林涛[1]2001年在《网格搜索法优化气相色谱程序升温分离》文中研究说明本文应用“网格搜索法”研究了寻找样品在气相色谱程序升温操作方式下的最佳分离条件。并验证了线性程序升温和一阶程序升温以及不同压力、流量情况下的线性程序升温等叁种操作方式下的优化结果。第一章对气相色谱程序升温优化方法作了一个简要的回顾;第二章对“网格搜索法”的逻辑结构和优缺点进行了介绍;第叁章介绍了“网格搜索法”优化气相色谱程序升温的数学计算模型;第四章用不同极性的毛细管柱,包括非极性的OV-101和极性的PEG-20M,验证“网格搜索法”对气相色谱的线性程序升温和一阶程序升温以及不同压力情况下的线性程序升温等叁种操作方式下的优化结果;第五章用不同极性的填充柱,包括非极性的SE-30、中等极性的DC-710、极性的PEG-20M以及固体吸附固定相G.D.X.-103,验证“网格搜索法”对气相色谱的线性程序升温和一阶程序升温以及不同流量情况下线性程序升温等叁种操作方式下的优化结果。
林涛, 雷根虎[2]2001年在《网格搜索法优化毛细管气相色谱线性程序升温》文中提出用一种新的计算程序进行毛细管气相色谱线性程序升温的优化。在OV 10 1固定相上对 2 1种Kovats保留指数为 6 0 0~ 10 0 0的组分进行了自动寻优工作 ,并分别在起始温度为 2 5℃和 30℃的线性程序升温条件下取得了较好的结果。这种优化方法不但节省了计算时间 ,而且在对计算程序进行适当修改后 ,可以用于多阶程序升温的优化工作。
郝健[3]2009年在《塔板理论预测恒压模式下程序升温气相色谱保留时间》文中认为在程序升温气相色谱法中,为达到最佳分离效果,往往需要进行多次重复性预实验。如果能通过计算预测样品组分在任意程序升温条件下的保留时间,就可以避免仅凭经验改变柱温的盲目性,减少预实验次数,从而较快地筛选出最佳升温程序,实现色谱条件的优化。本文以色谱保留值方程为基础,利用非线性塔板理论,对恒压操作模式下的程序升温气相色谱保留时间进行预测。详细介绍保留值方程的建立,重点分析样品组分在恒压操作模式下的保留行为特点并以此为基础设计保留时间的计算程序,探讨用塔板理论预测气相色谱在恒压模式下的程序升温保留时间的可行性。采用一组恒温预实验测定色谱保留值方程。恒温保留时间随温度下降先减小后增加,在某一温度下出现极小值,与恒流模式下单调增加的情况不同,表明必须采用每一恒温温度点下测定的死时间计算组分的容量因子k’。用保留值方程ln k ' = aT 3 + bT 2+ cT + d,对恒压模式下具有不同官能团的几类有机物样品在弱极性HP-5柱和极性FFAP柱上容量因子k’和温度的关系进行拟合,求取了4个方程系数,获得了各样品的保留值方程。部分样品的lnk’-T拟合曲线也出现极小值或不为保留值方程所限定的单调形式,说明不能直接采用恒流模式下的计算方法预测恒压模式下的保留时间。以非线性塔板理论为基础设计了恒压模式下的计算程序并用于预测保留时间。通过对六种单阶和多阶程序升温条件下,不同类型的样品在HP-5柱和FFAP柱上保留时间的预测准确度进行考察,发现绝大多数预测值与实测值的相对误差在±3%以内,预测较为准确且与样品和色谱柱类型无关,表明非线性塔板理论不仅适用于恒流操作模式,也可用于恒压模式下程序升温保留时间的预测。相对误差的统计结果表明升温速率对预测准确度有明显影响。对几种多阶程序升温条件下6组分混合样品在HP-5柱上的保留时间进行了预测,发现绝大部分样品的相对误差在±3%以内,表明非线性塔板理论不仅适用于单组分样品,也可用于多组分样品在恒压模式下程序升温保留时间的预测。
张晓龙[4]2016年在《混凝土重力坝变形与渗流异常情形分析》文中指出现今水利水电工程建设处于新的发展阶段,大坝的建设向着高坝方向发展的同时一些修建已久的老坝也出现了许多安全问题,使得大坝安全监测分析工作越来越重要。本文在理论研究的基础上结合实际运行中大坝的现场检查、监测资料分析以及专家组评定分析意见,将四者有机结合起来避免了现今许多大坝安全研究只注重数学模型研究而忽视实际运行中存在的问题。本文主要研究了以下问题:(1)分析并论述了现今大坝安全监测中外部变形监测与坝基渗流监测最常采用的监测仪器,介绍了其工作原理,分析了各种监测仪器的优缺点,从而可以根据工程的具体情况来选择适合的监测仪器。(2)对现今大坝外部变形监测与坝基渗流监测存在的异常现象进行成因分析和归类,便于针对异常情形有目的的去检查,避免由于粗差等得出脱离实际的结论;提出从物理成因、化学元素变化以及数学模型等方面对异常现象进行分析论述。(3)在变形异常情形分析中,将小概率-数据跳跃法与相邻监测点联合分析法结合,对监测序列中的异常的值进行识别,有效避免了由单一测点判断不足,将真实异常值删除,失去对大坝安全分析重要的信息,并通过MATLAB编程进行实现。(4)在大坝安全监测资料样本数据较少的情况下采用现今在小样本回归预测中表现优越的偏最小二乘法与支持向量机法进行回归预测,比较二者的预测精度,结果表明支持向量机网格寻优法在小样本预测中精确度较高。(5)在坝基渗流异常情形分析中分析了坝基渗透压力折减系数负值这一异常情形,对其进行定性、定量及物理成因分析,并在传统渗压系数统计模型中考虑了渗流量这一影响因素,通过偏最小二乘法进行回归分析,分析结果表明其负值成因主要是由于混凝土坝初期防渗帷幕防渗性能较好、坝基岩石渗透性较弱以及大坝运行期较短,坝基渗流没有达到一个稳态平衡状态所致;在坝基渗流测压管水位偏高分析中,对测压管进行了注水实验同时分析了测压管的水所含化学元素以及上游水与下游水所含的化学元素,最后根据化学元素变化与注水实验共同分析确定了测压管水位偏高的原因。(6)论文中给出了某两个水电站的变形与渗流异常情形实例,其中变形与渗流异常情形代表了许多水电站中共有的问题,其分析方法、思路以及分析结果可作为有类似问题的电站进行借鉴。
荣维广[5]2006年在《中药材菊花、丹参中农药多残留检测方法研究》文中指出中药是我国宝贵的文化遗产,中药材的质量直接影响到中药产品的质量。衡量中药材质量标准除中药材自身的有效成分外,还包括有毒有害物质(如农药及重金属等)的残留量。中药材中农药残留问题日益引起世界各国的重视。农药残留污染已成为中药材走向世界的障碍,成为当前中药材生产中急待解决的重要问题。本文以中药材菊花、丹参为材料,有机氯、有机磷、拟除虫菊酯农药残留为检测对象,采用不同的提取方法、净化技术,系统研究SPE-CGC-ECD、GC-EI-MS、GC-NCI-MS等分析方法在上述菊花、丹参中农药多残留检测中的应用。确立了丙酮-正己烷(1:1,v/v)为提取溶剂,通过正交实验设计确定微波辅助法8min(60℃)提取中药材菊花中有机氯农药残留,并且采用LC-18和ENVI-Carb串联固相萃取小柱方法净化,富集,最终建立了中药材菊花中有机氯农药残留的前处理技术。建立了GC-CGC-ECD测定方法:在0.0025~0.5μg/mL浓度范围内呈良好线性关系,相关系数R~2为0.9990~0.9999;在0.0025、0.0125、0.05 mg/kg 3个添加浓度的平均回收率和变异系数分别为83.0~109.3%和2.0~5.4%;该方法的最低检出浓度为4.0×10~(-5)~8.5×10~(-4)mg/kg,准确度和精密度均能满足农药残留分析的要求。通过固相萃取—气相色谱—电子轰击源质谱技术建立了9种有机氯类农药残留在中药材菊花中的GC-EI-MS检测和确证方法:在0.005~0.5μg/mL浓度范围内线性良好,相关系数R~2除PP′-DDT为0.9928外,其他均大于0.9981;该方法简单快速,选择性好,消除了色素和其它杂质干扰,因而准确度和精密度高。在0.005、0.025和0.05mg/kg叁个添加浓度下的回收率和变异系数分别为71.8~112.2%和CV≤8.2%;该方法的最低检出浓度在2.0×10~(-4)mg/kg~1.5×10~(-3)mg/kg之间。建立了中药材丹参中12种农药残留量的气相色谱分析方法。样品以丙酮-正己烷(6:4,v/v)混合溶剂振荡提取,固相萃取法(SPE)净化、富集,采用SPB-5弹性石英毛细管柱程序升温条件下分离样品,GC-ECD检测丹参中12种农药的残留量。在0.01~10μg/mL浓度范围内,线性相关系数R~2为0.9922~0.9997,加标平均回收率和变异系数分别为76.8~104.0%和1.11~2.50%,最低检出浓度为0.01~0.05 mg/kg。通过固相萃取—气相色谱—负化学离子源质谱技术建立了中药材菊花中12种拟除虫菊酯类农药残留的检测方法。样品经乙酸乙酯微波辅助提取后,用串联的活性炭和中性氧化铝固相萃取柱选择性地富集菊花中待测组分,再由气相色谱—负化学离子源质谱分时段选择离子监测技术进行测定。方法简单快速,一次进样就能得到12种菊酯残留结果。在0.08~1.28μg/mL浓度范围内,线形相关系数为0.9989~0.9997。准确度和精密度高,在0.016×10~(-3),0.032×10~(-3)和0.064×10~(-3) mg/kg叁个添加浓度下的平均回收率和变异系数分别为70.4~112.4%和CV≤8.6%。该方法选择性好,消除了色素和其它杂质干扰,灵敏度高,除了氯菊酯的检出浓度为1.1×10~(-2) mg/kg外,其它菊酯的检出浓度均为1.0×10~(-3) mg/kg左右,而七氟菊酯则达到了2.0×10~(-5) mg/kg。
陈祥梅[6]2009年在《GA-SVM在高速公路交通事件检测中的应用研究》文中研究说明近年来,频繁发生的交通事件,严重损坏了高速公路“安全、快速、高效、舒适、环保”的形象。如何快速地检测、判断事件的发生并及时采取措施,以有效的减少交通延误、保障道路安全、减少环境污染已成为备受关注的问题。随着计算机网络技术、通信技术、自动控制技术等不断发展,智能事件自动检测系统为解决上述问题提供了有效的途径,而事件检测算法是自动检测系统的核心内容,其性能好坏直接影响事件检测系统的效率,对其研究具有非常重要的意义。本文通过对常用事件检测方法的分析与总结发现,虽然这些方法能够获得良好的检测效果,但因交通数据样本有限、输入特征过于简单或冗余、参数设置无法达到最优等问题的影响而无法获得更优的性能。针对以上问题,在分析支持向量机分类原理及其优势的基础上,论文综合运用针对有限样本的支持向量机技术和遗传算法优化技术,详细设计了基于遗传算法的不同类型支持向量机模型参数及特征同步选取方法,以优化每种支持向量机的模型参数的同时选取模型对应的最优特征组合。鉴于上述方法理论上针对有限样本仍有较好的可推广性,并具有对特征进行选取和参数进行优化的能力,论文采用Ⅰ-880实测数据集,构建了各种遗传支持向量机事件检测模型。将得到的数据结果从检测性能、推广能力和判定速度叁个方面进行评比分析,得出最优模型。并与构建的基于网格搜索法的支持向量机模型和神经网络模型进行对比分析,验证了选取最优特征组合的必要性、遗传选取方法的有效性和支持向量机的优越性。遗传支持向量机利用有限的交通数据样本,合适的交通输入特征,优化的模型参数,获得了满意的检测效果,为设计高性能的事件检测算法提供了方法,具有一定的现实意义。
王龙星[7]2003年在《中药色谱指纹质量控制基础方法学研究》文中进行了进一步梳理中医药是我国传统医学的瑰宝。色谱指纹谱质量控制是近来中药质量控制领域内的热点和趋势。本论文即对此课题的几个基础问题进行了系统的研究。 样品中各组分保留参数的获得是优化色谱指纹的前提。本论文建立了一套国际领先的新算法,解决了根据多个任意梯度下的保留时间精确计算保留参数的难题。在这套算法的基础上,本文对一个实际中药样品的液相指纹谱进行了优化获得了良好的效果。本文还将这套优化方法推广到线性放大模式下制备HPLC的条件的优化,用于藏茵陈提取物中的两个未知成分的制备分离,同样取得了较好的效果。 论文还讨论了保留参数辅助分类的可能性与方法。传统根据a,c值间线性关系进行分类是一种有效的方法。但这种线性关系是近似的,无法定量计算分类结果的可靠性。本文将多组判别分析方法引入了保留参数分类这个领域,并用它来计算分类情况,给出分类的可靠性(后验概率),从实验及计算结果看这个方法取得了良好的效果。 本文提出按照向量夹角公式定量计算两指纹谱的相似度;同时本文还在叁个合理规则的基础上实现了指纹谱的自动峰匹配。在这个基础上,本文设计并建立了指纹谱相似度计算软件。 本文第五章主要讨论如何建立一个全息中药指纹谱数据库,给众多的指纹谱工作者提供参考和帮助。本文对这个数据库进行了总体设计,并使用VB6.0编程建立了“中药材全息指纹谱图数据库”。该软件具有良好的通用性及易用性;并具有”活谱图”功能。
李彪[8]2015年在《基于指纹图谱的白酒类别定性研究》文中认为鉴于白酒行业的紊乱,快速、准确的检测其真假已迫在眉睫,而指纹图谱分析技术因其突出的优点广泛应用于食品安全等各大领域。本论文基于指纹图谱法对白酒的类别属性进行定性分析,并结合模式识别方法,研究了同酒精度同香型条件下的不同品牌白酒的分类以及年份酒的鉴定工作,为解决目前饮料酒真伪控制中缺乏科学有效分析方法的问题提供了一定的的借鉴意义。最后利用建立的年份酒模型排除了非已知类别的酒样,也可用于识别“以次充好”造假技术的工作。主要研究内容有:(1)通过气相色谱质谱和红外光谱的分析,识别和量化白酒中微量成分,为指纹图谱法提供数据支持。(2)分析和比较白酒测试样品的指纹图谱,通过主成分分析等方法来对其进行特征提取,然后进行分类判别。(3)通过采集的数据建立的指纹图谱模型,能够很好的阐述白酒香味成分之间的关系,从而能对白酒的分类和鉴别有更多的理解。应用气相色谱质谱和红外光谱建立了部分白酒的指纹图谱,并采用模式识别方法对样品图谱之间的关系进行了分析评估,方法及检测结果科学可靠。研究了多种不同品牌或不同香型白酒的指纹图谱之间的特征和相似性。研究表明,不同品牌的白酒即有着一定的共性又有着明显的差异。因此,通过对不同品牌不同年份白酒特征和相似性的比较这种方法,可以用来区分不同品牌不同年份的白酒。所建立的方法和识别用的模型在一定程度上,为白酒的鉴定与分类提供了技术支持。
参考文献:
[1]. 网格搜索法优化气相色谱程序升温分离[D]. 林涛. 西北大学. 2001
[2]. 网格搜索法优化毛细管气相色谱线性程序升温[J]. 林涛, 雷根虎. 色谱. 2001
[3]. 塔板理论预测恒压模式下程序升温气相色谱保留时间[D]. 郝健. 天津大学. 2009
[4]. 混凝土重力坝变形与渗流异常情形分析[D]. 张晓龙. 西北农林科技大学. 2016
[5]. 中药材菊花、丹参中农药多残留检测方法研究[D]. 荣维广. 南京农业大学. 2006
[6]. GA-SVM在高速公路交通事件检测中的应用研究[D]. 陈祥梅. 西南交通大学. 2009
[7]. 中药色谱指纹质量控制基础方法学研究[D]. 王龙星. 中国科学院研究生院(大连化学物理研究所). 2003
[8]. 基于指纹图谱的白酒类别定性研究[D]. 李彪. 武汉轻工大学. 2015