因子分析─光度法同时测定合成食品色素

本文研究了使用目标因子分析─光度法对合成食品色素苋菜红、胭脂红、赤藓红的混合体系和亮兰、柠檬黄、胭脂红的混合体系的同时测定。在不需引进其它额外因子的情况下该法成功地确定了混合体系中的吸光物种数、种类及其含量（浓度范围４．３２─４ｐｐｍ，回收率为１００＋５．８１％），对连续波长范围及波长数目对计算结果的影响也做了探讨。     

多元校正-光度法同时测定啤酒中醛类化合物

根据2,4-二硝基苯肼与醛类化合物发生显色反应的特征,选择最佳反应条件,采用偏最小二乘法结合光度法对吸收光谱重叠的甲醛、乙醛、苯甲醛的模拟样品进行同时分析,对测定条件进行优化,并用此法对啤酒样品的醛类进行同时测定。对模拟样品,回收率分别为100.4%、96.7%和93.6%。本法测量体系稳定,仪器简单,成本低,结果可靠。     

WPT-Interp-RBF网络:多组分分光光度同时测定数据解析的方法

针对UV-Vis分光光度多组分同时测定数据处理中经常遇到的变量多、样本少问题,提出了用小波包变换-线性插值- RBF网络解析多组分分光光度同时测定数据的方法。该方法采用小波包变换对测定数据滤噪,用线性插值处理使训练集样本对待辩识空问形成较好的覆盖,从而使RBF网络能够提取到更多的特征信息。改善网络性能、提高预测准确性。对系列实验数据的解析应用证明,该方法获得的测定结果优于常用的解析变量多、样本少数据的其它方法。由于该方法预测误差小,易在Matlab上实现编程,因此具有广泛的推广应用前景。本文以解析与炼油厂催化裂化装置生产相关的Fe、Ni、V的同时测定数据为例,对该方法的应用做了详细介绍,并与PLS法、RBF网络、小波压缩数据-RBF网络、小波压缩数据-PLS法、线性插值-RBF网络、小波变换-线性插值-RBF网络、小波包变换-线性插值-PLS法等方法傲了应用比较。     

反向传播网络—吸光光度法同时测定生物实样中的锌和铜

研究了新显色剂 1 ,1 ,5-二 ( 2 -羟基 5 溴苯 ) 3 氰基甲日 (HBPCF)和锌及铜及铜的显色反应 ,并以反向传播人工神经网络———吸光光度法 ,对花生仁和绿豆等实际生物试样中锌及铜的含量 ,进行了同时测定。     

基于遗传算法的径向基神经网络及其在同时测定Fe Mn Cu Zn中应用

介绍了两种新的基于遗传算法的径向基神经网络(GA-Based RBFNN)训练算法.这两种算法均将遗传算法用于优化径向基神经网络的聚类中心和网络结构.第一种GA-Based RBFNN算法对所有训练样本采取二进制编码构成个体,优化径向基函数中心的选取和网络结构;第二种GA-Based RBFNN算法中,RBFNN采用自增长算法训练网络隐含层中心、采用十进制对距离因子ε编码构成染色体,优化网络.将两种GA-Based RBFNN算法应用于Fe、Mn、Cu、Zn同时测定的光谱解析,计算结果表明,本文的GA-Based RBFNN算法较通常的遗传算法与径向基人工神经网络(GA-RBFNN)联用,即在GA选择变量的基础上,再用RBFNN作数据解析的GA-RBFNN方法,在增强网络的泛化能力、提高预测的准确性等方面具有明显的优势.从这两种GA-Based RBFNN的比较看,第二种算法在性能上优于第一种算法.     

紫外分光光度法同时测定复方磺胺甲噁唑片组分含量

用人工神经网络解析复方磺胺甲噁唑片的紫外吸收光谱数据,达到同时测定各组分含量的目的。按L25（5^6）正交表设计,制备了25组标准溶液的混合液,将其吸光度数据和浓度数据作为人工神经网络的训练集。混合液中各组分的5个浓度水平分别为80％、90％、100％、110％、120％。预报集采用自制的模拟样品和市售的复方磺胺甲噁唑片的吸光度数据。网络的输入为各溶液在246～290nm间的吸光度,网络的输出为各组分的浓度。利用Bayesian规则化调整的BP人工神经网络处理数据。结果表明,人工神经网络紫外分光光度法预测模拟样品中的磺胺甲噁唑（SMZ）、甲氧苄啶（TMP）的含量,平均回收率分别为100．53％和100．91％,相对标准偏差分别为1．17％和2．79％。对市售的复方磺胺甲噁唑片中的SMZ、TMP的含量也能取得较好的预测结果。结论：人工神经网络紫外分光光度法可以快速、准确地测定复方磺胺甲噁唑片中组分含量。     

苯酚和间苯二酚混合体系的因子分析——紫外分光光度法直接测定

本文研究了因子分析—分光光度法及其在多组份混合体系测定中的应用。成功地确定了苯酚和间苯二酚混合体系中的吸光物种数、物种种类及各物种的含量。并同卡尔曼滤波测定的结果进行了比较。     

基于遗传算法的径向基神经网络及其在同时测定Fe Mn Cu Zn中的应用(英文)

介绍了两种新的基于遗传算法的径向基神经网络(GA-Based RBFNN)训练算法。这两种算法均将遗传算法用于优化径向基神经网络的聚类中心和网络结构。第一种GA-Based RBFNN算法对所有训练样本采取二进制编码构成个体,优化径向基函数中心的选取和网络结构;第二种GA-Based RBFNN算法中,RBFNN采用自增长算法训练网络隐含层中心、采用十进制对距离因子ε编码构成染色体,优化网络。将两种GA-Based RBFNN算法应用于Fe、Mn、Cu、Zn同时测定的光谱解析,计算结果表明,本文的GA-Based RBFNN算法较通常的遗传算法与径向基人工神经网络(GA-RBFNN)联用,即在GA选择变量的基础上,再用RBFNN作数据解析的GA-RBFNN方法,在增强网络的泛化能力、提高预测的准确性等方面具有明显的优势。从这两种GA-Based RBFNN的比较看,第二种算法在性能上优于第一种算法。     

可见光谱结合偏最小二乘法对牛奶游离氨基酸的同时测定

甘氨酸、谷氨酸、缬氨酸和苯丙氨酸与硫酸铜发生灵敏的显色反应,形成蓝色配合物,由于最大吸收波长接近,吸收光谱重叠,用传统的光度法难以进行单一组分的测定。本文通过测定甘氨酸、谷氨酸、缬氨酸和苯丙氨酸模拟混合试样在660nm～750 nm波长范围的吸收光谱,采用偏最小二乘法建立校正模型,对其含量进行预测,结合光度法建立同时测定以上氨基酸含量的新方法,方法应用于牛奶样品中甘氨酸、谷氨酸、缬氨酸和苯丙氨酸含量的同时测定。对模拟混合试样,回收率98.46%～98.79%:RPEs为1.67%～2.34%。     

鸟嘌呤和8-羟基脱氧鸟嘌呤核苷在聚甘氨酸修饰电极上的电化学行为及其同时测定

在优化的实验条件下,利用电化学方法制备了甘氨酸修饰电极,对修饰膜的电活性进行了表征.用循环伏安法研究了鸟嘌呤(G)和8一羟基脱氧鸟嘌呤核苷(8-OH-dG)在聚甘氨酸修饰电极上的电化学行为,并建立了对两者进行分别检测和同时检测的分析方法.实验结果表明,聚甘氨酸修饰电极可以增强鸟嘌呤和8-羟基脱氧鸟嘌呤核苷在电极表面的吸附,并且可以加快鸟嘌呤和8-羟基脱氧鸟嘌呤核苷在电极表面的电子传输,使两种电活性物质在聚甘氨酸修饰电极上的电化学信号明显增大,检测灵敏度大大提高,并且该修饰电极具有良好的稳定性和重现性.可用于鸟嘌呤和8-羟基脱氧鸟嘌呤核昔的分别和同时检测.     

利用ITTFA解析磺胺甲基异噁唑的酸度分布-光谱矩阵数据

根据药物磺胺甲基异(口恶)唑水溶液随pH 值变化的分布曲线并结合其吸收光谱构成二维波谱矩阵,在无需数学模型的前提下,利用ITTFA 方法对其进行解析,获得该药物各型体的纯光谱和酸度分布曲线。基于各型体等吸收点原理构造初始迭代矢量,确保ITTFA 法能快速收敛于正确的唯一解。ITTFA 法解析出的相对分布曲线可根据质量平衡原理用最小二乘回归进行标准化,从而获得与实际情况一致的真实分布曲线,并进一步基于非线性最小二乘-参数优化法求解该药物的两步酸离解常数。     

径向基神经网络示波计时电位法同时测定铅和镉

将径向基神经网络用于Pb~(2 )和Cd~(2 )示波计时电位重叠切口的解析,建立了同时测定Pb~(2 )和Cd~(2 )的径向基神经网络示波计时电位分析新方法。实验表明:所建模型对训练集20个样本,预测结果相对标准偏差平均值仅为0．93%,而主成分回归模型预测结果为3．2%,偏最小二乘回归模型预测结果为3．0%。用本文方法预测的结果比主成分回归和偏最小二乘回归模型准确度高。