氯胺酮杂质的超高效液相色谱-质谱法分析及其关联性判别应用

分别使用超高效液相色谱-四极杆-飞行时间质谱(UPLC-Q-TOF MS)和超高效液相色谱-三重四极杆质谱(UPLC-QqQ-MS)联用技术,分离、筛选并测定氯胺酮中的17种杂质。首先,使用UPLC-Q-TOF MS检测并筛选出氯胺酮中的17种特征杂质;然后,再使用UPLC-QqQ-MS优化得到17种杂质的两个定性离子对,并采用多反应监测模式同时对17种杂质进行半定量分析;随后,通过欧几里得距离计算方法对6起制毒案件缴获的112份氯胺酮样品进行聚类分析,验证该方法的可靠性;最后,对700份缴获的氯胺酮进行关联性判别,筛选出14组关联性极强的案件,从而推断出缴获氯胺酮的来源(制毒加工厂)和贩运路线。通过聚类分析及关联性判别得出的结果,可为公安执法部门提供具有科学价值的情报,诸如追溯氯胺酮来源(制毒加工厂)、氯胺酮的贩运路线及串并案分析。

学习云空间中基于大数据分析的学情预测研究

随着学习云空间应用的不断深入,海量过程性数据与富媒体资源使其呈现为典型大数据特征环境。文章对学习云空间的大数据特征、分析方法及其带来的机遇进行了深入的分析,并依据学习云空间传统数据及其过程性数据提出一种学情预测模型及其实现方法。在模型构建过程中,通过计算各学情因素的Gini增益,实现学习效果影响程度的判别,并提出改进的并行随机森林算法,以世界大学城系统平台为支撑进行学习预测与效果检验。结果表明,该方法较为有效地实现了大数据环境下学习云空间的学情预测,并为学习云空间中基于大数据技术的智能服务提供了一种可行的参考方案。