萃取法研究Cu^(2+)-dpx-PCA^-体系配体间的芳环堆积作用及其配合物的组成

用萃取法测定Ｃｕ２＋ｄｐｘＰＣＡ体系中的堆积百分数，其中ｄｐｘ＝２，２′联吡啶胺（ｄｐａ），２，２′联吡啶甲烷（ｄｐｍ）和２，２′联吡啶酮（ｄｐｋ）；ＰＣＡ－＝苯甲酸根（Ｂｚ－），２苯乙酸根（ＰＡｃ－），３苯丙酸根（ＰＰｒ－）和４苯丁酸根（ＰＢｕ－）。结果表明：堆积百分数与羧酸根中亚甲基数有关，其顺序为Ｂｚ－＜ＰＡｃ－＜ＰＰｒ－＜ＰＢｕ，同时还与ｄｐｘ的结构有关，其顺序为ｄｐａ＜ｄｐｍ＜ｄｐｋ。这是堆积作用对配体的结构要求及存在π电子协作效应的缘故。

萃取法研究Pd^(2+)-dppe-PCA^-体系中的芳环堆积作用

有关混配合物中配体间的芳环堆积作用已有许多报道,涉及的研究方法有pH电位滴定、质子核磁共振以及电子光谱和CD光谱等,但用萃取化学法研究迄今还未见诸报道,我们在对Pd^(2+)-dppe-PCA^-体系(dppe=1,2-(二苯膦)乙烷,PCA=苯基羧酸根)的研究中采用萃取法,所用的PCA^-为苯甲酸根(Bz^-),a-苯乙酸根(PAc^-),β-苯丙酸根(PPr^-),r-苯丁酸根(CBu^-).实验方法如下:室温下水相pH为5.0,离子强度0.5(KNO_3),钯浓度固定在5×10^(-4)mol.L^(-1),水相和有机相各10ml,以氯仿为稀释剂。

一种大尺度区域GNSS坐标时间序列自适应时空滤波方法

提出一种GNSS坐标时间序列自适应时空滤波方法,在规定阈值下将滤波区域自适应分为若干个子区域,进行共模误差的提取和去除。对陆态网184个GNSS站点垂向坐标序列进行时空滤波,3组随机实验中,自适应PCA时空滤波后的站点序列平均RMS值减少约39.7%、38.4%和39.7%,且优于整体PCA滤波。进一步分析滤波前后站点噪声特性变化,结果显示,相比于整体PCA滤波,自适应滤波方法中站点残差序列幂律噪声减少约17.8%。

课堂师生互动行为的机器分析研究

素质教育的主要阵地是课堂,而课堂的主体是教师和学生,两者进行交流最直接的方式就是课堂师生互动,课堂师生互动分析一直受教育工作者的高度关注.该研究采取改进型弗兰德斯编码(IFIAS)理论,根据编码原则对23个课堂实录视频进行编码.在编码类别统计后,利用主成分分析和密度聚类算法,实现基于机器学习的课堂师生互动风格分类,最终将课堂分为学生中心式、师生互动式、教师中心式三个类别.该研究拓展了弗兰德斯互动分析系统的理论价值,为课堂分析提供了一种新的分析方式.通过分析得到许多课堂相关的特征,可以提升课堂师生互动分析的效率,同时为教师提供改进课堂教学的方向.

基于智能感官分析技术对茯苓皮五味辨识及产地鉴别的研究

目的基于智能感官分析技术对不同产地茯苓皮气味、滋味进行量化表征,认知茯苓皮五味药性,鉴别茯苓皮产区。方法采用电子鼻、电子舌分析6个省份18个产地茯苓皮样品的气味、滋味特征,以传感器响应值为指标,采集气味、滋味信息值并制作雷达信息图,进行主成分分析、R型系统聚类分析。结果电子鼻、电子舌传感器对茯苓皮气味、滋味特征具有较好的响应,茯苓皮具有芳香气味,甜味、苦味、鲜味、涩味等滋味。电子鼻、电子舌主成分分析总贡献率分别达到97.64%、98.74%,能够较完整地反映不同产地样品信息,结合聚类分析,可有效区分不同产区茯苓皮样品。结论智能感官分析技术能够表征茯苓皮丰富的气味、滋味属性,且不同产区存在差异性,为茯苓皮五味药性研究、产地区分提供可参照的技术方法。

环塔盆地不同山葡萄品种果实品质间的差异

为山葡萄在环塔盆地生态区域的选育、推广应用提供科学理论依据,建立8个新疆山葡萄果实综合评价体系。以2019-2021年田间表现良好的山葡萄‘北冰红’‘双红’‘左优红’‘雪兰红’‘双丰’‘北国红’‘左山1’和‘左山2’为试材,测量果实23项外观及理化品质指标,按照测量结果进行描述性统计和主成分分析,根据综合得分进行排名。结果表明,23项果实品质指标变异程度不同,其中白藜芦醇、果形指数、Zn含量和花色苷变异程度较大,超过50%;果穗质量、原花青素、固酸比和Fe含量变异程度一般,为30%~50%;其他果实品质指标变异程度较小(<30%)。因子分析提取出6个特征根>1的公因子,累计方差贡献率达97.839%,公因子PC1贡献率达22.154%,主要由pH、果实纵径、横径、单果质量、单果体积和果穗质量决定,主要反映果实外观品质;公因子PC_(2)贡献率达20.987%,由可溶性固形物、总糖、糖酸比、固酸比和Mn含量5个因子决定,主要反映果汁的糖度;公因子PC_(3)贡献率为19.820%,由Ca、Mg和Cu含量3个因子决定,主要反映矿质元素含量。公因子PC_(4)贡献率为19.117%,由花色苷、总酸和果形指数3个因子决定,主要反映果汁色泽、酸度和果实形状;公因子PC_(5)贡献率为8.293%,由原花青素和总黄酮2个因子决定,主要反映果实的营养状况;公因子PC_(6)贡献率为7.467%,由白藜芦醇和Zn含量2个因子决定,主要反映白藜芦醇和Zn含量的高低情况。山葡萄果实品质综合得分排序由高到低依次是:‘北冰红’‘左优红’‘雪兰红’‘左山2’‘北国红’‘双丰’‘双红’‘左山1’。

基于一测多评法多成分定量结合多元统计分析技术评价不同产地肉桂品质

目的建立同步检测肉桂中14个成分含量的方法,并采用多元统计分析技术对不同产地肉桂品质进行综合评价。方法采用HPLC,以原儿茶酸为内参,建立13个待测成分香豆酸、香豆素、肉桂醇、桂皮酸、邻甲氧基肉桂酸、桂皮醛、邻甲氧基肉桂醛、香草酸、丁香酸、对羟基苯甲酸、原花青素B2、表儿茶素和原花青素C1的相对校正因子,计算各成分含量,采用外标法对一测多评法(QAMS)进行验证,结合主成分分析、正交偏最小二乘-判别分析(OPLS-DA)及熵权TOPSIS对肉桂质量进行综合评价。结果外标法方法学验证结果均符合要求;以原儿茶酸为内参建立的相对校正因子在不同试验条件下耐用性良好,各成分含量外标法计算结果与QAMS无明显差异(P>0.05);多元统计分析显示,前2个主成分累计方差贡献率为90.312%,桂皮醛、邻甲氧基肉桂醛、原花青素B2和对羟基苯甲酸对肉桂品质影响较大;熵权TOPSIS结果显示,16批肉桂的Pi值为0.1472~0.7681,不同产地肉桂的品质差异较大,其中广西产地肉桂整体质量最好,其次为广东和云南产地样品,福建产地样品相对较差。结论本研究建立的QAMS多成分定量结合多元统计分析技术可用于肉桂品质的综合评价。

不同砧穗组合苹果果实成熟期香气物质分析

为了探究新疆野苹果+M26+礼泉短富、新疆野苹果+M26+岩富10、新疆野苹果+M26+玉华早富、八棱海棠+SH1+长富2号、八棱海棠+长富2号、八棱海棠+礼泉短富等6个宁夏主栽砧穗组合苹果果实风味品质差异,在银川市西夏区芦花乡试验基地8年生树上采成熟期果实样品,测定果实生理品质以及香气成分,并基于香气成分的活性值采用主成分分析和正交偏最小二乘判别分析筛选特征香气物质。结果表明,砧穗组合对苹果果实单果质量、果形指数、硬度、可溶性固形物含量、可滴定酸含量等品质指标有显著影响,不同砧木的礼泉短富在单果质量和可溶性固形物含量方面有显著差异,不同砧木的长富2号在各品质指标上无显著差异。从6个砧穗组合的果实中共检出81种挥发性物质,包括醇类9种、酯类31种、酸类3种、醛类5种、萜烯类26种和其他类7种;在香气物质总含量中,酯类占27.2%~43.35%,萜烯类占19.65%~34.24%,其他类别均在14%以下。各砧穗组合特有香气成分为2~10种。法尼醇、己醛、丁酸乙酯、辛酸乙酯和己醇为八棱海棠+SH1+长富2号和八棱海棠+长富2号果实香气的主要特征物质。癸醛为新疆野苹果+M26+礼泉短富果实香气的主要特征物质。反式-2-己烯醛、己酸己酯、己酸乙酯和辛酸为新疆野苹果+M26+玉华早富、新疆野苹果+M26+岩富10和八棱海棠+礼泉短富果实香气的主要特征物质。

基于随机森林和长短期记忆网络模型的高压气井环空带压预测方法

高压气井在生产过程中持续的环空带压容易引起套管柱变形或挤毁,是高压气井完整性失效的主要原因之一。为解决传统方法环空带压预测精度不高的问题,以鄂尔多斯盆地苏里格气田某高压气井为例,首先利用主成分分析法和相关系数法找到影响环空带压的主要因素,然后使用高压气井井筒温压场理论值和孤立森林模型对主成分进行物理解释和数据清洗,再对清洗后的数据使用随机森林(RF)和长短期记忆网络(LSTM)模型建立了环空带压定量预测模型,并对两类模型进行权重组合,最终建立了精确度高于任意单一模型的RF—LSTM组合环空带压预测新模型。研究结果表明:(1)环空带压的主要影响因子有温度分量、压力分量、产量分量、腐蚀程度、生产状态,而温度分量与环空带压间存在最高关联性;(2)通过错误格式、离群点及基于井筒温压场的数据清洗,可以得到数据清洗后的环空带压影响因素训练集;(3)通过平均绝对误差法(MAE)能够建立误差分数小于任意单一模型,而拟合优度介于两者之间的组合模型,因此可以将具有高拟合优度和低误差分数的两类模型结合,从而组合出同时满足两种分数的组合模型。结论认为:(1)运用大数据挖掘技术及算法进行环空带压定量预测,方法新颖,预测精度高,结果可行;(2)该方法为现场环空带压预测和风险管控提供了决策工具参考,为实现环空带压风险实时预测、预警和管控提供了理论支撑。

基于数据驱动的文物环境风险状态评估方法研究

在博物馆文物保护中,对环境风险监测和风险变量的及时定位有重要意义。然而,由于各个文物展馆的差异性,很难将某一展馆的环境风险划分标准应用于其他展馆,甚至无法应用到同一展馆的不同类型文物。除此之外,当风险出现时,博物馆无法及时锁定影响因素,延长了风险排除所需的时间。因此,结合上海博物馆江南文化艺术临展的连续监测数据,提出了一种针对纸质文物的环境风险状态评估二级监测框架,并按需求划分为“优、良、中、差”四个等级进行风险监测。首先,使用“优”数据集建立主成分分析(principal component analysis,PCA)模型并构建控制限用以挑选“优”数据,“差”数据集通过已有的PCA模型得到判断“差”等级的控制限;然后,使用“非优非差”数据集建立ReliefF-PCA模型并得到“良”“中”等级划分的控制限;最后,对应PCA模型和ReliefF-PCA模型分别使用贡献图和基于ReliefF算法计算权值的加权贡献图,以此量化风险,初步定位对环境指标存在影响的风险变量。通过两个评价模型构建的监测框架,为文物保存环境质量的评估和后续馆藏环境调控提供了一种更为科学的方案,有助于提高整个文物保护系统的效率。

基于优化极限学习机模型的边坡稳定性预测研究

边坡稳定性预测对工程安全及地质灾害防治极其重要,目前机器学习在边坡稳定性预测较广泛,例如BP神经网络、支持向量机(SVM)、极限学习机(ELM)等。但传统的ELM模型在预测边坡稳定性时存在易陷入局部最小值、难以选择合适学习率的问题,针对此问题,提出了一种基于主成分分析法(PCA)和爬行动物搜索法(RSA)并行优化极限学习机(ELM)的边坡稳定性预测模型。此模型利用PCA算法对数据进行降维,减少数据的冗余性,并利用RSA算法优化ELM模型的输入层权值和隐含层偏置,极大地提高了模型的预测精度和预测效率。将传统的ELM模型、RSA-ELM模型、PCA-SVM模型及PCA-RSA-ELM 4种模型进行对比,从而得到PCA-RSA-ELM模型在边坡稳定性预测这类问题上的精确性更高,为边坡稳定性预测分析提供新的思路,对防灾减灾及保护国民经济安全具有重大意义。

基于脂肪酸组成结合主成分分析识别不同比例大豆油和菜籽油调配的调和油

结合脂肪酸组成和化学计量学方法,对大豆油、菜籽油及其不同比例的二元调和油的识别进行基础研究,并分析不同比例调和油中脂肪酸含量的变化。结果表明在大豆油和菜籽油中,共检出脂肪酸组分17种,主要以油酸、亚油酸、棕榈酸和亚麻酸为主。在以不同比例低芥酸菜籽油和大豆油调配的调和油中,脂肪酸含量随调和比例的改变而呈现一定趋势的增加或减小。结合脂肪酸组成,对所有的139个样品进行了主成分分析(PCA),结果表明大豆油和菜籽油可以互相实现区分,不同比例的调和油样品分布在调配的溯源样品之间,基本按照比例关系分布成一条直线。研究通过对菜籽油、大豆油及其不同比例调配的调和油的脂肪酸组成进行了定量分析,分析了它们之间脂肪酸组成的变化,并结合化学计量学手段进行一些识别分析,为规范调和油的生产和保障公平有序的调和油市场提供参考。

基于PCA-SVM结合共聚焦拉曼光谱的特级初榨橄榄油掺伪压榨菜籽油定量分析

为了促进国内橄榄油市场的健康发展,对掺伪同样存在天然类胡萝卜素的低温压榨菜籽油的特级初榨橄榄油进行了定量鉴别研究。采用共聚焦拉曼光谱技术对不同掺伪浓度油样进行测试,基于密度泛函理论对油样的拉曼光谱峰的归属进行了理论分析,并对拉曼光谱数据进行主成分分析(PCA),然后利用支持向量机(SVM)构建PCA-SVM模型。另外,对PCA-SVM模型的检出限进行了研究。结果表明:特级初榨橄榄油与低温压榨菜籽油的拉曼光谱存在一定差异,最明显的光谱差异主要集中在谱峰1008、1161、1528 cm^(-1)和谱段2800~3000 cm^(-1)内,与密度泛函理论对不同油样拉曼光谱峰的分析一致;不考虑类胡萝卜素特征信号建立的PCA-SVM模型决定系数大于0.989,均方根误差小于2.990%,检出限为2%(低温压榨菜籽油体积分数);在特级初榨橄榄油掺伪定量分析中,考虑类胡萝卜素的特征信号有助于提高模型预测精度,但仅限于掺伪低价植物油中无类胡萝卜素存在的情况;PCA-SVM模型在不考虑类胡萝卜素特征信号的情况下依然具有良好的定量预测效果。综上,所建立的PCA-SVM模型可以用于掺伪2%以上低温压榨菜籽油的特级初榨橄榄油的定量鉴别。

基于PCA-SSA-XGBoost算法的拱坝应力预测模型研究

由于大坝应力受水位、温度等众多因素共同作用,各影响因子间的相互关联会引起多重共线性问题,容易导致以此为输入的预测模型出现伪回归现象。此外,现有基于机器学习算法的应力预测模型由于训练特征过多、过度训练易产生过拟合现象,其预测精度还有待提高。针对上述问题,提出了基于主成分分析法(PCA)和麻雀搜索算法(SSA)改进的极限梯度提升算法(PCA-SSA-XGBoost)构建拱坝应力预测模型。该模型首先采用主成分分析法对参数进行降维,降低影响因子的多重共线性影响;进而通过SSA算法优化XGBoost的超参数,以避免传统算法过拟合,进一步提高模型预测性能。将该模型应用于我国西南某混凝土拱坝工程,对应力及应力相关监测数据进行处理、分析和预测,并与多元线性回归模型(MVLR)、神经网络模型(RBFNN)、极限梯度提升回归预测模型(XGBR)的预测结果进行对比分析。结果表明,基于PCA-SSA-XGBoost算法的应力预测模型可克服输入变量的多重共线性和过拟合问题,在预测精度方面具有优越性。

7个杨树品种苗期叶片解剖结构和叶绿素荧光特性研究

本研究旨在筛选具有高抗逆性和强适应性的杨树优良品种。通过系统研究7个杨树品种的苗期表观生长性状、叶片解剖结构和叶绿素荧光生理特征,并采用单因素方差分析方法比较各品种间指标的差异,同时运用主成分分析法对苗期的生态适应性进行综合评价。结果表明显示,(1)各杨树品种苗期生长表现、叶绿素含量和叶绿素荧光参数之间存在显著差异,叶片解剖结构中的下层栅栏厚度、上表皮厚度及上表皮相对厚度有显著差异。其中‘湘林75’和‘巨霸杨’叶绿素含量较高,Y(Ⅱ)、ETR、qP等叶绿素荧光参数也较高,光合能力较强;‘江淮1号杨’叶片较厚,下层栅栏组织发达,抗旱性较强。(2)叶片解剖结构与叶绿素荧光参数间存在相关关系,中脉厚度与ETR、Y(Ⅱ)均显著负相关,栅栏组织、CTR与Fv/Fm显著正相关。叶绿素含量与叶绿素荧光参数间存在相关关系,但未达显著水平。(3)7个杨树品种苗期生态适应性由强到弱为‘湘林75’>‘巨霸杨’>‘湘林90’>‘湘林80’>‘江淮1号杨’>‘2025杨’>‘皖林1号杨’(CK)。

基于RS-PCA-SVM的建筑项目安全预测模型

为了减少建筑项目安全事故的发生,文章提出一种基于RS-PCA-SVM建筑项目安全组合预测模型,采用粗糙集理论(rough set,RS)对数据进行属性约简,剔除交叉和冗余信息,降低输入变量维数和计算复杂度,减少训练时间;利用主成分分析(principal component analysis,PCA)法进行降维处理,除去贡献率较低的主成分,将剩余主成分作为支持向量机(support vector machine,SVM)的输入变量,并选择自适应权重粒子群优化算法(particle swarm optimization,PSO)优化SVM的参数,避免参数选择的盲目性。结果表明:该模型的平均预测准确率为93.78%,相比传统方法预测精度高、计算速度快。

不同山葡萄品种CO_(2)响应模型拟合及评价

为探索不同山葡萄品种叶片CO_(2)响应特征差异,以5 a生山葡萄‘北冰红’‘北国红’‘双红’和‘雪兰红’为试材,采用Li-6400便携式光合仪,测定果实膨大期山葡萄叶片光合-二氧化碳响应曲线(photosynthetic CO_(2)response curve,P_(n)-C_(i))以及胞间CO_(2)浓度(intercellular CO_(2)concentration,C_i)、气孔导度(stomatal conductance,G_s)、水分利用率(water use efficiency,WUE)和蒸腾速率(transpiration rate,T_r)等气体交换参数,基于直角双曲线模型、Michaelis-Menten模型和直角双曲线修正模型3种模型拟合山葡萄叶片P_(n)-C_(i)响应曲线。结果表明,直角双曲线修正模型拟合的山葡萄P_(n)-C_(i)响应曲线,其拟合参数与实测值最为接近,可直接计算CO_(2)饱和点(CO_(2)saturation point,CSP)。随大气CO_(2)浓度(atmospheric CO_(2)concentration,C_a)的增加,4个山葡萄品种C_i呈线性递增趋势;G_s和T_r总体呈先升后降趋势;WUE先降后升,呈“U”型变化趋势。主成分分析提取出2个主成分,累计贡献率达84.613%。综合评价‘雪兰红’得分最高,光能转化利用率最高,在低C_a环境下的适应性最佳;‘双红’在不同C_a水平下均可保持较高光合效率,排名第2。综上所述,直角双曲线修正模型拟合山葡萄叶片P_(n)-C_(i)响应曲线效果最优。

基于PCA-BP神经网络的巷道通风摩擦阻力系数预测模型

根据实测巷道通风摩擦阻力系数数据的特点,建立了主成分分析PCA-BP神经网络预测模型。采用PCA法对影响巷道通风摩擦阻力系数的支护类型、断面形状、巷道宽、巷道高、支护部分周边长、巷道断面积和巷道长度7个因素进行降维。将降维后因素的贡献率进行排序筛选,得到3个主成分指标(F_(1)、F_(2)和F_(3)),作为BP神经网络输入层的神经元。利用实测数据对PCA-BP神经网络模型进行训练和测试,并将测试结果与支持向量机回归(SVM)模型和BP神经网络模型的测试结果进行对比,结果显示:全因素的BP神经网络预测模型和SVM预测模型的平均精度分别为92.9420%、93.0235%,而PCA-BP预测模型的平均精度达到了96.4325%。PCA-BP神经网络模型不但简化了网络结构,更提高了网络的泛化能力,使预测误差更小、精度更高,为更准确地获得巷道通风摩擦阻力系数提供了一种有效的方法。

清脑降压片多组分定量控制及综合质量评价模型构建

目的:建立清脑降压片一测多评测定方法,同时测定其中11种成分含量,并构建其OPLS-DA、EM-TOPSIS法综合质量评价模型。方法:以Agilent Extend C_(18)柱为色谱柱,乙腈-0.1%甲酸为流动相,同时测定18批清脑降压片中β-蜕皮甾酮、异钩藤碱、钩藤碱、黄芩苷、汉黄芩苷、红镰霉素-6-O-β-龙胆二糖苷、决明子苷C、橙黄决明素、丹参素、丹酚酸B、丹参酮ⅡA的含量,采用主成分分析(PCA)法和正交偏最小二乘法-判别分析(OPLS-DA)其整体质量进行综合评价。结果:11种成分分别在各自范围内线性关系良好(r≥0.999),精密度、重复性、稳定性、准确度良好(RSD<2.0%)。以汉黄芩苷为参照物,β-蜕皮甾酮、异钩藤碱、钩藤碱、黄芩苷、红镰霉素-6-O-β-龙胆二糖苷、决明子苷C、橙黄决明素、丹参素、丹酚酸B、丹参酮ⅡA的平均相对校正因子分别为1.648 9、0.925 7、1.434 6、1.299 1、0.751 6、0.836 9、1.129 5、1.573 0、0.788 5和1.256 9;ESM法与QAMS法测定结果比较,差异无统计学意义(P>0.05)。PCA结果显示不同批次清脑降压片质量存在差异;OPLS-DA筛选出黄芩苷、汉黄芩苷、丹酚酸B、红镰霉素-6-O-β-龙胆二糖苷和β-蜕皮甾酮等5种引起清脑降压片质量差异的主要因素。结论:所建立的方法对清脑降压片的质量控制和整体评价具有重要意义。

基于PCA-FSEM方法的风力发电机可靠性研究

针对西北某风电场相关运行数据,对风力发电机进行可靠性研究.考虑运行数据之间相关性和冗余度,采用主成分分析(PCA)法进行降维,选取部分关键可靠性指标且根据关键指标运行数据,结合模糊理论建立可靠性评价模型,并选取部分风力发电机运行数据进行模型验证.结果表明,PCA法提取主成分累积方差贡献率为87.585%,可综合表述风力发电机的可靠性信息.单一可靠性指标评价时,虽然B02单机可利用率高达98%,但总发电量最低,虽然A04单机可利用率最低,但发电量较高,说明单一可靠性指标评价时存在误差.A05、B03单机各项指标均高,实际运行状态良好,发电量高,说明综合可靠性更高,与研究结果一致.因此,基于PCA模糊理论建立的风力发电机可靠性模糊理论评价模型(FSEM)符合实际运行状态,对定量评估机组可靠性具有指导意义.