苏北盆地泰州组原油中芴系列的特征与意义

 苏北盆地是中国东部唯一发现的上白垩统自生自储工业油藏的盆地。通过分析上白垩统泰州组20个油砂和1个原油样品芳烃化合物,发现芳烃馏分以三芳甾烷系列为主,指示母质沉积水体咸化和原油低成熟。来源于高等植物的生物标志物丰度低,反映原油母质以腐泥型为主。芳烃各组分相对含量、三芴系列相对含量和比值、二苯并噻吩/菲等参数反映了原油母质总体形成于强还原的咸水环境,不同地区的还原性存在差异。海安凹陷和高邮凹陷北坡的泰州组原油同属一族群,而吴堡低凸起泰州组原油属于另一族群。利用甲基二苯并噻吩比值换算的镜质组反射率（R_o）,推测海安凹陷泰州组原油来源于泰州组未-低熟烃源灶,高邮凹陷北坡的泰州组原油来源于就近泰州组的低熟烃源灶,而吴堡低凸起泰州组原油来源于邻区高邮深凹成熟的阜宁组烃源灶。研究结果对指导油气勘探具有实际意义。     

多氮含能材料的研究概述

对国内外多氮含能化合物的研究以及应用进行了综述,介绍了多氮含能化合物中具有代表性的全氮含能化合物、叠氮含能化合物及高氮含能化合物在实验和理论研究方面的进展,评价了一些可以作为含能材料候选物的多氮化合物的理化性能,为此类化合物的分子设计提供了参考.     

广西红树植物化学成分及生物活性研究进展

基于文献检索,概述了广西沿海的真红树植物：木榄（Bruguiera gymnorrhiza）、海漆（Excoecariaagallocha）、桐花树（Aegiceras corniculatum）、秋茄（Kandelia candel）、老鼠勒（Acanthus ilicifolius）、榄李（Lumnitzera r...     

九头狮子草红色素β—CD包合物理化性质研究

文章报道了β-CD对九头狮子草红色素的包合方法,研究了β-CD红色素液的热稳定性、光稳定性、耐氧化还原性和pH值稳定性,并就食品中常见的几种金属离子和常用添加剂对β-CD红色液稳定性的影响进行了探讨。结果表明,采用β-CD包合九头狮子草红色素后使色素的化学稳定性明显改善,使九头狮子草红色素运用于食品生产成为可能。     

莓叶委陵菜黄酮与三萜类成分提纯与HPLC条件的初步研究

在适宜的工艺条件下,即采70%乙醇,料液比为1：25,5次回流,水浴回流时间为2h,对莓叶委陵菜（Potentilla fra-garioides）中黄酮类、三萜类化合物进行了粗提取,经大孔树脂纯化,得到精制黄酮类、三萜类化合物溶液。然后探究其高效液相色谱分析的条件并在此条件下进行定性定量分析。结果表明：在流动相为乙腈和0.2%冰醋酸（体积比60：40）,流量为1.0mL/min,检测波长为280nm的色谱条件下,样品溶液与标准溶液的峰均较好,且峰形对称,芦丁和熊果酸有不同的Rf值,说明两者在此条件下可以很好的分离。该方法测定简便,分离效果好,重复性好,灵敏度高。     

植物乳杆菌燕麦酸面团发酵面包风味化合物的特征

应用固相微萃取技术(SPME)和气相色谱-质谱联用技术(GC-MS)分别对普通小麦面包、普通燕麦面包(含质量分数为20%燕麦粉)、燕麦酸面团面包(用10%燕麦酸面团取代燕麦面包中10%的燕麦粉)以及燕麦酸面团冷冻干燥(冻干)粉面包(用10%燕麦酸面团冻干粉取代燕麦面包中10%的燕麦粉)中的挥发性风味物质进行研究,考察植物乳杆菌燕麦酸面团发酵剂及其冻干工艺对面包风味的影响.结果表明:所有样品中共检测出57种风味物质,主要包括醇类、酸类、醛类、酯类、酮类、脂肪烃类,以及一些芳香族和杂环类化合物.醇类物质的含量最高,其次是芳杂环类、醛类和酸类物质.与普通小麦面包相比,添加燕麦粉面包的风味物质种类更多;甲苯、庚醇、1,3-丙二醇二乙酸酯、辛酸共同存在于3种燕麦面包中,而在普通小麦面包中未检测出.冻干过程中会丧失一些风味物质或风味前体物质,与燕麦酸面团冻干粉面包相比,燕麦酸面团面包中含有一些独有风味物质,分别是双乙酰、2-戊酮、庚酸乙酯、2-乙酰基噻唑、香叶基丙酮.     

紫花地丁花提取物的分离鉴定

采用超声波对紫花地丁花进行提取,结合薄层色谱和柱色谱对提取物进行分离,并用紫外光谱仪进行了初步测定,确定了其中部分分离产物。主要包括黄酮类、香豆精类、饱和脂肪酸类等。     

共沉淀法合成Mg-Al-类水滑石影响因素研究

混合共沉淀法制备类水滑石(HTlc)纳米粒子时,其粒径及粒径分布会受到多种因素的影响。本文采用正交设计法研究了Mg-Al-HTlc纳米粒子的合成,比较了胶溶时间、胶溶温度、碱用量及老化时间对晶胞参数、粒径及粒度分布的影响及作用。各因素对平均粒径影响顺序为:胶溶温度>老化时间>胶溶时间>碱用量。各因素对粒度分布影响顺序为:碱用量>胶溶温度>老化时间>胶溶时间。单分散HTlc纳米粒子最佳制备条件为:胶溶时间48 h,胶溶温度100℃,碱用量nNH3.H2O/(2n(Mg2+)+3n(Al3+))=1,老化时间45 min。     

基于分层时序模型的步态识别算法

以隐马尔可夫模型和动态纹理模型为代表的动态贝叶斯网是描述步态序列的重要方法,但都存在一些不足之处.提出了一种新的动态贝叶斯网——分层时序模型,该方法采用分段线性逼近非线性和用各段的动态纹理模型作为隐状态,将隐马尔可夫模型和动态纹理模型做了结合,充分发挥了其优势.该方法在CMU Mobo步态数据库和CASIA步态数据库B上做了评估,结果充分显示了分层时序模型的高性能.