用人工神经网络-近红外光谱法测定毛竹中木质素与综纤维素的含量

近红外光谱结合反向传播的人工神经网络(back propagation artificial neural network,BP-ANN)技术预测了毛竹中木质素与综纤维素的含量.用常规湿化学方法测定了54株毛竹样品的木质素含量以及53株毛竹样品的综纤维素含量.用近红外光谱仪采集相应的光谱,为了提高信噪比和计算速度,对原始近红外光谱进行平滑、压缩、归一化预处理.利用预处理后的近红外光谱数据建立BP-ANN模型.在模型建立过程中采用Leave-n-out交叉验证法优化了隐含层神经元的个数,学习率,动量因子和学习次数.优化的BP-ANN模型用于预测测试集中9个毛竹样品中木质素与综纤维素的含量,预测均方根误差分别为0.88%、1.40%.结果表明,应用毛竹的近红外光谱数据和BP-ANN技术,可以用于预测木质素和综纤维素的含量,基本能满足定量分析的要求.     

CoMFA,CoMSIA,HQSAR方法研究四氢异喹啉衍生物的定量构效关系

应用比较分子场分析法(CoMFA)、比较分子相似性指数法(CoMSIA)和伞息定量构效关系法(HQSAR)对21种四氢异喹啉类选择性雌激素受体调节剂进行了定量构效关系研究.分别考察了不同的叠合方法对场分析方法(CoMFA和CoMSIA)、不同场的组合方式对CoMSIA、不同的碎片参数对HQSAR模型构建的影响.根据CoMFA和CoMSIA模型的等值线图、HQSAR模型的原子贡献图,提出了改进四氢异喹啉类选择性雌激素受体调节剂选择性的方法,为合成新型药物分子提供理论支持.     

Director软件在仪器分析MCAI中的应用

利用Director软件开发了多媒体计算机辅助教学(MCAI)课件,动态再现了液相色谱的分析过程,更好地帮助学生理解和掌握分析仪器的工作原理和工作流程,达到了良好的教学效果.     

《过程分析化学》教学内容探讨

过程分析化学是一门与实际生产过程密切相关的课程,在我国大学开设该课程的学校尚不多,我们于2010年为本科生开设了《过程分析化学》选修课。本文对该课程的教学内容设置和目前存在的问题进行了讨论,并提出了解决这些问题的方案。     

用概率神经网络对多环芳烃的致癌性分类

通过对多环芳烃的分子表面积、代谢活性区域中心碳原子的离域能、亲电活性区域中心碳原子的离域能以及分子脱毒区的总数的研究发现它们与致癌性有很大关系 .因此利用这四个参数作为网络的输入 ,用已知致癌性的 6 4个样本做训练集建立概率神经网络 ,对 13个样本的致癌性进行了预测 ,其结果优于以前工作的自组织网络的分类结果 .致癌性按高 (h)、低 (l)、非 (n)分类时预言准确率达 10 0 % .     

近红外光谱定量预测奶粉中三聚氰胺的含量

近红外光谱技术(NIRS)结合偏最小二乘算法(PLS)建立了奶粉中三聚氰胺含量的定量分析模型.采用二阶导数光谱建立模型,最有效的波长范围为4000.63~6803.63 cm-1和6800~9700 cm-1,最优模型的定标模型的相关系数(R)为0.9999,定标标准分析误差(SEC)为1.43%,预测相关系数(R)达到0.9284,预测标准分析误差(SEP)为1.03%,模型具有较好的预测效果.研究表明近红外光谱检测技术可用于奶粉中三聚氰胺的定量分析.     

定量构效关系研究进展及其应用

定量构效关系是目前国际上一个比较活跃的研究领域.本文简要介绍了定量构效关系的发展历史及定量构效关系研究中常用方法等,其中较为详细地介绍了三维定量构效关系中广泛应用的CoMFA方法.综述了定量构效关系在环境污染物分析以及在农药、医药设计中的应用,并对定量构效关系研究的发展趋势进行了展望.