基于判别分析与ANN的药品铝塑包装泡罩XRF分析

目的针对案件现场常见的药品铝塑包装泡罩,为达到对其分类识别的目的,提出系列检验分析、数据处理方法。方法采用X射线荧光光谱法对45个药品铝塑包装泡罩样本所含元素进行检验并讨论分析。对检验结果进行无监督的系统聚类,利用离差平方和法计算欧氏距离进而将未知样本分为5类。结果将分类结果作为变量进行判别分析,选取累积方差百分比为97.8%的2个判别函数,其类内平方和与总平方和之比为0.015和0.394,具有较强的解释能力。绘制的样本判别分类图将5类样本类之间相互区分开来,样本总体判别正确率为95.6%。提取样本在判别函数上的判别得分构建了人工神经网络,最终分类正确率为97.8%。结论利用X射线荧光光谱法对药品铝塑包装泡罩进行检验,将元素种类及含量作为变量进行了分类,并构建了45个药品铝塑包装泡罩样本的人工神经网络分类模型,可借助该模型进一步实现对于案件现场未知类别的药品铝塑包装泡罩样本的分类识别。     

一次性纸杯生产过程的环境影响评价

目的 以聚乙烯(PE)淋膜纸杯、聚乳酸(PLA)淋膜纸杯和丙烯酸聚合物涂层纸杯3种一次性纸杯为研究对象,评估和比较不同纸杯对人体健康和环境的影响,为纸杯企业与行业提供参考。方法 采用生命周期评价(LCA)方法,使用eFootprint软件进行一次性纸杯生产阶段的生命周期评价,包括目标与范围确定、清单分析、生命周期影响评价及解释、数据质量评估4个部分。结果 在纸杯用纸的定量均为210 g/m²和淋膜(涂层)层数均为一层的情况下,PE淋膜纸杯、PLA淋膜纸杯和丙烯酸聚合物涂层纸杯生产的分别排放1 839、2 077、1 826 kg CO2 eq.的温室气体,8.88、10.75、8.63 kg SO2 eq.影响酸化的气体和物质,2.93、3.23和2.93 kg (PO4)^3? eq.影响富营养化的物质。结论 综合来看,丙烯酸聚合物涂层纸杯生产过程对环境更为友好。     

呼唤一次性纸杯国家标准

今年“3·15”,有关方面发布一次性纸杯调查结果显示,许多纸杯被检测出油墨荧光物。专家指出“现有行业标准中,对油墨没有要求。有些企业就钻空子,使用有毒劣质油墨印刷纸杯,导致使用了有苯、甲苯等有毒溶剂的劣质油墨纸杯得以堂而皇之地流入市场”。     

XRF在化探样品分析中的应用

本文评述了x射线荧光分析技术（xRF）现有的分析能力和在化探样品分析中起到的关键性作用,并介绍了一种利用XRF测定化探样品中高异常Pb、Ga、Mn的新方法。     

基于多元分析的快递塑料包装袋样本光谱鉴别

为建立一种区分现场快递塑料包装袋物证的分类模型,利用X射线荧光光谱仪对39个不同颜色、不同公司的快递塑料包装袋样本进行检验。根据外表面颜色不同将39个样本初步分为3类;根据X射线荧光光谱仪测定的样本无机元素含量利用系统聚类进行进一步分组;通过判别分析构建分类模型,模型对已知样本归类准确率达100%。通过多元线性回归分析对分类结果进行检验,分类结果与判别分析结果一致。将2个未知样本代入模型进行验证,模型实现了100%的正确归类。     

差分拉曼光谱结合XRF对塑料药瓶的多元分类研究

目的 构建一种药瓶的分类及预测模型。方法 利用差分拉曼光谱和X射线荧光光谱对54个不同品牌和产地的塑料药瓶进行分析检验。结果 得到了54个样品的差分拉曼谱图及Cl、Ca、Ti、Fe、Zn等元素的含量。利用主成分分析对差分拉曼光谱数据进行降维,再利用系统聚类将降维后的数据分为8类,并以此为依据建立判别分析模型,最终判别模型经交叉验证可知准确率达到90.7%,多层感知器的分类准确率为100%,分类效果较好。结论 差分拉曼光谱可以根据谱图中的特征峰推断样品的分子结构,并且可以根据峰位对样品进行分类,并建立分析模型,X射线荧光光谱可以通过各元素的种类和含量的不同对样品进行区分,实现组内的细化。差分拉曼光谱和X射线荧光光谱可以分别从有机和无机的角度对药瓶进行分类,在分析上可以优势互补,可为公安机关实际办案探索出一种新的光谱联用角度和方法。     

XRF结合化学计量学对牛皮纸物证的研究

为建立一种快速准确的检验牛皮纸的光谱分析方法,利用X-MET8000型X射线荧光光谱仪,对50个不同种类、不同厂家、不同用途的牛皮纸样本进行检验分析。通过IBM SPSS Statistics 26.0软件对测定结果进行系统聚类,可以将50种样本分为8类;然后使用K-Means聚类,对分类的结果进行检验,证明样本分为8类是合理的。根据聚类结果,使用Fisher判别分析法,建立判别函数,实现对新数据类别变量取值的预测,此方法为公安机关在犯罪现场检验此类物证提供依据。     

基于绿色设计的一次性纸杯的创新设计

目的 设计了一款以绿色设计为理念的一次性纸杯。方法 对一次性纸杯的现状进行了分析,从用户使用纸杯的行为出发,主要从本能、行为、反思三个角度探讨未来一次性纸杯的设计需求,将设计需求进行定量分析得出亟须解决的需求,为创新设计提供依据,最后利用TRIZ理论对提出的问题进行解决,以达到保护环境、节约资源的目的。结果 传统的设计理念需要向绿色的、可持续的设计转变,才能满足不断发展进步的社会要求,绿色设计显然是一种象征时代发展和社会选择的必然。一次性纸杯可持续发展的设计创新方式,对设计方案的形成有一定的借鉴意义。     

基于色彩聚类的老年病房色彩设计研究

目的 基于感性工学理论,以K-Means色彩聚类为基础获取老年病房患者的色彩感性意象评价。方法 首先搜集并筛选现代医院老年病房设计案例,通过K-Means聚类方法进行色彩提取以建立老年病房色彩样本库;其次运用语义差异法量化老年病房色彩的感性意象认知,再将所得评价结果运用SPSS软件进行因子分析;最后,提取影响色彩意象评价的主因子,并探讨各感性意象与色彩样本之间的对应关系。结果 通过量化老年病房患者的色彩感性意象认知,可知老年患者更倾向于选择中高明度、暖色调的色彩作为病房空间的主要色彩。结论 该流程能获取科学、客观的色彩搭配方案,并有助于缓解老年患者的疾病压力,促进康复过程,同时也为医疗环境设计领域提供了新的思路和方法。     

X射线荧光光谱在晶体材料组成分析中的应用

介绍了X射线荧光光谱在人工晶体材料组成分析中的应用.虽然x射线荧光光谱分析是一种非常有效的元素分析手段,但必须针对不同的样品和分析要求采用合适的样品制备方法,选择或配制合适的校正标样对基体效应进行校正.在样品为单晶时异常反射对光谱的定性解释和定量分析的条件选择可能产生影响,此时最好使用熔融制样法.使用测量结果时,应该充分考虑其不确定度.     

基于因子聚类分析的儿童陪伴机器人用户细分

目的为解决目前儿童陪伴机器人设计中用户市场针对性不强、用户满意度低等问题。方法首先分析了儿童陪伴机器人的交互系统模型,采用限定式KJ法设计了具有二十六个变量指标的儿童陪伴机器人行业用户满意度量表。其次提出在学龄儿童的用户细分中使用因子与聚类分析的复合模型方法,具体的操作为利用因子分析的方法对高维数据变量进行降维,根据因子分析得分及K均值聚类算法对数据进行分析,以细分出四个用户市场。结果根据聚类分析样本数量区分重要性,得出了产品目标用户群之间的优先级;根据四种用户群态度,制定了相应的策略性建议。结论提出了基于因子与聚类分析方法的用户细分方法,将有助于明确儿童陪伴机器人的市场定位;同时有助于改善儿童陪伴机器人用户的交互体验。     

X射线荧光光谱法食品重金属分析仪的校准方法

建立了X射线荧光光谱法食品重金属分析仪的校准方法,主要校准项目及技术指标为能量分辨力不大于150eV,检出限不大于0.1mg/kg,当测量标准物质的Cd元素含量不大于0.2mg/kg时,示值误差不大于±0.05mg/kg,重复性不大于0.03mg/kg;当Cd元素含量(≥0.2～0.4)mg/kg时,相对示值误差不大于...     

基于多阶权重组合和PROMETHEE Ⅱ的饮品包装评估模型

目的 对多种可行的饮品包装方案进行评估,选择出最佳方案,从而满足消费者市场的多方位需求,促进饮品销售,提高饮品企业的市场占有率.方法 在价值工程驱动下构建饮品包装功能层次结构评估指标体系,通过模糊群决策法求解各饮品包装方案的指标值;使用多阶权重组合来融合赋权有效信息,采用PROMETHEEⅡ对多个饮品包装方案进行评估,以避免决策补偿性.结果 对各饮品包装方案的净流量排序,进行数据的分析与对比,4种饮品包装方案的优劣性排序为J2>J4>J1>J3,最优方案为易拉罐包装方案(J2).结论 通过某款果汁4种包装方案的评估案例,验证了文中所提饮品包装方案评估模型的有效性,表明该模型能够应用于饮品包装的综合评估与优选,可为饮品包装的设计提供支持.     

X射线荧光光谱结合聚类分析检验快递塑料包装袋

目的 针对现场经常提取到的快递塑料包装袋物证,建立一种快速检验分析、样本分类的方法.方法 采用X射线荧光光谱法对41个不同快递公司、不同来源地的快递塑料包装袋样品进行无机元素检验分析.根据不同样品的元素种类含量进行分类,并利用系统聚类和K-Means聚类,对样品进行聚类分析.结果 根据检验得出无机元素含量及其主要元素的比值,对各样品进行有效区分.通过系统聚类的方法,将样品成功聚为4类.用K-Mean算法对聚类结果进行检验,其分组结果基本一致,说明该方法的聚类效果良好.结论 利用X射线荧光光谱法结合聚类分析检验41个样品,结果表明,各类样品特征明显,具有较高的区分度,可以实现对不同公司、不同来源地的快递塑料包装袋进行区分.文中方法为公安工作中处理此类物证提供了一定的理论参考.     

基于聚类分析的光谱重建样本分析

目的 解决目前光谱重建中因数量大而出现的冗余和繁重等问题,证明聚类算法可以很好地应用在光谱选择样本分析中,并可以实现较高的重构色度精度和物理精度。方法 采用主成分分析法进行仿真实验,首先探究主成分个数,再确定聚类个数,然后比较聚类方法和3种常用的样本选择方法,最后分析比较光源种类对重构结果的影响。结果 通过实验确定主成分个数为6且聚类个数为20时,在A光源下使用KFCM算法的重构效果最好,此时平均色差为0.35ΔE00,平均RMSE为0.0078,平均GFC为99.94%。结论 聚类方法可以应用于光谱成像过程中训练样本选择过程,且有助于提高光谱重构的运算速度和精度。