拉曼光谱和近红外光谱在小麦粉品质定量分析中的应用

应用拉曼光谱分析技术结合最小二乘法,应用近红外光谱技术结合偏最小二乘法,以及现有的小麦粉光谱数据,对小麦粉进行采集光谱信息,选择最优的光谱预处理方法,分别建立了水分、灰分、面筋的定量模型,并验证了模型的可行性.实验分析表明,近红外光谱技术建立的模型比拉曼光谱分析技术建立的模型效果要好.     

碳纳米管的拉曼光谱定量分析研究

拉曼光谱分析技术具有对样品无破坏、用量少等独特优点．本文用拉曼光谱技术对碳纳米管进行研究，获得了高质量的单壁碳纳米管拉曼谱．并通过单壁碳纳米管的“G”峰和聚苯乙烯拉曼特征峰的积分强度的变化，对不同组分的单壁碳纳米管／聚苯乙烯复合物进行了定量成分分析．实验结果表明，拉曼光谱技术的分析结果同该复合物的原始配比一致．     

拉曼光谱对血红蛋白浓度的定量分析

研究探讨了生物样品-血红蛋白的拉曼光谱定量测定方法,分别探讨了血红蛋白的4个特征谱峰,1 356 cm-1、1 471 cm-1、1 546 cm-1、1 608 cm-1用于定量分析的可行性和定量结果的精确性,提出了在确保血红蛋白完全处于去氧态或氧合态时选取ν4谱线如1 356 cm-1谱带做定量分析的精确度最高,其相对误差仅为0.058 7,从而使对生物样品进行快速、准确、无损的定量测定成为可能,拓展了拉曼光谱的应用领域.     

基于神经网络内模控制的近红外光谱定量分析方法

以近红外光谱法为基础测定方法,结合内模控制,论述了采用自适应神经网络建立校正模型测定石油化工产品组成的可行性.基于dSPACE硬件平台,实验以直馏柴油、加氢精制柴油和催化裂化柴油为校正模型的训练样本,对自适应神经网络校正模型进行了检验,实验结果表明:该方法响应快、误差小、鲁棒性强,在近红外长波区内,校正样品和验证样品的均方误差小于10-6.     

用近红外光谱定量分析混纺毛织品中羊毛的质量分数

运用近红外漫反射光谱技术定量分析羊毛/染色粘胶混合样中羊毛的质量分数,标样集中近红外预测值与实际值之间的相关系数是0.982;对待测样品检验结果:预测值变异系数CV为4.1％,令人满意。表明该方法有望成为一种快速的、非破坏性的定量分析混纺织物的手段。     

多维标度和随机森林应用于汽油近红外定量分析

随机森林(RF)回归应用于汽油辛烷值的近红外定量模型的波长优选。提出的双中心指标多维标度(DC-MDS)方法能够有效地找到定标和预测样品集的合理划分。RF回归建模的过程中选择采用较大的决策树数量(nTree=500),避免建模过程发生拟合,进一步调试并选择最优的分裂变量数(mtry=130);最后在最优参数的RF建模过程中提取具有最大贡献的30个信息波长,为汽油辛烷值的测定建立离散波长的近红外定量分析模型;其预测决定系数为0.971,预测均方根偏差为0.219%。结果表明,RF回归具有应用于汽油辛烷值近红外定量测定的潜力。     

甲醇汽油的理化性能

本章将分析甲醇汽油的理化性能、理化技术指标要求,评价甲醇汽油使用性能及分析存在的问题。     

激光拉曼光谱及其应用进展

综述了近年来激光拉曼光谱的几种分析技术及其应用,涉及到的激光拉曼光谱有傅立叶变换拉曼光谱、表面增强拉曼光谱、激光共振拉曼光谱、高温激光拉曼光谱、激光拉曼显微及激光拉曼遥测技术等。     

苯和四氯化碳混合液的激光拉曼光谱研究

文章使用LRS-Ⅲ型激光拉曼光谱仪,以苯和四氯化碳为例,通过对它们自身及其不同体积比混合液的拉曼光谱研究及分析,定量得出苯和四氯化碳的体积比和其特征峰强度的关系,根据工作曲线,可以得出苯和四氯化碳的含量.     

近红外光谱-偏最小二乘法无损定量分析异烟肼片

应用近红外漫反射光谱结合偏最小二乘法, 对异烟肼片中异烟肼的含量进行分析, 建立了近红外光谱数学校正定量分析模型, 其对校正集样品的交互验证均方根误差(RMSECV)为0.00632. 对预测集样品的预测均方根误差(RMSEP)为0.00603; 回归系数为0.99456;加样平均回收率为99.772%. 重现性实验相对标准偏差(RSD)为0.526%. 结果表明, 该方法预测精度高, 且具有方便快捷、 非破坏、 无污染、 可在线检测和重现性好等优点.     

用近红外反射光谱检测方便面的含油率

探讨了用近红外反射光谱快速无损检测方便面含油率的可行性，分别采用归一化、一次求导及二次求导处理原始光谱数据，用５７６９ｃｍ－１、３５７８ｃｍ－１、５３９１ｃｍ－１和８３１５ｃｍ－１处的一次求导数值与方便面的含油率进行四元一次回归时，方程的复相关系数为０．９２，与标准化学分析相比，平均相对误差２．９％．结果表明ＮＩＲ光谱法在实际应用中能满足方便面含油率的测定精度     

近红外光谱-偏最小二乘法测定三元混合物中甲醇和乙醇的含量

应用偏最小二乘法建立了甲醇、 乙醇和水三元混合体系近红外光谱的校正模 型, 采用交互验证方式对模型精度进行检验. 通过选取波长, 使所建模型中甲醇测定相关 系数r达到0.999　91, 交互验证均方根误差(RMSECV)为0.431, 乙醇的r 达到0.999 98, RMSECV为0.193.　用所建模型测定样品, 与气相色谱法 分析结果相近, 相对误差小于3.505％.     

短波近红外光谱-偏最小二乘法对食醋中总酸含量的无损定量分析

将短波近红外光谱技术与偏最小二乘法（PLS）结合,对食醋中的总酸含量进行快速、无损定量分析,建立了最佳数学校正模型．讨论了光谱预处理方法和主成分数对PLS模型预报精度的影响．研究表明,采用一阶导数预处理光谱建立的数学校正模型能够得到最佳的预报结果,在对预测集8个样本中总酸的含量进行预报时,所得的集相对标准偏差为1．386％．实验结果表明,该方法方便快捷,并且具有较高的预报精度,可以用于食醋中总酸含量的测定．     

甲醇和乙醇的激光喇曼光谱

采用激光喇曼方法,对甲醇和乙醇液体样品进行了喇曼光谱研究,得到了上述样品的喇曼光谱,并对其进行了归属.经过分析比较,给出了检测甲醇的特征谱线,为假酒鉴别、深入研究甲醇和乙醇的能级结构等提供了可供借鉴的参考.     

采用近红外漫反射光谱法分析牛奶成分

为提高牛奶成分化学分析的效率，研究了近红外漫反射光谱在牛奶主要成分分析中的应用；讨论了光在牛奶中的传播方式和相关测量方法的选择；采用偏最小二乘(PLS)建立校正模型，比较了各种预处理方法和不同谱区的建模效果，其中脂肪的相关系数为0．99，标准偏差为0．048 g/dL，蛋白质的相关系数为0．92，标准偏差为0．102g/dL结果表明，近红外漫反射光谱测量可以满足牛奶主要成分的测量要求。     

基于近红外光谱的透平油微量水分检测

传统的石油产品水分检测存在试剂有毒、操作复杂、测量时间长、受环境影响大、满足不了在线快速检测等问题;在此利用近红外光谱快速测定透平油中微量水分,利用关联向量机对测定的光谱数据进行建模,实验结果表明:最大绝对误差和均方根误差分别为20.99×10-6(V/V)、11.11×10-6(V/V),说明该模型具有较高的预测能力,对实现透平油微量水分的快速检测具有重要意义。     

基于近红外光谱技术的葵花籽品质分析

葵花籽作为国内需求量很大的油料作物,常用的化学检测方法虽然准确性高,但是时间久,破坏样本完整性,难以实现快速检测。为了研究近红外光谱法快速无损检测葵花籽中蛋白、脂肪及水分含量的准确性,本文使用454份葵花籽样本近红外光谱数据及蛋白质、水、脂肪三个含量信息为测试对象,随机选取其中383份作为测试集,71份作为验证集,对测试集使用不同的预处理方法之后分别进行PLS和BP神经网络建模,并通过验证集对模型进行预测分析。结果发现:(1)PLS模型预测中发现小波变换的预处理方法对蛋白质含量的预测最好RMSECV=0.343,RMSEP=0.296,小波变换的预处理方法对水分含量的预测最好RMSECV=0.299,RMSEP=0.354,标准化的预处理方法对脂肪含量的预测最好RMSECV=0.285, RMSEP=0.316;BP神经网络预测中一阶导数+均值中心化对蛋白质含量的预测最好RMSEP=0.341,一阶导数对水分含量的预测最好RMSEP=0.329,一阶导数+标准化对脂肪含量的预测最好RMSEP=0.312。(2)BP神经网络模型与PLS模型预测对比发现,PLS模型预测精度要高于BP神经网络模型。     

乙醇和甲醇混合液激光拉曼光谱研究

用激光拉曼光谱的方法对乙醇和甲醇混合液进行了研究，依据混合液中甲醇含量增加引起拉曼光谱形貌变化的规律，对无水乙醇拉曼光谱的某些振动模式提出了新看法。研究结果表明，利用激光拉曼光谱的方法对无水乙醇中混有甲醇时进行快速检验是简单易行的。本研究给出了标志甲醇存在的光谱特征，这在假酒的鉴别中有一定的实用价值。