ICP—AES测定杂多化合物中杂原子与配原子计量比

采用电感耦合等离子体原子发射光谱（ＩＣＰ－ＡＥＳ）法测定了以Ａｓ，Ｐ，Ｓｉ和Ｇｅ为杂原子的钼多酸，钨多酸以及钼钨钒多酸中杂原子与配原子的计量比，对各种类型杂多化合物的预处理进行了研究，重点研究了测定过程中产生的基体干扰和光谱干扰，通过选择适当分析线并采用基体匹配技术，对干扰进行了有效的补偿，获得了准确的杂原子与配原子计量比数据，并由此推断出多酸的一，二级结构，所得结果经ＩＲ光谱和ＮＭＲ光谱证明正确     

取代型钨硅杂多化合物的导电性及磁性

合成并表征了过渡金属取代的钨硅杂多化合物α－Ｎａｎ〔ＳｉＷ９Ｍ３（Ｈ２Ｏ）３Ｏ３７〕·１８Ｈ２Ｏ〔Ｍ＝Ｍｎ（Ⅱ）,Ｃｕ（Ⅱ）,Ｆｅ（Ⅲ）〕（简写α－ＳｉＷ９Ｍ３,以下类同）和α－Ｎａｎ〔ＳｉＷ１１ＭＯ３９（Ｈ２Ｏ）〕·１８Ｈ２Ｏ,在室温下,α－ＳｉＷ９Ｆｅ３的电导率σ值可达１０－３Ｓ·ｃｍ－１,３４３Ｋ时可达１０－２Ｓ·ｃｍ－１,表明是一类新型高质子导体,磁分析表明,α－ＳｉＷ９Ｍ３具有磁性．     

ICP—AES法同时测定龙珠茶中多元素

用ＩＣＰ－ＡＥＳ法同时测定龙珠茶中１１种元素，对分析线的选择、酸效应和基体干扰等进行实验研究，方法简便可靠，回收率９４％－１０５％；相对标准偏差小于５％。     

钨硅杂多化合物的导电性

本文合成了过渡金属取代的钨硅杂多配合物a－SiW11M（M=Fe3 、Ni2 、Cu2 ），并通过红外、紫外、ICP一DTA、EPR、183WNMR、XPS等手段进行表征。电导率结果表明，该类化合物是一类未见文献报道的新型高质子导体。     

ICP—AES法测定绿豆中的微量元素

本文利用电感偶合等离子体原子发射光谱技术(ICP-AES),采用连续多元素法,对十二种不同品种的绿豆中人体所需的九种微量元素进行了测定和研究。对比了绿豆测定中的两种处理方法,并对测定结果进行了统计处理,相对标准偏差在0.5-10％之间。     

FI—ICP—AES标准加入法的研究及其应用

对流动注射－等离子体原子发射光谱（ＦＩ－ＩＣＰ－ＡＥＳ）中的标准加入法进行了研究，并应用于生物试样中多种微量元素的同时测定，对流动注射的工作条件（如载液流速、传输管长度），进样体积，曝光时间等）进行了详细考察，并对合并带标准加入法和反相标准加入法作了比较和评价，实验结果表明，本法具有作简便、消除基体效应，所用试样少，精密度和准确度好以及分析效率较高等优点，该法用于（ＧＢＷ０８５０１）桃叶标样和中草     

ICP—AES法测定山西食醋中的十二种元素

用ICP—AES技术,同时测定了三种食醋中十二种元素的含量。研究和对比了食醋测定中两种处理方法,并对共存元素干扰和回收率等项作了探讨。     

氧化铝中杂质元素的ICP—AES分析方法研究

研究了采用压力溶弹盐酸溶解氧化铝，利用电感耦合等离子体发射光谱同时测定氧化铝中多种杂质元素的分种杂质元素的分析方法，该方法一次溶样，可同时测定氧化铝中的全部待测杂质元素，简便快速，灵敏度高，准确性好，适用于氧化铝中杂质元素的快速分析。     

六种贵金属取代杂多化合物的制备、表征和初步催化研究

用取代法制备了十二钼锗（硅）酸的Ｐｄ,Ｉｒ,Ｒｕ取代化合物,由ＩＲ,ＵＶ及ＥＰＲ方法测定表明,产物仍保持了其母体化合物的Ｋｅｇｇｉｎ结构,同时Ｐｄ,Ｉｒ,Ｒｕ等贵金属阳离子确定取代了Ｋｅｇｇｉｎ结构中的一个Ｍｏ原子,电化学研究表明Ｒｕ,Ｉｒ取代了母体化合物中的１个Ｍｏ后,多酸母体上的氧化－还原可逆性增强,而Ｐｄ取代化合物由于在电极上的吸附作用使其电化学行为不能被清晰观察到,对上述化合物初步的催化研     

钨砷系列杂多蓝的研究Ⅱ——1：11钨砷双系列稀土杂多蓝

利用控制电位电解的方法合成了４种未见文献报道的杂多蓝，Ｋ１１Ｈ２〔Ｌｎ（ＡｗＷ１Ｏ３９）２〕·ｘＨ２Ｏ（Ｌｎ＝Ｌａ，Ｃｅ，Ｐｒ，Ｎｄ），并利用等离子体原子发射光谱等对其进行了元素组成的分析，利用ＩＲ、ＵＶ、极谱，光电子能谱，电子顺磁共振，热重差热等测试手段，对其结构和性质进行了研究。     

电感耦合等离子体光谱法测定铜粉中8种元素

以(3+1)的HCl+HNO320m L溶解样品,采用电感耦合等离子体原子发射光谱法测定铜粉中8种杂质元素。通过实验选择各元素最佳分析谱线,并对基体干扰及共存元素间的干扰进行探讨。在选定的实验条件下,方法的检出限[1]为0.0003~0.004ng/m L,样品加标回收率为97~106%,工作曲线回归系数为0.9998~1.0000。此方法对铜粉的分析测定值与原子吸收法、滴定法等方法的测定结果相一致,相对标准偏差为0.50~2.9%。该技术大大提高了分析检测的速度,降低了劳动强度,精密度、准确度较高,适合铜粉中杂质分析检测。     

入境废塑料17种重金属元素含量检测分析

为了研究入境废塑料中重金属元素的含量情况,在宁波口岸抽取了16个样品,检测了17种重金属元素的含量。结果表明,抽取的入境废塑料中含有一种或多种重金属元素,其中铝、铅、钡等重金属元素的含量较高。废塑料中的重金属会带入到再生利用制品中,目前检验检疫标准中也没有对入境废塑料中重金属元素含量进行明确规定。文章对宁波口岸入境的废塑料进行重金属元素检测分析,供有关部门建立相应标准作参考。     

针对高级数据加密标准的最大差分功耗分析

在讨论AES功耗模型的基础上,提出了一种新的最大差分功耗攻击(MDPA)的方法.算法对被攻击的部分明文用猜测的密钥进行变换,采用差分的方法去除噪声,比较由变换后的明文和正确密钥产生的一组功耗值,通过寻找最大功耗值得到正确的密钥.采用MDPA方法和相关功耗分析的方法对AES进行了仿真攻击实验,结果证明了本文所提方法的有效性,同时也显示MDPA方法能够以合理的攻击代价显著增强相关功耗分析攻击的效果.     

ICP-AES同时测定土壤中的环境有效态铅和锰

建立了电感耦合等离子发射光谱(ICP-AES)同时测定土壤中可利用的环境有效态铅(Pb)和锰(Mn)的方法.采用王水-高氯酸体系消解土壤样品,考察了ICP-AES实验条件对检测结果的影响,以220.353、257.610nm波长分别测定Pb和Mn的含量,选择延迟时间30s,射频功率1.3kW,雾化器流量0.8L/min,泵流速1.5mL/min,轴向观测位,作为ICP-AES测定土壤样品的条件.结果表明,建立的方法简便可靠,可测定土壤中Pb和Mn的有效态含量,可用于评价土壤中Pb、Mn的污染程度.     

不同季节绿茶中金属元素含量的主成分分析

用主成分分析对山东省不同季节绿茶中金属元素特征进行了研究,以金属元素Fe,Zn,Ca,Mg,Cu为评价指标,对山东省不同季节绿茶质量进行了综合评价。结果表明,春天所采摘茶叶综合评价最高,秋天最差,这与市场上春茶质优价高是一致的。     

血清金属元素含量与缺血性脑血管病相互关系探讨

对缺血性脑血管病（ＩＣＶＤ）患者血清Ｚｎ、Ｃｕ、Ｃｒ、Ｍｇ元素进行测定,结果表明患者血清Ｃｕ、Ｃｒ、Ｍｇ含量比对照组低,Ｚｎ含量和Ｚｎ／Ｃｕ比值比对照组高,测定患者Ｚｎ／Ｃｕ比值较测定单一元素Ｚｎ、Ｃｕ更有意义。     

黄芩中多种金属元素含量测定及其初级形态分析

采用湿法硝解法对黄芩样品进行预处理,利用电感耦合等离子体质谱法(ICP-MS)测定了河南及甘肃2个不同产地的黄芩样品中的28种人体必需或有害的金属元素,结果表明黄芩中含有多种金属元素,不同产地黄芩中金属元素种类基本相同,不同金属元素含量差异较大,变化范围在0.1μg.g-1(Se)～5 277μg.g-1(Mg)(河南产黄芩).进一步以溶出率为指标对黄芩样品中金属元素初级形态进行了分析,结果表明不同金属元素的溶出率不同,多数在30%以下,但多种金属元素的可溶态在85%以上,说明金属元素在黄芩中可能与其他有机化合物成分形成配合物,其与有机配体形成配合物的稳定性决定了其溶出率的大小,其中可溶态较大的金属元素则可能以自由离子的形式或与某种低分子量配体结合的形式存在由于颗粒小,易通过滤膜而较易被人体吸收.黄芩中金属元素含量及其初级形态分析的研究结果可以为多种中成药制成冲剂、汤剂提供金属元素含量与形态方面的相关信息.     

ICA特征提取技术在背景噪声建模与分析中的应用

应用infomax学习规则对船舶辐射噪声信号进行独立成分分析(ICA)特征提取,并证明了ICA变换能增强信号的非高斯性.在此基础上,根据稀疏编码的特性,利用阈值化的方法将船舶辐射噪声信号有效去噪.通过对含有海洋环境噪声的船舶辐射噪声信号的去噪实验,证明了本方法的有效性,并且去噪结果明显优于传统的几种去噪方法.     

独立成分分析-支持向量机回归模型及其在近红外光谱分析中的应用

首先采用独立成分分析(ICA)提取近红外光谱数据矩阵的独立成分和相应的混合矩阵,然后用支持向量机回归(SVR)对混合矩阵和实测浓度矩阵进行建模,建立了独立成分分析-支持向量机回归(ICA SVR)的近红外分析建模方法.结果表明,ICA SVR模型的预测结果明显优于SVR和偏最小二乘法(PLS)方法,方法用于肉样品中水分、脂肪和蛋白质的同时测定,获得了满意的结果.     

氨基酸主成分分析法及在蛋白质结构预测中的应用

用化学计量学的主成分分析(PCA)法计算和分析了4种类型(α型、β型、α／β型和α β型)204个蛋白质的20种氨基酸在主成分中的贡献．研究发现，20种氨基酸在4种类型蛋白质的主成分中的贡献有明显的不同．氨基酸在主成分中的贡献体现了4种类型蛋白质的结构特征，有深刻的物理和化学的内在原因．我们把氨基酸的主成分分析法应用于蛋白质结构类型的预测，对4种类型的蛋白质都取得了满意的结果．使用LOO(leave one out)检验法，4种类型蛋白质的预测正确率分别为：76．9％(α型)、96．7％(β型)、82．2％(α／β型)和78．39／5(α β型)，204个蛋白质的整体正确率为84．3％，高于以氨基酸组成为基础的简单距离和欧几里德距离等方法．