIR光谱遥测红外药剂的燃烧温度

本文利用遥感FTIR光谱，对红外药剂的燃烧特性进行了研究。在分辨率为4cm^-1时，收集4700－740cm^-1波段的光谱。从HF等燃烧产物发射的分子振转基带精细结构的谱线强度分布，可以对燃烧温度进行遥感测定，并给出了燃烧温度随时间的变化关系，实验结果表明燃烧表面附近温度梯度很大，存在着急剧的变化温度场，同时也说明，在不干扰火焰温度场的情况下，利用遥感FTIR光谱对剧烈的、非稳态快速燃烧的火焰温度进行连续实时的遥感测量，是一种快速、准确、灵敏度高的测温方法，显示了它在燃烧温度测量、产物浓度测试以及燃烧机理研究等方面的应用前景。     

遥感傅里叶变换红外光谱的大气层析技术

遥感傅里叶变换红外光谱层析技术是一项新的气体分析技术，它可用于构造气体浓度峰图形，定量分析工业污染气体总释放量等方面，随着算法的不断优化，在重构气体在空间的分布方面，遥感傅里叶变换红外光谱层析技术正在不断成长。     

四种多变量校准方法在FTIR多组分分析中的性能比较

本文对四种多变量校准方法－－经典最小二乘法（CLS），偏最小二乘法（PLS），卡尔曼滤波法（KFM）以及人工神经网络法（ANN）－－在多组分浓度分析方面的性能进行了比较。选择五种红外谱图严重混叠的大气有机毒物－－1，3－丁二烯，苯，邻二甲苯，氯苯和丙烯醛－－作为分析对象。分别计算各种方法对该5组分体系的平均预测误差MPE和平均相对误差MRE进行比较。结果表明，偏最小二乘法在处理这类问题中是最稳健的方法。     

高效液相色谱法所用大孔硅胶填料的制备

对国产ＧＹＱＧ球形硅胶施加高压水热处理并进行扩孔，制备了用于高效液相色谱法的大孔硅胶填料，考察了扩孔压力，扩孔温度和扩孔时间对平均孔径和比表面积的影响。并将产品日本ＳＩＬ－３００３×１０＾－８ｍ硅胶进行了物理性质和孔分布的对比实验，结果表明ＧＹＱＧ硅胶扩孔后平均孔径为２０～３０ｎｍ接近日本ＳＩＬ－３００３×１０＾－８ｍ硅前平平均孔径２５ｎｍ。display structure     

内毒素的去除策略

革兰氏阴性菌的致病性以及革兰氏阴性菌脓毒血症时出现的毒性表现是与牢固结合在其细菌外膜中的一种大分子物质即内毒素密切相关的,文章主要介绍了内毒素的本质和它的危害,并根据该课题组在此领域多年的研究经验,介绍了内毒素的去除策略。     

胺型键合反相固定相的制备及评价

首次将一种新型硅烷偶联剂--β-（3，4-环氧环已基）乙基三甲氧基硅烷（β-ECTS）与辛胺反应，然后再键合到硅胶上，得到了胺型键合固定相，并用元素分析、^13C固体核磁共振、红外光谱进行了表征。以甲醇和水为二元流动相，用包括碱性、酸性和中性有机化合物在内的混合物对该固定相进行评价，并考察了该填料的适用pH范围及水解稳定性。结果表明，该固定相具有较好的色谱性能，且在pH=2-8之间稳定性能良好，可有效地用于碱性化合物的分析分离。     

一种用于火焰原子吸收/发射光谱分析的火焰温度测量的新方法

对于火焰原子吸收/发射光谱分析来说,火焰温度是一个非常重要的参数。然而,一般的测量火焰温度的方法,如钠谱线翻转法等,是比较困难的。我们从Planck-Wein辐射定律出发,导出如下方程,该方程中的三个物理量,从实验上可方便地测得,这样就能准确地计算出火焰温度。该方程为:其中T_F是火焰温度;T_L是标准钨带灯的亮温;I_L是标准钨带灯在5890A处的相对辐射强度;I_F是钠谱线5890A的相对辐射强度;I_L+F是标准钨带灯的光通过钠火焰后,在Na5890A处的相对辐射强度;k是Boltzmann常数;C是光速;h是Planck常数。在实验上测I_L、I_F和I_L+F是比较方便的。实验证明,该方法是可靠的,它比之钠谱线翻转等方法要简单、快速。在任何一台火焰原子吸收/发射光谱仪上都可进行火焰温度的测量。     

烟碱分子烙印聚合物的吸附特性

利用分子烙印技术，以烟碱为烙印分子，甲基丙烯酸(MAA)为功能单体，乙二醇二甲基丙烯酸酯(EDMA)为交联剂，合成了对烟碱具有特异性作用的分子烙印聚合物P(Nic)；通过平衡吸附实验，评价了其对烟碱的亲和力和选择性。与非烙印聚合物相比，P(Nic)对烟碱表现了很高的亲和力；Scatchard分析表明在P(Nic)中存在对烟碱有不同的亲和力的两类作用位点。通过与氨基吡啶类物质在P(Nic)上的吸附行为比较，表明P(Nic)对烟碱具有很好的选择性。本工作证明了用P(Nic)作为固相萃取(SPE)材料选择性地从烟草烟雾中提取烟碱的可能性。     

人工神经网络对VOCs的自动识别

利用人工神经网络(ANN)对严重混叠的傅里叶变换红外光谱图进行了定性和定量解析。通过大量模拟数据训练神经网络后,引用了新的评价标准——逼近度来选择最优网络模型。利用此优化网络对两类光谱图进行了解析,考察了网络的泛化能力。结果表明：该网络不仅能够对两组分同时存在时的样本进行准确解析,而且对于未知单组分光谱图,也能够进行准确鉴别和定量分析。可见, 该研究为人工神经网络在单组分和多组分未知物的定性和定量分析方面提供了一种新思路。     

PLS-GRNN法近红外光谱多组分定量分析研究

研究了偏最小二乘(partial least squares ,PLS)与广义回归神经网络(generalized regression neural networks, GRNN)联用在近红外光谱多组分定量分析中的应用。以饲料样品为实验材料,采用PLS-GRNN法建立了饲料中水溶性氯化物、粗纤维、脂肪三项组分含量近红外光谱定量分析模型。马氏距离法剔除强影响点和奇异点,用PLS法将原始数据压缩为主成分,取8个主成分吸收峰与4个原始图谱特征峰值输入GRNN网络,网络光滑因子σ_i为0.1。PLS-GRNN模型对样品3个组分含量的预测决定系数(r2)分别为：0.984 0,0.987 0,0.983 0;样品平行扫描光谱预测值的标准偏差分别为：0.003 26,0.065 5,0.031 4。结果表明所建PLS-GRNN模型通过近红外光谱能够准确预测饲料中水溶性氯化物、粗纤维、脂肪三项组分含量,为近红外光谱进行多组分定量分析提供了新思路,同时为解决近红外快速检测技术在预测组分含量较低的样品时误差相对较大的问题提供了可靠的方法。