紫茎泽兰黄色素提取工艺的优化

【目的】探讨紫茎泽兰黄色素的最佳提取工艺,为以紫茎泽兰黄色素作为织物染料的开发利用提供理论依据。【方法】以紫外可见分光光度法检测紫茎泽兰中黄色素的提取效果,采用单因素试验和正交试验对提取溶剂乙醇浓度、提取温度、提取时间、料液比等4个因素进行优化,以确定紫茎泽兰黄色素的最佳提取工艺。【结果】各因素影响紫茎泽兰黄色素提取效果的主次顺序为:提取时间>料液比>乙醇浓度>提取温度;综合考虑工艺成本的最佳工艺条件为:提取温度80℃,提取时间2.0h,料液比1∶60,乙醇浓度70%。【结论】以70%乙醇为提取溶剂、料液比1∶60、80℃下提取2.0h可有效提取紫茎泽兰黄色素,且成本较低、操作简单、稳定可行。

多联机制冷剂充注量故障检测模型评估及参数优化

本文对基于集成学习模型的多联机制冷剂充注量故障检测进行了评估,并对极致梯度提升(XGBoost)模型进行了参数优化。通过在制冷模式下进行制冷剂充注量故障实验采集了数据,结合互信息法和斯皮尔曼相关性系数法进行了特征选择,在此基础上分别训练了决策树、随机森林和XGBoost三种学习模型后得到诊断模型,并通过网格搜索等方法对XGBoost模型进行了参数寻优工作。结果表明:三种学习模型中基于随机森林的故障诊断模型效果最好,5个评估指标中精度由88.69%提高至93.46%、宏查准率由90.34%提高至98.09%、宏查全率由88.33%提高至98.19%、宏F1度量提高由88.94%提高至98.13%、kappa系数由0.87提高至0.98,而优化后XGBoost模型效果更优,各评价指标均再次提升1%~2%。

泡核桃壳的化学成分研究

目的研究泡核桃Juglans sigillata壳的化学成分。方法采用硅胶、反相RP18、Sephadex LH-20、MCI等色谱柱以及半制备HPLC柱及制备薄层等方法对泡核桃壳的化学成分进行分离纯化,根据理化性质与波谱数据对所分离到的化合物进行结构鉴定。结果从泡核桃壳95%乙醇提取物中共分离鉴定15个化合物,其中包括7个酚苷类化合物:它乔糖苷(1)、牡丹酚苷A(2)、4-O-β-D-glucopyranosylvanillc acid(3)、breynioside A(4)、1-O-香草酰-β-D-葡萄糖苷(5)、6′-O-vanilloyltachioside(6)、6′-O-vanilloylisotachioside(7);3个苯丙酸类化合物:6-O-feruloyl-D-glucopyranose(8)、methyl-4-O-coumaroylquinate(9)、5-p-cis-coumaroylquinic acid(10);2个萘酮类化合物:胡桃苷A(11)、胡桃苷E(12);1个降倍半萜苷类化合物:长春花糖苷(13);1个黄酮类化合物:二氢槲皮素(14);1个脱落酸衍生物:二氢红花菜豆酸-4′-O-β-D-吡喃葡萄糖苷(15)。结论除化合物14外,其他化合物均为首次从该植物中分离得到,其中化合物1～4、13、15为首次从该属植物中分离得到。

漾濞泡核桃青皮化学成分的研究

目的研究漾濞泡核桃Juglans sigillata青皮的化学成分。方法采用萃取、硅胶、RP-18、MCI等柱色谱方法对漾濞泡核桃青皮的化学成分进行分离纯化,并运用现代波谱技术（MS、13C-NMR、1H-NMR）对所分离的化合物进行结构鉴定。结果从漾濞泡核桃青皮中共分离得到11个化合物,分别鉴定为芥子醛（1）、顺-Δ10-二十碳烯酸（2）、5α,8α-表二氧化麦角甾-6,22E-二烯-3β-醇（3）、5,8-二羟基-4-甲氧基-α-四氢萘醌（4）、核桃酮（5）、4,5-二羟基-α-四氢萘醌（6）、4,5,8-三羟基-α-四氢萘醌（7）、5-羟基-4-甲氧基-α-四氢萘醌（8）、5-羟基-2-甲氧基-1,4-萘醌（9）、柚皮素（10）和β-谷甾醇（11）。结论从漾濞泡核桃青皮中分离得到11个化合物,其中化合物1~2为首次从该属植物中分离得到。

漾濞泡核桃青皮中二芳基庚烷类成分研究

综合运用硅胶、Sephadex LH-20、MCI等柱色谱方法对漾濞泡核桃青皮的乙酸乙酯部位化学成分进行了研究,并利用各种波谱技术(MS,~1H-NMR,^(13)C-NMR,2D-NMR)对化合物结构进行了鉴定。结果从乙酸乙酯部位分离得到4个二芳基庚烷类化合物,分别鉴定为:二氢枫杨素(1),1-(4'-羟基苯基)-7-(3″-甲氧基苯基)-3',4″-环氧-3α-庚醇(2),枫杨素(3)和1-(4'-羟基苯基)-7-(3″-甲氧基-4″-羟基苯基)-3α-庚醇(4)。其中,化合物1(二氢枫杨素,dihydropterocarine)为新化合物,化合物2~4首次从该植物中分离得到。