HS-SPME/GC-MS法比较不同改土方式对人参挥发性成分的影响

目的:分析比较5种不同土壤改良方式对老参地人参中挥发性成分的影响,为人参的栽培方式和进一步应用提供理论依据。方法:采用顶空-固相微萃取(HS-SPME)技术富集人参中挥发性成分,应用气相色谱-质谱联用技术(GC-MS)对检测出的成分进行分析与鉴定,采用面积归一化法确定各成分的相对含量。结果:人参样品中共鉴定出225个挥发性成分,其中烃类102种、酮类32种、醇酚类32种、醛类12种、酯类9种、杂环及其它类38种;老参地、强还原、强还原‑生物有机肥、氯化苦熏蒸、氯化苦熏蒸-强还原、氯化苦熏蒸-生物有机肥土壤条件下挥发性成分的质量分数分别为79.632%、96.104%、86.107%、96.512%、94.355%、90.476%,特有成分分别有20、23、16、19、27、32个,6种不同土壤条件下共有化合物8个。结论:不同土壤改良方式的人参中挥发性化学成分的含量和组成存在较大差异,为人参药材土壤改良方式的研究及挥发性成分的进一步应用提供借鉴。

利用HS-SPME-GC-MS法对长叶二裂委陵菜精油成分分析

【目的】分析长叶二裂委陵菜精油成分。【方法】利用水蒸气蒸馏法和索氏有机萃取法制备长叶二裂委陵菜精油,采用顶空(HS)-固相微萃取(SPME)-气质联用(GC-MS)法对该精油成分进行分析。【结果】两种制备方法得到的精油中共分离鉴定出113种挥发性物质成分,主要包含醇类、酯类、醛类、烯烃类、酮类、烷烃类和有机酸化合物,其中,酯类化合物相对含量最高为50.10%;其次为醇类和烷烃类化合物分别为39.24%、8.16%。【结论】长叶二裂委陵菜精油挥发性物质的主要组成为酯类、醇类、烷烃类。

一种优化梯度计算的改进HS光流算法

HS(Horn&Schunck)方法是光流计算中的经典方法之一。在经典HS方法中,图像中两点间的灰度变化被假定为线性的,而实际上灰度变化是非线性的。因此,在HS算法中最小均方差迭代的最终收敛点会产生偏移,从而导致光流计算结果的不准确。为此,详细分析了灰度估计不准确造成的偏差,提出了一种改进HS算法。实验部分给出了改进算法和其他经典光流计算方法的计算结果比较。实验结果表明,改进HS算法可以得到较好的计算结果,并能明显减少光流计算的迭代次数。

应用HS-SPME和GC-MS分析白酒大曲中微量挥发性成分

应用顶空-固相微萃取(HS-SPME)方法研究中国白酒大曲的挥发性成分。研究了样品萃取量、超声波萃取时间、以及不同萃取溶剂对微量挥发性成分萃取效果的影响。结果表明,最佳萃取条件为大曲粉用量0.2 g,用5 mL去离子溶解水,混匀,50℃超声振荡30 min,再用HS-SPME法进行检测。该方法从大曲中共检出112种微量挥发性成分,其中烷烃3种,硫化物3种,呋喃类化合物9种,醛类6种,酯类8种,酮类7种,醇类12种,芳香族化合物21种,吡嗪类化合物23种,酸类11种,酚类4种,其他杂环化合物5种。含量最高的化合物是异戊酸,其次是2-苯乙醇。

一种修正HS共轭梯度法的全局收敛性

对HS算法进行了修正,在非单调线搜索下,该方法保证每次迭代中的搜索方向是充分下降的。在较弱的条件下,证明了此类非单调修正HS算法具有全局收敛性。最后对算法进行了数值试验,试验结果表明,该算法具有良好的收敛性和有效性,尤其适合求解大规模无约束优化问题。

一种混合的HS-FR共轭梯度算法

给出了一个混合的HS－FR共轭梯度算法，其中参数βk＝max｛0，min｝．在无充分下降性条件下，得到两个收敛性定理──定理3与定理4．其中定理3在下降条件与强Wolfe搜索准则下证明了梯度序列必有零聚点；定理4是定理3的改进，它表明在没有下降条件下定理3的结论仍然成立．

一个新的修正HS共轭梯度法及全局收敛性

提出了一个新的修正HS共轭梯度算法解决无约束优化问题,该算法的特点是,搜索方向总是目标函数的下降方向,且不依赖于使用何种线搜索;特别是,若使用精确线搜索,该算法退化成标准的HS共轭梯度法.且在适当的假设条件下,证明了文章提出的算法具有全局收敛性,最后数值实验表明,文章提出的算法是可行的.

HS-GC-MS法快速测定苹果香气物质的优化研究

采用静态顶空-气相色谱-质谱(HS-GC-MS)法测定苹果中香气物质,通过对吹扫捕集的平衡温度及平衡时间的优化,以及GC-MS色谱柱的优化,建立一种快速、准确测定苹果香气物质的方法。

Armijo型线搜索下一种修正HS共轭梯度法的全局收敛性

本文对HS算法进行了修正,在Armijo型线搜索下,该方法保证每次迭代中的搜索方向是充分下降的.在较弱的条件下,证明了此修正HS算法具有全局收敛性.最后对算法进行了数值试验,试验结果表明该算法具有良好的收敛性和有效性,尤其适合求解大规模无约束优化问题.

HS-SPME-GC-MS技术分析不同加工阶段的甲鱼腥味成分变化

为研究不同加工方式对甲鱼腥味成分的影响,采用HS-SPME-GC-MS技术对甲鱼预煮、卤制、烘烤不同加工阶段的腥味物质进行分析。结果表明,经NIST/Willey质谱数据库检索和文献对照,新鲜甲鱼共检出48种挥发成分,确定36种成分,包括烃类21种、醛类12种、醇类化合物5种、芳香类5种、羧酸类3种、酮类1种、酯类1种。其中以己醛的百分含量最多,为29.1%,有青草味;庚醛占10.69%,具有强烈的油脂氧化味;壬醛占12.58%,提供鱼腥味;占2.02%的对二甲苯有刺激味;占2.36%的1-辛烯-3-醇具有土腥味。认为己醛、壬醛、庚醛、1-辛烯-3-醇等共同形成了甲鱼的腥味。通过预煮、卤制、烘烤等加工工艺后,腥味成分已减少至只能检测出己醛和壬醛,且含量都不超过1%。表明经预煮、卤制、烘烤等加工可以有效控制甲鱼的腥味。

HS-SPME-GC-MS对水酶法提取胡麻油香气成分的分析

采用顶空固相微萃取(HS-SPME)结合气相色谱-质谱联用法(GC-MS)对水酶法提取的胡麻油进行鉴定,共检测出香气成分72种。其中检测出烯烃类物质2种、醛类物质11种、醇类物质27种、酯类物质4种、酸类物质5种、酮类物质4种、杂环类物质10种、烷烃类物质7种、其他香气物质2种,香气成分主要以醇类和醛类物质为主。

基于非单调线性搜索技术的修正HS共轭梯度法

基于拟牛顿法中MBFGS修正技术,对HS共轭梯度法中搜索方向的计算公式进行了修正,在较弱的条件下,结合非单调Armijo线性搜索技术,证明了所提出的修正HS共轭梯度法具有全局收敛性,最后通过数值实验验证了所提出的算法的有效性。

柠檬桉叶的HS-SDME-GC/MS谱图及其主成分分析

采用顶空单液滴微萃取-气相色谱/质谱法(HS-SDME-GC/MS)测定了13个不同产地的柠檬桉叶并结合主成分分析法建立判别模型,采用正交法优化其实验条件。结果表明,单液滴微萃取优化条件为:10 mL顶空瓶中1.0 g样品、60℃顶空40 min、苯甲酸乙酯吸附进而吸收柠檬桉叶中的化学物质,比对NIST 14谱库并结合相关文献鉴定柠檬桉叶中30种化学成分,化学成分按照烯类、醇类、酯类和醛类进行分类,并建立主成分分析判别模型。方法简单、快速、准确,对天然产物进行有效的产地溯源,实用性良好。

HS-SPME条件优化并结合GC-MS分析新鲜及不同干燥方式香菜的挥发性成分

目的:比较新鲜和不同干燥方式的香菜挥发性成分,确定香菜的干燥方式。方法:通过单因素实验和正交试验对顶空固相微萃取的条件进行优化,并采用顶空固相微萃取与气相色谱-质谱联用对新鲜和不同干燥方式处理(烘箱干燥、红外干燥、真空干燥、真空冷冻干燥)香菜挥发性成分进行分析。结果:HS-SPME的最优参数为:75μm DVB/PDMS萃取头,萃取温度70℃,样品用量1.00 g,平衡时间30 min,萃取时间40 min,解吸时间4 min。新鲜香菜共鉴定出52种挥发性组分;醛类和醇类为香菜的主要风味成分,包括2-十四烯醛、2-十二烯醛、癸醛、癸醇、(E)-2-癸烯醇、反式-2-十二烯醇、(E)-2-癸烯醛、十二醛、(E)-2-十六烯醛和(E)-2-十三烯醛。四种干燥方式中,红外干燥中检出的醛类和烃类最多,醛类占70%以上,且与新鲜香菜中含量较高的癸醛、2-十二烯醛和2-十四烯醛含量较为接近;真空冷冻干燥在醛类含量上与新鲜香菜相差较大,但其检出的挥发性成分最多;从干燥成本来说,红外干燥所需时间最短,耗能较小,而真空冷冻干燥所需时间长,能耗大,成本较高。结论:综合挥发性成分和干燥成本考虑,可以采取红外干燥的方式干燥香菜。

一个修正的HS公式及其全局收敛性

给出修正的HS公式,并且将其应用到无约束优化中,得到一类新的共轭梯度(型)算法,新的公式不需要任何线搜索可以保持充分下降性.此外,证明了算法的全局收敛性.

漆包线残留挥发性有机物HS-GC-MS法测定分析

用HS-GC-MS(顶空进样气相色谱-质谱)分析法测定漆包线漆膜中挥发性有机物的残留量,适用于各种类型漆包线漆膜中残留挥发性有机物的痕量分析。本方法检出限为10-8(ω),线性范围为2.5×10-8～5×10-6(ω),加标平均回收率超过95%。

大步长非单调HS共轭梯度算法的全局收敛性

基于Gu N Z的非单调技术,结合Shi Z J提出的新的非精确一维搜索,提出了一种新的HS共轭梯度算法,新算法适于求解大规模问题.在较弱的条件下,证明了算法的全局收敛性.数值结果表明新算法是有效的.

标准Wolfe线搜索下修正的HS共轭梯度法

为求解非线性无约束优化问题,本文在HS共轭梯度法的基础上,得到一个修正的共轭梯度法。不依赖于强Wolfe线搜索的选择,仅在标准Wolfe线搜索下,证明该修正的共轭梯度法的搜索方向满足下降性和相应算法的全局收敛性。最后的数值实验结果表明该方法是有效的。

应用HS-GC-MS法分析白酒中的双乙酰

采用静态顶空与气相色谱质谱联用技术相结合建立了一种快速定量分析白酒中双乙酰含量的方法。通过优化确定了方法的最佳分析条件：目标白酒样品酒精度稀释至26%vol，加入适量 NaCl 过饱和，70℃恒温加热20 min 后吸取顶空气体于气相色谱质谱联用仪中进行分析。结果表明，该方法检出限低于20μg/L，5种不同香型白酒及模拟白酒的双乙酰回收率为87.1%～108.3%，RSD 为0%～10.7%，方法具有良好的准确性和精密度，适用于白酒中双乙酰的定量分析。

基于HS算法优化的EEMD-RNN混凝土坝位移预测模型

由于混凝土坝位移的监测过程中存在噪声误差,使得智能算法预测位移时容易出现过拟合、局部最小值及收敛速度慢等缺点。为了解决上述存在的问题,首先采用集合经验模态分解法(EEMD)对位移实测值进行分解,得到不同频次的分量IMF和剩余量R,然后通过递归神经网络(RNN)对各分量和剩余项进行训练,得到环境量和时效与IMF及R的映射关系,最后通过模型得到的映射关系可求各分量和剩余项的响应预测值,并进行等权求和可得位移的预测值。在RNN训练过程中引入和声搜索算法(HS)对其进行优化,系统性去噪,以一定的概率限差函数进行扰动以得到最优解,从而优化了RNN的权重及阈值,提高了模型的健壮性。以某混凝土坝为计算案例,结果表明,HS-EEMD-RNN模型的整体拟合和预测的精度较高、过拟合程度小,与EEMD-RNN模型对比可知,HS算法可以明显提高其模型精度,并且对位移过程线的突跳值预测的精度高。