【摘 要】
：
为了满足现场批量检测的需求,基于拉曼光谱建立了多元校正模型,实现了烟草中绿原酸和芸香苷含量的预测.120个烟草样品(包含90个校正集样品和30个验证集样品)用50％(体积分数)甲醇溶液萃取后注入拉曼光谱液体池中,在325 nm激发波长下采集800～2000 cm-1内的拉曼光谱,采用Savitzky-Golay卷积平滑法预处理所得原始拉曼光谱,用Monte-Carlo交互检验法选择隐变量数目,并在1555.8～1652.9 cm-1波段内建立偏最小二乘法(PLS)多元校正模型,以避免绿原酸和芸香苷拉曼光谱
【机 构】
：
华东理工大学 化学与分子工程学院 上海功能性材料化学重点实验室,上海 200237;上海烟草集团有限责任公司 烟草行业卷烟烟气重点实验室,上海 201315;上海烟草集团有限责任公司 烟草行业卷烟烟气
论文部分内容阅读
为了满足现场批量检测的需求,基于拉曼光谱建立了多元校正模型,实现了烟草中绿原酸和芸香苷含量的预测.120个烟草样品(包含90个校正集样品和30个验证集样品)用50％(体积分数)甲醇溶液萃取后注入拉曼光谱液体池中,在325 nm激发波长下采集800～2000 cm-1内的拉曼光谱,采用Savitzky-Golay卷积平滑法预处理所得原始拉曼光谱,用Monte-Carlo交互检验法选择隐变量数目,并在1555.8～1652.9 cm-1波段内建立偏最小二乘法(PLS)多元校正模型,以避免绿原酸和芸香苷拉曼光谱在1600 cm-1附近的光谱重叠干扰.结果显示,所建绿原酸和芸香苷模型的预测均方根误差(RMSEP)分别为0.88和0.67,预测集决定系数(R2p)分别为0.948和0.970,说明基于拉曼光谱和PLS所建模型,可以对烟草中多酚类化合物绿原酸和芸香苷含量实现准确可靠的预测.
其他文献
分别采用高效液相色谱法(HPLC)和紫外-可见分光光度法(UV-Vis)测定不同采收期(1～12月)土党参中党参炔苷、总多糖、总黄酮含量,并用总评归一化法确定其最佳采收期.在土党参样品中加入甲醇,超声提取40 min,过0.45μm滤膜,用HPLC测定滤液中的党参炔苷含量.在土党参样品中加入80％(体积分数)乙醇溶液,回流2次,每次1 h,过滤后,滤渣以水为介质在微波炉中消解2次,每次5 min,稀释后加入50 g·L-1苯酚溶液和硫酸,于100℃水浴加热10 min,冰水浴中冷却20 min,用UV-V
用油墨打样机模拟实际印刷过程,以油墨定量仪控制胶印紫外光固化油墨的用量,制成了具有一定厚度的油墨样品.在剪碎的样品中加入乙腈和氘代蒽内标溶液,超声40 min.上清液经体积比3:7的正己烷-乙酸乙酯混合溶液萃取后,用装有150 mg无水硫酸镁、50 mg C18和50 mg N-丙基乙二胺的净化管净化.离心,取上清液过0.45μm滤膜,所得滤液以40:1的分流比进样,在DB-5MS石英毛细管色谱柱(30 m×0.25 mm,2.5μm)上以程序升温条件分离其中10种光引发剂,并用质谱仪检测.结果显示:10
基于全二维气相色谱-四极杆飞行时间质谱法(GC×GC-QTOFMS)比较顶空-固相微萃取法(HS-SPME)和同时蒸馏法对砂仁中挥发性成分的提取效果.将样品四分法缩分、过筛后,分别用同时蒸馏法和HS-SPME(平衡温度设置为50℃,平衡、萃取时间分别设置为5,50 min)提取,用GC×GC-QTOFMS测定,用SIMCA 14.1和SPSS17.0软件进行主成分-判别分析(PCA-DA)和正交偏最小二乘法-判别分析(OPLS-DA),以确认两种方法的产地和批次鉴别能力以及区分两种方法的差异性成分.结果显
取10.00 g样品,加入20 mL二乙烯三胺五乙酸-氯化钙-三乙醇胺(DTPA-CaCl2-TEA)浸提剂(DTPA、CaCl2、TEA的浓度分别为0.005,0.01,0.1 mol·L-1,酸度为pH 7.3±0.2),置于恒温振荡箱中,于(20±2)℃以180 r·min-1振荡2 h,以提取有效铜、锌、铁、锰、硫.用滤纸过滤,采用电感耦合等离子体原子发射光谱法进行测定.结果显示:铜、锌、铁、锰、硫的质量浓度均在一定范围内与其对应的发射强度呈线性关系,检出限(3.143s)分别为0.01,0.02
针对采用团体标准T/CBMF 49-2019&T/CWA 301-2019测定沥青基耐根穿刺防水卷材中聚合物类阻根剂含量分析时间长(约12 h)、检出率低等问题,提出了题示方法.取1 g样品,加入25 mL甲基叔丁基醚,在室温下超声溶解30 min后加入25 mL乙醇,超声萃取15 min,用0.45μm疏水聚四氟乙烯(PTFE)滤头过滤,用高效液相色谱法(HPLC)测定滤液中游离4-氯-2-甲基苯氧基丙酸(MCPP酸)质量分数(w游).另取1 g样品,加入甲基叔丁基醚25 mL,在室温下超声溶解30 m
基于硅钼黄法,以高温消解-分光光度法测定稠油采出水中活性硅、胶体硅、吸附硅、溶解性有机硅、颗粒硅等5种硅形态的含量(均以二氧化硅计).取水样10.00 mL,分别按照以下步骤试验:① 水样过聚四氟乙烯(PTFE)滤头,加入盐酸溶液,并用400 g·L-1四水合酒石酸钾钠溶液1 mL和250 g·L-1一水合草酸钾溶液1 mL掩蔽Fe3+和PO43-的干扰(总铁和总磷质量分别小于3000,250μg时适用),在试验组中加入仲钼酸铵用于显色反应(色度补偿组加入氯化铵),以水为参比,在400 nm处测定显色体系
加热不燃烧卷烟(HNB)烟丝样品经干燥、搅碎和过筛后,分取0.1 g置于锥形瓶中,加入0.05 mol·L-1盐酸溶液50 mL,超声提取20 min,离心.分取5 mL上清液,定容至50 mL,采用火焰原子吸收光谱法(FAAS)测定其中钙和钠含量;分取1 mL上清液,用水定容至100 mL,用FAAS测定其中钾和镁含量.结果显示,钾、钙、钠、镁的质量浓度均在一定范围内与其对应的吸光度呈线性关系,检出限(3s/k)分别为0.50,0.08,0.02,0.02 mg·kg-1;对实际样品进行6次平行测定和3
提出了热脱附-气相色谱-质谱法测定稀土萃取分离车间固定污染源废气中18种挥发性有机化合物(VOCs,包括1,1-二氯乙烷、1,2-二氯乙烯、1,1,2-三氯乙烷、甲苯、1,2,4-三甲基苯、苯、三氯乙烯、四氯乙烯,C7～C16等10种正构烷烃)含量.将采样器与2只串联的吸附管(装载有2种石墨化碳黑和1种碳分子筛)连接,于固定污染源排气口以50～65 mL·min-1采样速率采集样品50 mL,密封吸附管,置于热脱附仪上,按照优化的仪器工作条件测定收集的气体中的18种VOCs含量(苯和四氯乙烯含量为2只吸附
卷积神经网络(CNN)在光学图像分类领域中得到广泛应用,然而,合成孔径雷达(SAR)图像样本标注难度大、成本高,难以获取满足CNN训练所需的样本数量.随着SAR仿真技术的发展,生成大量带标签的仿真SAR图像并不困难.然而仿真SAR图像样本与真实样本间难免存在差异,往往难以直接支撑实际样本的分类任务.为此,该文提出了一种基于无监督域适应的仿真辅助SAR目标分类方法,集成了多核最大均值差异(MK-MMD)和域对抗训练,以解决由仿真图像分类任务迁移到真实图像分类任务中的域偏移问题.进一步使用逐层相关性传播(LR
增材制造也叫3D打印,是这几年的新兴产业,能满足个性化以及形状复杂产品制造需求[1].铝合金以其优良的物理、化学及加工性能,在传统铸造、锻造行业中被加工成各种性能的产品,广泛应用于航空航天、交通运输等领域[2-3].随着增材制造技术的成熟,铝合金粉末成为制造工艺复杂产品的常见原材料[4],成型工艺主要为激光熔融.