利用油水稳定化和支持向量回归增强近红外光谱测定油中水分的方法

近红外光谱(NIRS)可以检测溶解于油中的水分含量,但油中水分较多时会散射而非吸收NIRS,从而引起较大误差。为此,筛选非离子型表面活性剂(Span-80)将含水油液稳定分散成小颗粒,利用其NIRS数据建立水分含量的支持向量回归模型。实验中油水稳定化将NIRS测定变压器油中水分含量的上限从传统的0.1%提升到1%(V/V),通过应用连续投影算法,在511个NIRS变量中筛选出15个有效变量(占原变量的2.9%),建立的支持向量回归模型对验证集的预测均方根误差为2.93%,相关系数为0.9944,相对分析误差为9.4732。     

月桂酰基苹果酸酯胶束电动色谱-质谱法同时测定牛黄上清片中5种生物碱

建立了基于月桂酰基苹果酸酯的胶束电动色谱-质谱法同时分离测定牛黄上清片中黄连碱、小檗碱、药根碱、黄柏碱以及川芎嗪5种有效成分含量的新方法。以7.5 mmol/L月桂酰基苹果酸酯-15 mmol/L氨水-50 mmol/L醋酸铵(含12.5%的乙腈,pH=7.0)为电泳介质,未涂层弹性石英毛细管(88 cm×50 μm)为分离通道,50%异丙醇水溶液(含3 mmol/L乙酸)为鞘液,在25 kV的运行电压下,各组分可以在18 min内得到基线分离。各组分的浓度与其峰面积呈现良好的线性关系,迁移时间和峰面积的相对标准偏差均小于5%,样品中5种生物碱成分的样品加标回收率在96.0%～105%之间。该法简便、快速、准确、重现性好,可用于牛黄上清片中这5种有效成分含量的同时测定。     

NIRS中联用EEMD与SPA建立变压器油中微水的LS-SVM回归模型

采集不同微水含量的变压器油的近红外光谱,利用集合经验模分解(EEMD)与连续投影算法(SPA),建立变压器油中微量水分的最小二乘支持向量机(LS-SVM)回归模型。结果表明,原始求导光谱经EEMD分解后得到8个本征模态函数(IMF),在去掉第一个IMF后重构数据比原始求导光谱数据直接建模具有较好的效果,而利用去掉第一个IMF后重构数据经SPA筛选出的4个特征光谱(只占全谱的0.78%)来建模则具有更好的预测效果,预测均方根误差为1.04776×10-3,预测相关系数为0.9840,说明EEMD与SPA联用具有比EEMD及SPA单独运用更好的效果,且最优模型应用于实际油品的检测同样具有很好的效果,对实现油中水分的高精度检测以及低维度变量建模具有实际意义。     

多元Block-Basu型指数分布的特征及参数估计

利用分布密度分拆的思想,导出了多元Block-Basu型指数分布的特征,得到了相应参数的最大似然估计和矩估计,并给出了相应的模拟结果.