基于双咪唑基柔性配体的一维链状铜(Ⅰ)、钴(Ⅱ)配合物的合成、结构和性质

柔性配体1,4-二亚甲基咪唑-2,3,5,6-四甲基苯(p-bitmb)与不同金属盐发生水热反应,得到两个新的配位聚合物{[Cu(Ⅰ)2Cl(p-bitmb)2][Cu(Ⅰ)Cl2]·H2O}n(1)和[CoCl2(p-bitmb)]n(2)。用单晶X-射线,元素分析,FTIR,热重分析对两个化合物进行了表征。配合物1和2都具有一维链状结构,但1中的一维链进一步通过π-π堆积和氢键作用拓展成二维超分子结构。值得注意的是配合物1合成过程中的Cu(Ⅱ)被还原为Cu(Ⅰ),推测是由于在高的合成温度下被具有还原性的咪唑环还原引起的。     

小尺寸铜团簇冷却与并合过程中结构变化的原子尺度研究

研究Cu_N（N=57,58,59）熔融铜团簇在冷却过程以及300 K时两个具有二十面体结构Cu₅₅团簇在并合过程中的结构变化.对这些小尺寸团簇的结构变化采用基于嵌入原子方法的正则系综分子动力学进行计算机模拟.通过对模拟结果的分析表明,小团簇的冷却和并合过程存在阶段变化的特点.降温过程中Cu_N（N=57,58,59）团簇的原子运动及其微观结构变化表现出较大差异,由此导致这三类团簇内原子排布的不同,其中Cu₅₉团簇结构的有序程度最低.在两个Cu₅₅团簇并合早期阶段,这两个团簇相接触后发生变形导致原子位置出现较大改变,在随后的并合过程中,原子扩散引起原子局部位置调整导致所并合体系的结构发生变化.远离两个团簇接触区的原子仍保持其并合前的结构. 关键词： 团簇 分子动力学 计算机模拟 表面     

变量优选补正算法的鲜枣可溶性固形物检测模型传递方法研究

在水果的品质检测和分级分选中,存在不同仪器所建检测模型难以共享的难题。为此,以壶瓶枣为研究对象,利用可见/近红外光谱技术探讨仪器间可溶性固形物含量（SSC）检测模型的传递方法。首先,采用美国ASD（Analytical Spectral Device）公司生产的两台仪器采集样本的光谱信息,采用最小二乘支持向量机（LS-SVM）建立原始光谱、Savitzky-Golay一阶导数处理、标准正态变量变换后的SSC检测模型,预测不同仪器采集的光谱时3种方法的预测能力均较差。预测同一台仪器的光谱时,基于原始光谱的主仪器所建模型最优,预测集的决定系数（R2_p）和均方根误差（RMSEP）分别为0.73和1.36%。在此基础上,采用Kennard/Stone算法选取标样,利用专利算法（Shenk’s）、直接标准化（DS）、斜率/偏差算法（S/B）进行模型传递。然后,根据回归系数提取主仪器（24个）和从仪器（28个）的特征波长,优选出单一变量（SV）24个、共性变量（CV）23个、融合变量（FV）29个,均涵盖了SSC的主要吸收谱带。利用优选的变量分别建立主仪器的LS-SVM检测模型,采用主仪器的预测结果（R2_p=0.78~0.80,RMSEP=1.07%~1.13%）明显好于全波段所建模型,但预测从仪器时RMSEP为6.62%~7.88%,模型失效。最后,基于波长位置偏移和分子振动的吸收特性提出了共性变量优选结合差值补正（CV-MC）、单一变量优选结合差值补正、融合变量优选结合差值补正、共性变量优选结合波长补正算法（CV-WC）进行模型传递,并与SV-Shenk’s,CV-Shenk’s,FV-Shenk’s,SV-DS,CV-DS,FV-DS,SV-S/B,CV-S/B和FV-S/B进行对比分析。结果表明,基于全波段进行模型传递时,预测结果均较差（R2_p=0.03~0.34,RMSEP=2.44%~4.67%）;基于优选变量所建模型经SV-Shenk’s,CV-Shenk’s,FV-Shenk’s传递后的结果较差,经其他算法传递后的结果（R2_p=0.47~0.73,RMSEP=1.30%~1.90%）好于全波段;基于共性变量传递后的结果好于单一变量和融合变量,CV-MC结果最佳（R2_p=0.73,RMSEP=1.30%）,CV-WC传递后的预测结果（RMSEP=1.62%）与CV-DS和CV-S/B相近。研究表明,CV-MC和CV-WC均是一种有效模型传递算法,对建立不同仪器间通用的鲜枣品质检测模型具有重要意义。     

基于二维相关光谱的壶瓶枣室温贮藏硬度动力学模型研究

为了实现鲜枣常温贮藏期的硬度实时监测并对贮藏时间进行预测,建立了室温下壶瓶枣贮藏期的近红外光谱硬度动力学模型。基于二维相关光谱技术,分析综合浓度影响下的壶瓶枣敏感波段,优选的敏感波段为904,980,1 072,1 200,1 630,1 941和2 215 nm。分析不同贮藏天数的壶瓶枣果肉平均硬度,并拟合出零级反应方程,模型的相关系数为0.991 3,标准误差为6.116×10-4。鲜枣的贮藏过程中,由于复杂的生理化学反应,主要物质的含量发生变化,并通过宏观的信息光谱特征和硬度得以体现。将敏感波段下的光谱信息和贮藏期的硬度指标进行信息耦合,建立壶瓶枣果肉硬度的偏最小二乘模型(partial least square, PLS),模型的预测精度R_P为0.942 7,RMSEP为0.021 0。进而以敏感波段的吸光度为自变量,壶瓶枣果肉硬度指标为应变量,进行多元回归定量分析,建立近红外光谱硬度动力学模型,模型的拟合优度即相关系数为0.983 9,标准误差为0.024 9,并在此基础上建立壶瓶枣贮藏时间与近红外光谱的线性回归关系。研究表明,基于二维相关光谱的硬度动力学模型可以实现对壶瓶枣果肉硬度指标的快速、无损检测并实现其贮藏时间的预测。