一、定量分析中的误差传递（论文文献综述）
常福[1]（2022）在《面向高温样品快速检测的LIBS光谱校正和模型优化方法》文中指出
王清亚[2]（2021）在《基于XRF的土壤重金属定量分析方法研究及应用》文中研究说明土壤是地球生态系统物质和能量循环的基础,也是人类赖以生存和发展的根本要素。我国土壤重（类）金属污染问题日益严峻,每年被重金属污染的粮食超1200万吨。土壤污染关系着国家粮食安全和人民身体健康。为了解土壤污染情况,科学防治污染地继续蔓延,有必要准确、快速地获取土壤重金属污染信息。X射线荧光（X-ray Fluorescence,XRF）分析技术是一种性能优异的多元素分析手段,是国际标准组织（ISO）的分析方法之一。能量色散型XRF结构简单、功率较小,可以应用于土壤污染现场调查。在现场XRF测量时,受土壤元素种类众多、基体效应、物理参数不统一等因素影响,光谱本底成分复杂、谱峰重叠、水分的存在导致检测准确度不高,限制了该技术的推广应用。因此,开发适用于土壤的现场检测技术,提升XRF分析的准确度是一项具有重要意义的工作。本文主要工作内容包括:（1）研究了XRF本底扣除的方法。提出采用非对称加权惩罚最小二乘的本底扣除算法。该算法由估计本底和原始光谱的误差建立logistic回归函数,使估计本底与特征峰的权重均匀地落在0～1之间。权重函数的特点为:当光谱和估计本底之间差异小于噪声均值时,对低于或高于本底的光谱给出同样的权重。当噪声均值维持在3σ范围内,赋给光谱较小的权重。当超过4σ时,逐渐赋0权重,认为这是特征峰的一部分。这样设置使得估计本底逐渐逼近真实本底,并不会将弱峰识别为噪声进行扣除。与其他扣除方法对比,该方法对低含量元素本底估计的准确性较优。性能评价结果显示,非对称加权惩罚最小二乘法可以准确地扣除光谱本底,提高XRF定量的准确性。（2）研究了重叠峰解析方法。特征峰重叠问题给元素的定性和定量分析带来极大困难。本研究利用X荧光壳层理论结合实验结果得到元素特征峰谱线强度,建立参数关联的高斯混合模型。将重叠峰解析转换为多个参数的全局寻优问题。提出利用混沌粒子群算法进行参数寻优,避免了传统算法易于早熟和陷入局部最优解的问题。为了方便使用,开发了一款图形用户界面,命名为XRF resolution,界面包括了所有本文所涉及的光谱处理功能。通过对多种土壤标准物质的测量分析,获取了系统的准确度、精确度、检出限等关键性能指标。结果表明系统的应用提高了各元素特征峰信息获取的准确性。（3）研究了水分对XRF测量影响的机制及修正方法。现场分析时,土壤中的水一直被认为是影响检测准确度的主要因素之一。水的存在直接影响样品有效原子序数和总的质量吸收系数等。本研究对水分影响进行较为全面的分析,通过物理理论的推导获得水分对于元素特征峰、元素含量、质量吸收系数等参数的影响机制。含水率梯度实验结果表明,随着含水率增加,土壤光谱本底抬高,康普顿和瑞利散射增加,元素特征峰降低。构建的物理模型表明,水是土壤基质的一部分,导致样品对射线的衰减能力降低。有效原子序数的降低类似于目标元素“被稀释”。本研究根据实验验证结果,建立了标准物质康普顿散射和元素特征峰数据库,应用于现场测量的水分修正方法中,提高了Ni、Cu、Zn、Pb、As等元素水分修正准确度。（4）研究了痕量重金属的XRF/NIR光谱联用检测技术。Cd和Hg都属于痕量元素,且生物毒性强。这两种元素检出限过高一直限制了XRF的推广应用。为解决这一问题,需从两个层面形成突破。首先通过优化本底扣除法提高本底扣除率和信噪比,克服噪声和背景计数对特征峰的影响;其次是探究多探测器联用的机制,引入近红外光谱建立数据融合的化学计量学模型。搭建了光谱联用的测试平台。分别建立了Cd的外积融合PLSR定量方法以及Hg的模型平均融合PLSR定量方法,提高了定量的准确性,为痕量元素检测提供了新的思路。综上所述,本研究建立了基于非对称加权惩罚最小二乘的本底扣除方法;提出了高斯混合模型-混沌粒子群算法的重叠峰解析方法,并开发了相关用户界面;研究了水分对X射线与土壤相互作用的影响,建立了标准物质康普顿散射和元素特征峰数据库,应用于现场测量的水分修正方法中;研究了痕量重金属的XRF/NIR光谱联用检测技术,搭建了联用测试平台,分别建立了Cd的外积融合PLSR定量方法以及Hg的模型平均融合PLSR定量方法,为今后推广示范应用提供了重要的技术支撑。
路辉[3]（2021）在《复杂铝电解质关键物化参数预报和测定新方法》文中指出铝电解质是电解铝生产的载体介质,其组成和物理化学性质直接影响铝电解产品质量、电能消耗和电流效率。随着原材料及辅助材料变化,电解质体系成分越来越复杂,且呈现出明显的区域性特征,其物理化学性质发生了较大改变,给电解生产带来效率低、能耗高、沉淀多和控制难等系列问题。围绕电解铝工业提质增效、节能降耗,转型升级战略目标,深入研究复杂铝电解质体系物理化学性质,探索复杂电解质初晶温度、分子比等关键物化参数精准预报和测定,对优化铝电解生产工艺、实现生产精准管控和推动铝冶炼智能升级具有重要意义。本论文以复杂铝电解质体系为研究对象,采用多种分析检测手段,获得了复杂铝电解质体系的化学组成、物相组成、元素赋存状态和热稳定性等物理化学性质,揭示了复杂铝电解质体系区域性特征,建立了原材料、辅助材料和复杂电解质体系形成间的映射关联。采用机器学习算法,构建了基于多基体类型、宽成分范围复杂铝电解质样本的初晶温度预报模型。采用激光诱导击穿光谱（LIBS）技术,基于特征提取和机器学习融合的化学计量学方法实现了复杂铝电解质CR的定量分析测定。开展了熔融复杂铝电解质CR和Ca、Mg含量的LIBS原位在线检测实验,首次实现复杂铝电解质体系主要成分的LIBS原位在线检测分析。主要研究成果如下:（1）电解质和原辅料多维度、大容量的多源数据结合原料区域供应协同的分析方法,实现复杂铝电解质体系和原辅料间成分的区域映射关联。分析了复杂铝电解质体系的典型物理化学性质,揭示了复杂铝电解质体系区域性特征。从氧化铝、炭素阳极、阳极覆盖料和炭渣等方面对复杂铝电解质体系形成进行溯源分析,阐明氧化铝、炭素阳极和阳极覆盖料中杂质元素分布规律,构建了铝电解原材料、辅助材料中杂质元素和复杂铝电解质形成之间的基本映射关系。（2）大样本容量电解质样本成分全要素耦合结合机器学习解析的建模方法实现了复杂铝电解质体系初晶温度的精准预报。模型适用范围拓宽,预报准确性提高,揭示出复杂铝电解质体系初晶温度与其化学成分之间的非线性关系。BP-ANN模型留一交叉验证RMSE=6.77,MRE=0.54%,39个外部样本初晶温度预报的平均相对误差为0.39%;SVM（Rbf）模型留一交叉验证RMSE=6.90,MRE=0.49%,预报39个外部样本初晶温度的平均相对误差为0.43%,预报准确性较高,具有重要的应用价值。（3）设计、搭建LIBS实验装置,通过开展单因素实验,实现了 LIBS检测关键实验参数优化。通过选择特征分析谱线,计算等离子体温度和电子密度,证实等离子体光谱有效性,优化LIBS实验条件,获得合理的实验参数组合。结合Mc-Whirter准则,计算出激光等离子体温度为5353 K,电子密度为1.55×1018 cm-3,证实复杂铝电解质等离子体满足局部热力学平衡状态,LIBS等离子体光谱有效。实验确定LIBS参数优化条件为:氩气气氛,激光器延迟时间4 μs,激光器能量133 mJ,电解质研磨时间30 s,电解质压样压力8 Mpa,激光脉冲累加50次,为复杂铝电解质体系主要成分LIBS定量分析奠定基础。（4）提出基于光谱变量特征提取和机器学习融合方法,首次实现复杂铝电解质CR的LIBS定量测定分析。采用超多面体方法筛选光谱特征变量,以筛选出的特征变量为新数据集,采用机器学习算法训练建模,发现SVM（Liner）模型留一交叉验证RMSE=0.062,MRE=1.79%,SVM（Rbf）模型留一交叉验证RMSE=0.027,MRE=0.93%;通过验证17个外部独立测试样本,SVM（Liner）与SVM（Rbf）模型测定分析复杂电解质CR的平均相对误差为0.33%与0.43%,Hyperpolyhedron-SVM方法对复杂铝电解质训练样本和验证样本均表现出较好的分析测定能力。（5）搭建LIBS原位在线检测装置结合化学计量学解析方法,首次实现高温环境下强扰动、非均质熔融态复杂铝电解质主要成分的LIBS定量分析。基于全谱的SVM校正模型分析测定能力较好,分析20个外部电解质样本CR的平均相对误差为2.62%。采用传统定标法建立了面向复杂电解质体系Ca、Mg含量的定标曲线,其中Ca元素的定标曲线为y=6208.43x-8654.59,定标模型 R=0.94,RSD=1.89%,Mg 元素的定标曲线为 y=7120.13x+1312.60,定标模型R=0.95,RSD=3.28%。通过分析13个外部独立测试电解质样本,Ca元素平均相对标准偏差为5.40%,Mg元素的平均相对标准偏差为13.0%。Ca元素最低检测限为8.54mg·g-1,Mg元素最低检测限为15.50mg·g-1。
奉慕霖[4]（2021）在《橡胶及添加剂多组分混合物太赫兹光谱特征提取和定量检测方法研究》文中研究表明在低碳经济相关产业不断发展的时代背景下,各国为了加快轮胎工业中“绿色轮胎”发展,陆续推出了相关法规并对其所用有毒有污染的原料含量进行了严格规定,因此有必要对轮胎橡胶中所用添加剂的含量进行准确的检测。然而,传统橡胶添加剂检测手段存在耗时较长、检测结果不够准确等不足,研究一种快速、无损、准确的橡胶检测方式具有重要的现实意义和应用前景。作为一种新兴的光谱检测技术,太赫兹光谱技术可以在不损坏实验样品的情况下,通过不同物质在太赫兹频段内表现出的“指纹”特性对物质进行准确的定量检测。本文基于太赫兹光谱检测技术对不同组分的橡胶及添加剂混合物中待测成分的光谱特征提取和定量检测方法进行了研究,对提高混合物定量分析准确性有一定的实际指导意义。主要内容如下:（1）对丁腈橡胶和纳米碳酸钙双组份混合物进行了定量分析,分别建立了偏最小二乘回（Partial Least-Squares Regression,PLSR）和支持向量回归（Support Vector Regression,SVR）定量模型,以混合物实验样品的吸光度为两种模型参量,并对混合物中纳米碳酸钙的含量进行了定量分析,得到了两种模型的预测结果。结果表明,SVR模型得到的校正集和预测集的相关系数分别为0.9995和0.9931,均大于PLSR模型,即SVR模型得到的预测结果更优。（2）将Legendre矩（Legendre Moment,LM）作为一种光谱特征提取方法引入到数据预处理中,以剔除多组分混合物光谱中的冗余信息和干扰噪声。提取出三组分和四组分混合物的吸光度灰度图的特征信息,然后分别建立LM-PLSR和LM-SVR定量分析模型并将结果与PLS和SVR模型的结果进行对比。结果表明,对三组分定量分析时,LM提取出的光谱特征使LM-PLSR和LM-SVR模型的预测结果有明显的提高,而LM-SVR的预测结果最优,其校预测集相关系数由SVR模型的0.9573提高到了0.9726;对四组分定量分析时,LM-SVR模型的预测结果与其他模型结果比较也是最优,其预测集相关系数由SVR模型的0.9393提高到了0.9440。（3）运用Krawtchouk矩（Krawtchouk Moment,KM）对多组分混合物吸光度光谱灰度图的感兴趣区域进行特征提取,根据设置合适的参数1p和p2选择KM提取特征的区域,以提取出更利于建立定量分析模型的特征信息。最后将得到的特征信息建立KM-PLSR和KM-SVR定量分析模型对四组分混合物中两种成分含量进行了定量检测。结果表明,KM提取的四组分混合物光谱特征能明显地提高模型定量检测的准确性,KM-SVR模型得到的预测结果比其他模型的更优:促进剂CZ的定量检测结果显示,KM-SVR模型的预测集相关系数由LM-SVR模型的0.9440提高到了0.9696;氧化镁的定量检测结果显示,KM-SVR模型的预测集相关系数由LM-SVR模型的0.9561提高到了0.9786。
殷博[5]（2020）在《一些重要生物分子的定量及疾病诊断新方法研究》文中研究说明硫醇等生物分子在调节各种正常生理病理过程中发挥着重要的作用,它们在体内的生理水平与许多疾病密切相关。因此,开发简便、灵敏、低成本的方法来实现这些重要生物分子的快速准确检测具有非常重要的意义。本学位论文在复杂体系中一些重要生物分子的测定及疾病诊断方面进行了较为深入地研究。借助化学计量学中矩方法的多分辨性和全局特征描述能力解决了复杂体系中多目标组分之间信号重叠及噪声干扰等问题。各章主要内容如下:第一章绪论主要概述纳米材料在一些重要生物分子检测方面的研究进展及化学计量学在复杂体系中定量分析及疾病诊断方面的应用研究,并对本学位论文的研究工作和创新之处进行了介绍。第二章谷胱甘肽自由基与药物白藜芦醇相互作用研究许多体外实验表明,在各种天然产品中发现的白藜芦醇（resveratrol,RES）与神经保护、心脏保护以及癌症的预防等有关。然而,临床试验得出的结果却各不相同,使得RES的作用备受争议。在本文中,我们首先研究了谷胱甘肽（reduced Glutathione,GSH）能以谷胱甘肽自由基（GS·）的形式和内源性有毒代谢物丙烯醛（Acrolein,ACR）结合。同时,我们证明了药物RES也可与细胞中的GS·结合。利用自由基捕获剂来捕获ACR、RES与GSH反应过程中的GS·,并通过紫外-可见分光光度法、质谱法以及理论计算等对两种反应的机理进行了进一步研究。密度泛函理论结果表明,与GS·与ACR之间的反应相比,GS·与药物RES的反应比更容易发生。此外,在癌细胞培养过程中加入RES后得到了RES与GSH的加合物GS-RES;进一步的研究表明超过77.6%的RES在癌细胞中被GSH消耗。由于在许多癌细胞中都观察到GSH的浓度偏高,因此从本研究结果可以推断出细胞中内源性的GS·可能是导致化疗期间抗肿瘤药物药效降低的重要因素之一,在临床治疗和药物开发中应予以特别关注。第三章基于多响应荧光探针同时定量分析癌细胞中的三种硫醇谷胱甘肽（reduced Glutathione,GSH）、半胱氨酸（Cysteine,Cys）和同型半胱氨酸（Homocysteine,Hcy）是生物体内非常重要的三种硫醇。由于它们在体内是共存的,为了满足实际需要,对它们的同时定量测定是非常有必要的。虽然目前已经研发了大量的荧光探针（包括多响应荧光探针）,但由于光谱信号的重叠以及细胞内环境的复杂性,同时准确定量分析细胞内多种硫醇仍然存在一定的困难。本研究采用多响应荧光探针同时定量分析细胞内的GSH、Cys和Hcy。利用密度泛函理论进一步研究了荧光探针与三种硫醇之间的作用机理,结果表明三种硫醇中Hcy与探针作用所需要的激发能量最低。为了实现对三种硫醇的同时定量分析,我们采用了Tchebichef图像矩（Tchebichef image moment,TiM）方法。作为目标组分的特征变量,TiM方法可以方便地提取多种目标组分的特征信息。从三维（three-dimensional,3D）荧光光谱灰度图像出发,我们计算得到了代表各个组分信息的Tchebichef图像矩值,然后采用逐步回归的方法建立定量线性模型。该分析方法的日内和日间精密度分别低于5.6%和8.7%,Cys、GSH和Hcy的检测限分别为0.11μM,0.35μM和0.18μM。回收率在97.0%到105.9%之间。此外,该方法还应用于MCF-10A细胞和MDA-MB-231癌细胞中Cys、GSH和Hcy的同时定量测定。结果表明,癌细胞中三种硫醇的浓度均高于正常细胞中硫醇的浓度。本研究不仅为复杂细胞环境中多目标生物分子的定量研究提供了一种有效的方法,而且进一步拓展了多响应荧光探针的应用范围。第四章血清中单胺类神经递质的同时定量分析研究神经递质是内源性的化学信使,在神经元和其他细胞之间传递和转换特定的信号。它们可以作为生物标记物用于许多疾病的诊断分析研究。在此,我们发展了一种电化学与化学计量学相结合的方法,可以同时定量分析人血清中单胺类神经递质,包括多巴胺（Dopamine,DA）、血清素（又名5-羟色胺,5-hydroxytryptamine,5-HT）、肾上腺素（Epinephrine,EP）以及去甲肾上腺素（Norepinephrine,NE）。采用电沉积法制备了还原氧化石墨烯（Reduced Graphene Oxide,RGO）修饰的玻碳电极RGO/GCE,并用扫描电子显微镜（Scanning Electron Microscope,SEM）和电化学技术对该修饰电极进行了表征。差示脉冲伏安（Differential Pulse Voltammetry,DPV）测试结果表明四种神经递质之间存在比较严重的伏安信号重叠现象。为了实现这四种神经递质的同时测定,我们利用课题组提出的Tchebichef曲线矩（Tchebichef curve moment,TcM）方法从伏安图中得到每个目标组分的特征信息,并通过逐步回归建立定量模型进行多目标组分的同时定量分析。该分析方法的日内和日间精密度分别低于3.5%和8.1%,四种神经递质DA、EP、NE和5-HT的检测限分别达到0.074μM,0.104μM,0.084μM和0.097μM。回收率在83.5%到111.6%之间。以上结果表明,我们提出的方法简便、可靠,可实现人血清中多种神经递质的同时测定。第五章一锅法合成CuNCs/RGO纳米复合材料及其对人血清中肝素的灵敏检测利用简便的一锅法来合成铜纳米簇（CuNCs）修饰的还原氧化石墨烯（CuNCs/RGO）纳米复合材料,其中CuNCs通过与GSH功能化的还原氧化石墨烯之间的配体交换作用附着在石墨烯表面。我们对合成的纳米复合材料进行了紫外、红外、质谱以及透射电镜等表征,同时利用密度泛函理论对CuNCs的结构进行了详细的研究,发现Cu3R2簇结构(R=C10H16O6N3S)能量最低,推测是CuNCs的主要组成结构。由于CuNCs和还原氧化石墨烯（RGO）之间存在光诱导电子转移过程,致使CuNCs/RGO纳米复合材料的荧光很弱。发现该纳米复合材料在肝素（Heparin,Hep）的作用下,波长为595 nm处的荧光会明显增强。基于此我们构建了CuNCs/RGO纳米复合材料荧光传感平台来灵敏检测人血清中的Hep,并对复合材料荧光猝灭的机理以及Hep的传感机理作了进一步的研究。另外,在含有2%人血清样品的缓冲溶液中Hep的检测限可以达到26 nM;线性范围在0.1-10μM之间,加标回收率结果满意,在96.6%104.7%之间。以上结果说明我们制备的CuNCs/RGO纳米复合材料能够应用于人血清样品中Hep的灵敏检测。第六章基于血浆三维荧光光谱对结肠直肠癌的早期诊断分析研究结肠直肠癌（colorectal cancer,CRC）是胃肠道中常见的恶性肿瘤。由于CRC的早期症状不明显以及对该病缺乏有效的筛查方法,导致CRC筛查率在一般人群中仍然较低。因此,急需发展一种快速、可靠的方法来进行CRC的早期诊断。恶性组织上相关的生物分子如嘌呤核苷酸和卟啉等会在紫外可见区域产生一个宽的荧光发射光谱范围。本章提出了一种基于Tchebichef图像矩的偏最小二乘-判别分析（TiM-PLS-DA）方法,可以从三类血浆样本（CRC患者样本、腺瘤患者样本和健康受试者样本）的三维荧光光谱中进行快速诊断。建立的分类模型对CRC癌症样本预测的准确率达到了84%。我们采用Venetian blinds交互检验方法对建立的模型进行了验证。交叉验证集和测试集的分类误差率均低于0.16,CRC检测的灵敏度和特异性分别为0.95和0.88。另外,我们利用受试者工作特征曲线（Receiver Operating Characteristics,ROC）对模型诊断能力进行的进一步的检验,CRC样本的ROC曲线下面积（Area Under Curve,AUC）达到0.94。和已有方法相比,血浆荧光光谱结合TiM-PLS-DA方法对CRC的早期诊断具有较大的优势,将为临床癌症诊断分析提供一种潜在的替代方法。第七章总结与展望
马卿效[6]（2021）在《太赫兹光谱技术在农药定量检测领域的应用与研究》文中进行了进一步梳理在现代农业生产中,农药扮演着极其重要的角色。然而,随着农药的大规模使用,一些负面影响日渐暴露,其中,农产品中农药残留引起了消费者的高度重视,实现农产品中农药残留的定量检测,是消费者安全消费的保证。传统检测方法在检测时间、检测精度、样本破坏性等方面存在不足,而太赫兹光谱技术具有快速、准确、无损的特点,使其在农药的定性与定量检测方面展示了广阔的应用前景。本文选用三种农药,6-苄氨基嘌呤（6-Benzylaminopurine）、吡虫啉（Imidacloprid）、敌草腈（2,6-Dichlorobenzonitrile）,及农产品小麦粉为检测对象,采用太赫兹光谱技术,并结合机器学习算法,从农产品中农药的定量检测、光谱高效频段的选取两个方面展开研究,本文主要研究内容及成果总结如下:（1）单种农药的定量检测:将6-苄氨基嘌呤与聚乙烯不同比例高浓度混合,选用偏最小二乘回归算法（PLS）建立农药吸收光谱与农药浓度的定量模型,选用均方根误差（RMSE）和相关系数（R）评估模型性能,证明了机器学习算法与太赫兹光谱技术相结合,实现农药定量检测的可行性。（2）实际农产品中低浓度农药多元混合物的定量检测:将三种农药同时与小麦粉以不同比例低浓度混合,比较了PLS,BP神经网络（BPNN）,支持向量机回归（SVR）三种算法对农药多元混合物的定量检测精度。结果表明在农药多元混合物的定量检测中,BPNN、SVR两类非线性模型较线性模型PLS表现更优,尤其是可进行多参数调节的BPNN。此外,为进一步提升检测精度,对光谱数据进行了校正,并结合遗传算法（GA）对BPNN的重要参数（如神经网络层数、隐藏层节点数、学习速率）进行了优化,计算发现,BPNN网络经遗传算法（GA）参数优化后,对应检测精度得到了明显改善,三种农药的平均相关系数R由优化前的0.9323提升至0.9963,优化后的GA-BPNN模型对于实现农产品中农药的定量检测更具实际参考价值。（3）光谱高效频段的选取:除模型选取外,光谱高效频段的选取对于检测精度同样重要。实验中获得的原始光谱既包含高信噪比信息,同时包含着由于散射效应和随机干扰等造成的各种类型的噪声。本文首先采用等间隔偏最小二乘回归算法（i PLS）进行了不同区间内的农药含量检测,发现吸收光谱的高效频段与吸收峰有密不可分的关系。鉴于吸收峰的特殊性,通过引入峰值间隔总和（Si）和峰宽两个参数,结合粒子群算法（PSO）,实现了吸收峰的选取以及吸收峰宽的研究,确定了样品的高效频谱区间。比较选取原始光谱和高效频段光谱的定量检测结果,发现在同一模型下,合适的频段选取可以显着提高定量检测的精度。
米佳莹[7]（2020）在《离散Shmaliy矩在图谱分析中的应用研究》文中研究指明随着现代分析仪器和手段的快速发展,分析研究人员可以在相对较短的时间内获得样本的大量信息。但是,仅仅通过常规方法很难直接定性和定量地分析复杂体系中的多个目标组分。因此,如何借助其它手段从大量数据信息内最大限度的提取其中的重要信息成为了研究人员亟待解决的问题,化学计量学的出现为分析和研究复杂体系提供了便利。离散Shmaliy矩（DSM）具有描述全局图像/曲线特征的能力、独特的多分辨性以及旋转、平移、缩放的固有不变性。基于化学2D/3D图谱,即使其中存在未校正的干扰信号,使用离散Shmaliy曲线/图像矩可以提取图谱中与目标组分相关的特征信息,从而实现对复杂样本中多目标组分的同时定量分析。此外,还首次将该图像矩方法应用在医学图像的特征提取中,以满足的快速、准确诊断疾病的需求。本硕士学位论文主要是将DSM方法分别基于常规化学（2D/3D）图谱以及脑部医学图像开展相关的应用研究。研究工作分为以下三个章节（第二章至第四章）,第一章为绪论部分,之后依次展开。第一章绪论。主要介绍了分析化学计量学的发展及其在常规的化学图谱分析中的应用、矩方法的发展以及其在复杂体系中分析研究和应用。最后对本论文内容进行了简要概括。第二章离散Shmaliy矩在基于UV-vis和HPLC-PAD图谱定量分析多目标组分化合物中的应用为了更好地提取一阶或二阶信号中的特征信息,我们首次将离散Shmaliy曲线/图像矩方法应用在基于UV-vis和HPLC-PAD图谱的复杂样品中多个目标组分的定量分析中。采用训练集相关系数（R）、留一法交互检验相关系数(Rloo-cv)、预测集相关系数（Rp）、训练集均方根误差（RMSE）、交互检验均方根误差(RMSEcv)、预测集均方根误差（RMSEp）等统计参数来评估所建立的模型的稳健性和可靠性,以及在实际应用中的预测能力及准确性。此外,我们还将离散Shmaliy矩方法得到的定量分析结果与Tchebichef矩（TM）和其他经典方法如Multivariate curve resolution-alternating least square（MCR-ALS）、Partial least squares（PLS）以及N-way partial least squares（N-PLS）等方法得到的结果进行了比较。研究表明我们提出的方法可以得到更加准确、可靠的结果,为复杂样品中多目标组分的定量分析提供了另一种有效的策略。第三章离散Shmaliy矩结合数据融合策略定量分析红酒样品中的九个目标组分在前一章的研究工作中,是基于单一图谱/数据进行的定量分析研究。然而在某些情况下,单一仪器测定得到的图谱/数据所包含信息量不足,此时难以基于这类图谱/数据做出令人满意的定量分析结果。因此,如果将不同仪器测定得到的信息进行有效的融合从而扩充样本所包含的信息量,可能会有助于得到更加准确可靠的定量分析结果。在本章的研究工作中,我们采用离散Shmaliy曲线矩方法作为IR和GC图谱的特征信息的提取手段,并与两种数据融合方式（信号融合和特征融合）相结合,后续建立红酒样品中九种目标组分的定量分析模型。结果表明,与偏最小二乘（PLS）和Tchebichef矩（TM）方法所得到的结果相比,离散Shmaliy曲线矩方法与特征融合方式相结合可以更好地实现红酒样品中的九种目标组分的定量分析。这不仅表明离散Shmaliy曲线矩方法能够有效准确地提取目标组分的特征信息,并且当基于单一数据集难以对复杂体系进行准确定量时,离散Shmaliy曲线矩方法结合特征融合策略可以作为实现准确定量分析的有效策略。第四章磁共振成像（MRI）结合离散Shmaliy图像矩方法对脑肿瘤的检测研究基于受试者脑部的磁共振成像,结合离散Shmaliy图像矩方法我们提出了一种辨别肿瘤患者与健康人群的新方法。脑肿瘤是一种近年来多发的肿瘤疾病,如果肿瘤可以在早期被正确地检测到,这将大幅度提高治愈率。因此,肿瘤的准确检测是治疗的关键。本章首次提出使用离散Shmaliy图像矩方法提取图像中脑部信息的特征值,并用其建立SVM的预测模型。在这项工作中,分别采用10-折交叉验证和独立测试集来评价模型,并且选取4种常见的预测方法做了对比。结果表明,我们提出的DSM-SVM方法可以给出比较准确的结果,并为肿瘤的检测提供了一个可行的工具。第五章本文以结论的形式简要总结了本论文的研究工作,并简要阐述了对矩方法相关研究与应用的展望。
付美[8]（2020）在《基于深度卷积网络的低剂量CT影像降噪研究》文中指出随着计算机断层扫描（CT）技术的不断发展以及其临床辅助诊断的重要作用,自1973年Godfrey Hounsfield发明第一台CT扫描仪起,CT具有越来越广泛的临床应用。由于CT影像的生成与人体不同组织吸收、透过不同含量的X射线有关,这对患者存在引起遗传损伤、诱发癌症和其他肿瘤的潜在风险。为解决这一问题,通过降低管电流等方法来降低CT扫描的辐射剂量是一种高可行性的手段。但是辐射剂量的降低会增加影像的噪声和伪影,对于临床诊断而言,这种对诊断信息的破坏是不可接受的。近年来,为解决在降低CT扫描的辐射剂量的同时保证低剂量CT影像的诊断效用,研究人员进行了大量的相关工作。传统的影像处理方法包括重建前的正弦图域滤波、迭代重建及重建后的图像后处理,取得了很多突破性成果,然而影像的处理时间过长、可能存在的边缘模糊等问题,对于临床大量的CT扫描需求来讲,还需进一步完善。随着计算机计算能力的显着提高,允许处理深度网络的大量数据,使得基于深度学习的方法在医学影像处理领域有着爆炸性的发展,并在低剂量CT影像降噪上,取得了很好的效果并展现出巨大的发展潜力,并且训练好的模型在应用阶段处理影像的时间远少于传统方法。在低剂量CT影像降噪研究中,为降低低剂量CT影像中存在的噪声和伪影,同时使得处理后的影像在主观视觉效果上,从降噪程度、软组织纹理保存及小结构保真度三个考量指标来看均有高质量的处理结果,在客观指标定量分析中取得高分,本文设计了基于感知卷积网络的低剂量CT影像降噪方法。该方法利用残差思想学习低剂CT影像到影像噪声间的映射,降低了训练难度,同时结合感知损失及L1损失,综合了深度学习的表达能力和医学影像的数据特点。通过实验验证,所提方法处理效果能够更好的平衡影像的降噪程度和组织纹理细节的完整保存,尤其针对目前该领域的难点软组织窗的处理效果。针对CT扫描不同剂量的场景,设计了基于深度卷积网络的混合多剂量CT影像降噪方法。基于CT影像降噪模型,进一步优化模型结构,提升模型的降噪性能。引入盲降噪方法,对于不同扫描剂量的影像,在不同的数据集上,使用该模型处理均取得了良好的主观视觉效果和客观指标得分。
马云望[9]（2020）在《基于LIBS技术的炉渣成分分析与研究》文中进行了进一步梳理激光诱导击穿光谱技术（LIBS）是一项新型的光谱分析技术,将此技术应用于钢水冶炼过程中的炉渣成分进行分析,来探索LIBS技术用于炉渣实时在线分析的可行性与可靠性。以优化LIBS技术的实验条件和对炉渣定量分析为主要研究内容,对应用LIBS技术检测炉渣做了以下工作:介绍了激光诱导击穿光谱技术的基本原理、发展状况以及激光诱导击穿光谱用于定量分析的基本原理;优化了实验系统的激光收集位置、聚焦位置以及采集延时等,提高了光谱信号的信噪比。简要介绍了目前常用的几种LIBS定标分析方法,分析了它们各自的适用范围及LIBS技术在熔融液态炉渣成分定量分析中应用的可行性,通过对比发现:建立神经网络训练模型方法,因其可利用大量数据样本对网络进行训练构建合理可靠的网络模型,能够应用于未知分析对象炉渣的定量分析测量。利用GA-BP-ANN（遗传算法优化人工神经网络）对Ca元素的相关数据进行训练以此来对高温熔融态炉渣进行定量分析,计算了炉渣中Ca元素的含量,并将计算结果和XRF测定结果（真值）、BP-ANN的训练结果以及自由定标法的结果进行对比,实验结果表明用GA-BP-ANN的模型可以更好地对炉渣中Ca元素含量进行测定,测量的结果更加准确、误差也更低,是一种极具发展潜力的LIBS定量分析方法。也证实了将LIBS技术用于炉渣成分的实时在线检测是极具发展潜力的。图31幅;表8个;参64篇。
鞠薇[10]（2019）在《环境污染气体的FTIR光谱特征提取及定性识别方法研究》文中研究表明快速准确获取大气污染气体的种类及浓度信息有助于研究大气污染的形成机理以及制定污染防治的政策法规。傅里叶变换红外光谱技术（Fourier Transform In frared Spectroscopy,FTIR）是一种高效的环境大气监测技术,能够对空气中存在的痕量污染气体进行实时在线测量。实测气体光谱中的光谱混叠和数据多重共线性等问题严重制约了大气光谱的定性识别准确度以及定量分析精度。针对这一问题,论文围绕气体FTIR光谱的特征提取以及混叠光谱定性识别展开深入研究,提出了气体FTIR光谱处理新算法,论文主要研究工作如下:1)提出了一种改进阈值的提升小波结合自适应滤波器的光谱去噪算法。针对实测大气光谱的噪声统计特性未知,以及部分吸收峰与噪声的频域特性相似等特点,算法利用改进阈值提升小波变换对光谱进行不完全去噪,将分解得到的高频信号作为自适应滤波器的噪声参考信号对光谱进行二次去噪。该算法充分利用了提升小波的快速分解以及自适应滤波器对未知噪声的跟踪反馈能力,能够对光谱进行快速去噪的同时保留更多吸收峰细节信息。实验结果验证了该算法的有效性。2)提出了一种将间隔偏最小二乘（interval Partial Least Squares,iPLS）与蒙特卡洛采样（Monte Carlo sampling,MC）相结合的iPLS-MC特征波长选取算法。针对光谱数据中的冗余信息以及多重共线性对定量校正模型预测精度的影响,算法利用iPLS方法预选出光谱特征波段,蒙特卡洛采样能够利用波长之间相互联系以及组合建模对于模型预测精度的影响,从光谱特征波段中筛选出最佳特征波长组合。利用选取出的特征波长进行建模,能够有效提高模型的预测精准度以及降低模型复杂度。实验结果验证了该算法的有效性。3)提出了基于改进的独立分量分析（Independent Component Analysis,ICA）的混叠光谱快速定性识别方法。针对传统光谱定性识别方法无法对混叠宽峰光谱进行有效识别的问题,该方法利用混合气体吸光度光谱与瞬时混合系统模型的相似性,将信号盲源分离中的ICA方法应用于混叠光谱的组分分离中,通过对比分离结果与标准光谱数据库信息从而获取混叠光谱定性识别结果。改进的ICA算法利用五阶牛顿迭代加速了光谱分离的过程,有利于在线测量系统的快速定性识别。实验结果验证了该方法的有效性。4)研究了自动基线校正与非线性最小二乘（Non-linear Least Squares,NLLS）相结合的光谱定量分析方法。针对实测光谱基线漂移对定量分析的影响,该方法利用四阶多项式拟合背景光谱对基线进行自动校正,并使用NLLS浓度反演方法对基线校正后的光谱进行定量分析。该方法能够对光谱基线漂移进行有效抑制的同时完好保留光谱中宽峰形态,NLLS浓度反演方法利用分子光谱吸收数据结合仪器参数对实测光谱进行拟合计算,能够快速准确获取光谱中混合气体的浓度信息。实验结果验证了该方法的有效性。
二、定量分析中的误差传递（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、定量分析中的误差传递（论文提纲范文）
（2）基于XRF的土壤重金属定量分析方法研究及应用（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 土壤重金属XRF分析技术 |
| 1.2.2 本底扣除方法研究现状 |
| 1.2.3 重叠峰解析方法研究现状 |
| 1.2.4 水分影响及修正方法研究现状 |
| 1.3 XRF重金属检测主要问题 |
| 1.4 论文研究内容与技术路线 |
| 1.5 论文主要工作 |
| 1.6 本章小结 |
| 2 XRF分析原理及分析方法 |
| 2.1 X射线与物质相互作用 |
| 2.1.1 光电效应 |
| 2.1.2 康普顿散射 |
| 2.1.3 X射线的吸收 |
| 2.1.4 瑞利散射 |
| 2.2 X射线荧光定量分析原理 |
| 2.3 定量分析方法 |
| 2.4 分析结果评价 |
| 3 基于非对称加权惩罚最小二乘的光谱本底扣除法 |
| 3.1 本底的来源及特性 |
| 3.2 非对称加权惩罚最小二乘本底扣除方法 |
| 3.2.1 方法提出的基础 |
| 3.2.2 arPLS算法原理及本底扣除过程 |
| 3.3 本底扣除方法的效果评价 |
| 3.3.1 含高斯本底的模拟光谱扣除效果评价 |
| 3.3.2 本底已知的理论谱线本底扣除效果评价 |
| 3.4 本章小结 |
| 4 基于高斯混合模型-混沌粒子群算法的重叠峰解析方法 |
| 4.1 常用的重叠峰解析方法 |
| 4.2 重叠峰的数学描述 |
| 4.3 基于X荧光壳层理论和高斯混合模型-混沌粒子群算法的解析方法 |
| 4.3.1 X荧光壳层理论 |
| 4.3.2 高斯混合模型-混沌粒子群算法 |
| 4.3.3 解析方法流程 |
| 4.4 方法验证与讨论 |
| 4.4.1 Ni、Cu、Zn特征X射线荧光的重叠谱解析 |
| 4.4.2 As、Pb、Hg特征X射线荧光的重叠谱解析 |
| 4.4.3 实际样品的重叠峰解析 |
| 4.5 本章小结 |
| 5 图形用户界面设计及方法性能评价 |
| 5.1 图形用户界面设计 |
| 5.2 界面布局及功能介绍 |
| 5.2.1 数据导入模块 |
| 5.2.2 本底扣除模块 |
| 5.2.3 重叠峰解析模块 |
| 5.3 准确度和精密度评价 |
| 5.3.1 实验样品及系统 |
| 5.3.2 数据分析与评价指标 |
| 5.3.3 结果与讨论 |
| 5.4 检出限评价 |
| 5.4.1 样品制备及实验 |
| 5.4.2 数据处理 |
| 5.4.3 管电压对检出限的影响 |
| 5.4.4 管电流对检出限的影响 |
| 5.4.5 本底扣除效果评价 |
| 5.5 本章小结 |
| 6 水分对便携XRF的影响机制及修正方法 |
| 6.1 土壤水分的影响 |
| 6.1.1 水分效应 |
| 6.1.2 水分的影响 |
| 6.1.3 常用的修正方法 |
| 6.2 特征射线强度变化的理论推导 |
| 6.3 物理模型验证 |
| 6.3.1 实验仪器和实验样品制备 |
| 6.3.2 光谱本底与含水率的变化关系 |
| 6.3.3 散射峰与含水率的变化关系 |
| 6.3.4 目标元素特征峰与含水率的变化关系 |
| 6.4 水分影响的修正方法 |
| 6.5 本章小结 |
| 7 XRF/NIR光谱联用及土壤重金属分析的应用 |
| 7.1 XRF/NIR光谱联用方法 |
| 7.1.1 近红外光谱介绍 |
| 7.1.2 XRF/NIR光谱联用理论背景 |
| 7.2 土壤样品的采集与处理 |
| 7.3 土壤样品的化学分析和光谱测量 |
| 7.4 光谱预处理方法 |
| 7.5 Cd、Hg定量模型 |
| 7.5.1 预处理方法对比 |
| 7.5.2 数据融合模型 |
| 7.6 本章小结 |
| 8 结论与展望 |
| 8.1 研究结论 |
| 8.2 特色及创新点 |
| 8.3 未来工作展望 |
| 致谢 |
| 攻读博士期间科研成果 |
| 参考文献 |
| 附录 |
| 附录A 表1 土壤环境质量标准(mg/kg) |
| 附录B 部分arPLS算法(Matlab R2020a) |
| 附录C 部分混沌粒子群算法 |
（3）复杂铝电解质关键物化参数预报和测定新方法（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 1 引言 |
| 2 文献综述 |
| 2.1 铝电解质体系概述 |
| 2.1.1 铝电解质体系发展历程 |
| 2.1.2 铝电解质体系分类 |
| 2.1.3 复杂铝电解质体系形成原因 |
| 2.1.4 复杂铝电解质对生产过程的影响 |
| 2.2 铝电解质体系初晶温度预报和CR测定分析 |
| 2.2.1 铝电解质体系初晶温度预报 |
| 2.2.2 复杂铝电解质体系CR测定分析 |
| 2.3 激光诱导击穿光谱(LIBS)技术 |
| 2.3.1 LIBS技术概述 |
| 2.3.2 LIBS激光等离子体产生机制 |
| 2.3.3 LIBS定量分析方法 |
| 2.3.4 LIBS技术在冶金中的应用 |
| 2.4 研究背景和内容 |
| 2.4.1 研究背景 |
| 2.4.2 研究内容 |
| 3 复杂铝电解质体系物化特征和溯源分析 |
| 3.1 实验方案 |
| 3.1.1 实验原料 |
| 3.1.2 实验仪器 |
| 3.2 复杂铝电解质物化特征分析 |
| 3.2.1 化学成分分析 |
| 3.2.2 物相组成分析 |
| 3.2.3 元素赋存状态分析 |
| 3.2.4 热稳定性分析 |
| 3.3 复杂铝电解质体系形成溯源分析 |
| 3.3.1 氧化铝中杂质元素分析 |
| 3.3.2 炭素阳极中杂质元素分析 |
| 3.3.3 阳极覆盖料中杂质元素分析 |
| 3.3.4 炭渣量分析 |
| 3.4 本章小结 |
| 4 基于机器学习解析的初晶温度预报方法 |
| 4.1 实验方案 |
| 4.1.1 实验原料 |
| 4.1.2 实验装置及原理 |
| 4.1.3 实验方法 |
| 4.1.4 机器学习算法实现 |
| 4.1.5 初晶温度校正模型评价指标 |
| 4.2 结果与讨论 |
| 4.2.1 区域性复杂铝电解质初晶温度测试结果分析 |
| 4.2.2 基于机器学习解析的初晶温度建模及预报 |
| 4.2.3 初晶温度校正模型敏感性分析 |
| 4.2.4 基于优选模型预报的初晶温度等温分布 |
| 4.3 本章小结 |
| 5 LIBS实验系统设计、搭建和关键实验参数优化 |
| 5.1 实验方案 |
| 5.1.1 实验样品制备 |
| 5.1.2 实验装置搭建 |
| 5.1.3 实验方法 |
| 5.1.4 主要评价指标 |
| 5.2 结果与讨论 |
| 5.2.1 等离子体光谱特征分析 |
| 5.2.2 等离子体温度和电子密度计算 |
| 5.2.3 环境气体对等离子体光谱的影响 |
| 5.2.4 延迟时间对等离子体光谱的影响 |
| 5.2.5 激光能量对等离子体光谱的影响 |
| 5.2.6 电解质研磨时间对等离子体光谱的影响 |
| 5.2.7 电解质压实度对等离子体光谱的影响 |
| 5.2.8 脉冲次数对等离子体光谱的影响 |
| 5.3 本章小结 |
| 6 基于光谱特征提取和机器学习融合的LIBS定量分析方法 |
| 6.1 实验方案 |
| 6.1.1 实验原料 |
| 6.1.2 实验装置搭建 |
| 6.1.3 实验方法 |
| 6.1.4 光谱建模与算法实现 |
| 6.2 实验结果与讨论 |
| 6.2.1 基于PLS特征选择的分子比建模及验证 |
| 6.2.2 基于PCA特征选择的分子比建模及验证 |
| 6.2.3 基于Hyper-polyhe特征选择的分子比建模及验证 |
| 6.2.4 基于GA特征选择的分子比建模及验证 |
| 6.3 本章小结 |
| 7 复杂铝电解质体系LIBS原位在线定量分析方法 |
| 7.1 实验方案 |
| 7.1.1 实验原料 |
| 7.1.2 实验装置搭建 |
| 7.1.3 实验方法 |
| 7.2 实验结果与讨论 |
| 7.2.1 工业熔融电解质LIBS光谱特征分析 |
| 7.2.2 熔融复杂铝电解质CR在线检测分析 |
| 7.2.3 熔融复杂铝电解质Ca、Mg含量在线检测分析 |
| 7.2.4 存在问题分析 |
| 7.3 本章小结 |
| 8 结论与展望 |
| 8.1 主要结论 |
| 8.2 创新点 |
| 8.3 研究展望 |
| 参考文献 |
| 作者简历及在学研究成果 |
| 学位论文数据集 |
（4）橡胶及添加剂多组分混合物太赫兹光谱特征提取和定量检测方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| §1.1 研究背景与意义 |
| §1.2 国内外研究现状 |
| §1.2.1 传统橡胶及添加剂检测方法 |
| §1.2.2 太赫兹光谱定量检测研究现状 |
| §1.2.3 橡胶及添加剂的太赫兹光谱检测研究现状 |
| §1.3 图像矩在图谱分析中的应用 |
| §1.4 课题主要内容 |
| 第二章 太赫兹光谱系统与实验 |
| §2.1 引言 |
| §2.2 太赫兹技术概述 |
| §2.3 透射式太赫兹时域光谱系统 |
| §2.4 实验流程及数据处理 |
| §2.4.1 实验样品制备 |
| §2.4.2 数据采集及处理 |
| §2.5 光学参数提取原理 |
| §2.6 小结 |
| 第三章 橡胶及添加剂双组分混合物太赫兹光谱定量检测 |
| §3.1 引言 |
| §3.2 定量分析模型 |
| §3.2.1 偏最小二乘回归 |
| §3.2.2 支持向量回归 |
| §3.2.3 模型评价方法 |
| §3.3 橡胶及添加剂双组份混合物定量分析 |
| §3.3.1 实验样品 |
| §3.3.2 光谱分析 |
| §3.3.3 定量分析结果 |
| §3.4 小结 |
| 第四章 基于LM的多组分混合物太赫兹光谱定量检测 |
| §4.1 引言 |
| §4.2 Legendre矩 |
| §4.2.1 LM基本原理 |
| §4.2.2 吸光度灰度图构建方法 |
| §4.3 LM用于多组分混合物的定量分析 |
| §4.3.1 实验样品 |
| §4.3.2 多组分混合物光谱分析 |
| §4.3.3 定量分析结果 |
| §4.4 小结 |
| 第五章 基于KM的多组分混合物太赫兹光谱定量检测 |
| §5.1 引言 |
| §5.2 Krawtchouk矩 |
| §5.2.1 KM基本原理 |
| §5.2.2 多阶KM提取方法与建模 |
| §5.2.3 定量分析结果 |
| §5.3 小结 |
| 第六章 总结与展望 |
| §6.1 总结 |
| §6.2 展望 |
| 参考文献 |
| 致谢 |
| 作者在攻读硕士期间所获成果 |
（5）一些重要生物分子的定量及疾病诊断新方法研究（论文提纲范文）
| 中文摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 引言——重要生物分子 |
| 1.1.1 生物硫醇 |
| 1.1.2 神经递质 |
| 1.1.3 肝素 |
| 1.2 纳米材料在重要生物分子检测方面的研究进展 |
| 1.2.1 金属纳米簇 |
| 1.2.2 基于氧化石墨烯的纳米复合材料 |
| 1.3 化学计量学在复杂体系分析中的应用 |
| 1.3.1 化学计量学的发展 |
| 1.3.2 化学计量学在定量分析中的应用 |
| 1.3.3 化学计量学在疾病诊断中的应用 |
| 1.4 本学位论文的研究工作和意义 |
| 1.4.1 小分子生物硫醇谷胱甘肽与药物之间的相互作用研究 |
| 1.4.2 重要生物分子的定量分析研究 |
| 1.4.3 结肠直肠癌的早期诊断分析研究 |
| 1.5 本学位论文的创新点 |
| 第二章 谷胱甘肽自由基与药物白藜芦醇相互作用研究 |
| 2.1 引言 |
| 2.2 实验部分 |
| 2.2.1 试剂和仪器 |
| 2.2.2 GS·的产生 |
| 2.2.3 GS·的捕获 |
| 2.2.4 GSH与 ACR的反应 |
| 2.2.5 GSH与 RES的反应 |
| 2.2.6 细胞培养 |
| 2.2.7 荧光光谱测定 |
| 2.2.8 计算方法 |
| 2.3 结果和讨论 |
| 2.3.1 GS·与ACR的反应 |
| 2.3.2 GS·与RES的反应 |
| 2.3.3 密度泛函理论研究反应机理 |
| 2.3.4 细胞中GS-RES的检测 |
| 2.4 小结 |
| 第三章 基于多响应荧光探针同时定量分析癌细胞中的三种硫醇 |
| 3.1 引言 |
| 3.2 实验部分 |
| 3.2.1 试剂和仪器 |
| 3.2.2 荧光测定过程 |
| 3.2.3 细胞培养及硫醇的测定 |
| 3.3 数据和方法 |
| 3.3.1 样品和数据 |
| 3.3.2 Tchebichef图像矩介绍 |
| 3.3.3 回归建模 |
| 3.3.4 模型性能评估 |
| 3.3.5 方法的性能评估 |
| 3.4 结果和讨论 |
| 3.4.1 探针与Cys/GSH/Hcy作用研究 |
| 3.4.2 Tchebichef矩值的计算 |
| 3.4.3 建立定量模型 |
| 3.4.4 定量模型及分析方法的性能 |
| 3.4.4.1 定量模型的性能 |
| 3.4.4.2 分析方法的性能 |
| 3.4.5 与N-PLS和 MCR-ALS比较 |
| 3.4.6 细胞中硫醇含量的检测 |
| 3.5 小结 |
| 第四章 血清中单胺类神经递质的同时定量分析研究 |
| 4.1 引言 |
| 4.2 实验部分 |
| 4.2.1 实验试剂 |
| 4.2.2 实验仪器 |
| 4.2.3 修饰电极的制备 |
| 4.2.4 神经递质的电化学测定 |
| 4.2.5 加标回收实验 |
| 4.3 数据和方法 |
| 4.3.1 样品和数据 |
| 4.3.2 Tchebichef曲线矩方法介绍 |
| 4.3.3 逐步回归建模 |
| 4.3.4 模型性能评估 |
| 4.3.5 方法的性能评估 |
| 4.4 结果和讨论 |
| 4.4.1 RGO修饰电极 |
| 4.4.2 神经递质的电化学行为研究 |
| 4.4.3 Tchebichef矩值的计算 |
| 4.4.4 建立定量模型 |
| 4.4.5 定量模型及分析方法的性能 |
| 4.4.5.1 定量模型的性能 |
| 4.4.5.2 分析方法的性能 |
| 4.4.6 与PLS和 MCR-ALS比较 |
| 4.4.7 血清中四种神经递质含量的检测 |
| 4.5 小结 |
| 第五章 一锅法合成CuNCs/RGO纳米复合材料及其对人血清中肝素的灵敏检测 |
| 5.1 引言 |
| 5.2 实验部分 |
| 5.2.1 试剂和仪器 |
| 5.2.2 材料的合成 |
| 5.2.3 荧光测定Hep |
| 5.2.4 CCK-8实验 |
| 5.2.5 电化学实验 |
| 5.2.6 DFT计算 |
| 5.3 结果和讨论 |
| 5.3.1 CuNCs/RGO纳米复合材料的表征 |
| 5.3.2 CuNCs/RGO纳米复合材料传感平台 |
| 5.3.2.1 传感平台的构建 |
| 5.3.2.2 机理研究 |
| 5.3.2.3 最佳实验条件探索 |
| 5.3.3 复合材料的性能研究 |
| 5.3.3.1 复合材料的稳定性研究 |
| 5.3.3.2 复合材料的生物相容性研究 |
| 5.3.4 缓冲溶液中Hep的检测 |
| 5.3.5 实际样品的检测 |
| 5.4 小结 |
| 第六章 基于血浆三维荧光光谱对结肠直肠癌的早期诊断分析研究 |
| 6.1 引言 |
| 6.2 数据和方法 |
| 6.2.1 样品和数据 |
| 6.2.2 方法 |
| 6.2.2.1 Tchebichef图像矩 |
| 6.2.2.2 PLS-DA |
| 6.2.2.3 TiM-PLS-DA |
| 6.2.2.4 计算环境 |
| 6.2.3 模型评价 |
| 6.3 结果和讨论 |
| 6.3.1 Tchebichef矩值的计算 |
| 6.3.2 PLS-DA模型的建立 |
| 6.3.3 TiM-PLS-DA模型分类结果 |
| 6.3.4 方法比较 |
| 6.4 小结 |
| 第七章 总结与展望 |
| 7.1 研究工作总结 |
| 7.2 研究工作展望 |
| 参考文献 |
| 在学期间的研究成果 |
| 致谢 |
（6）太赫兹光谱技术在农药定量检测领域的应用与研究（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 太赫兹波介绍 |
| 1.2.1 太赫兹波特点 |
| 1.2.2 太赫兹辐射源 |
| 1.2.3 太赫兹探测器 |
| 1.3 基于光谱技术的农药定量检测研究现状 |
| 1.3.1 光谱分析技术在农药定量检测中的应用 |
| 1.3.2 太赫兹光谱在农药定量检测领域的研究进展 |
| 1.4 论文的研究内容及章节安排 |
| 第二章 实验与理论方法介绍 |
| 2.1 实验仪器 |
| 2.1.1 太赫兹时域光谱仪 |
| 2.1.2 傅里叶变换红外光谱仪 |
| 2.2 样品制备 |
| 2.3 太赫兹光谱数据处理 |
| 2.3.1 THz-TDS数据处理 |
| 2.3.2 FTIR数据处理 |
| 2.4 机器学习算法简介 |
| 2.4.1 偏最小二乘回归 |
| 2.4.2 支持向量机回归 |
| 2.4.3 BP神经网络 |
| 2.4.4 模型评估 |
| 2.5 光谱校正处理方法 |
| 2.5.1 小波去噪 |
| 2.5.2 基线校正 |
| 2.6 本章小结 |
| 第三章 基于THz光谱和机器学习算法的农药定量检测 |
| 3.1 THz光谱和机器学习算法相结合的农药定量检测研究 |
| 3.2 聚乙烯中单种农药成分的高浓度定量检测 |
| 3.2.1 样品制备 |
| 3.2.2 检测结果讨论 |
| 3.3 小麦粉中单种农药成分的高浓度定量检测 |
| 3.3.1 样本制备 |
| 3.3.2 检测结果讨论 |
| 3.4 小麦粉中农药多元混合物的低浓度定量检测 |
| 3.4.1 样本制备 |
| 3.4.2 检测结果讨论 |
| 3.4.3 光谱校正及模型优化 |
| 3.5 本章小结 |
| 第四章 农药太赫兹光谱的高效频段选取 |
| 4.1 农药太赫兹光谱的高效频段选取简介 |
| 4.2 iPLS模型建立及检测 |
| 4.2.1 iPLS模型建立 |
| 4.2.2 iPLS模型检测结果 |
| 4.3 农药太赫兹光谱的高效频段选取 |
| 4.3.1 吸收峰选取 |
| 4.3.2 吸收峰峰宽研究 |
| 4.3.3 频段选取总结及算法比较 |
| 4.4 本章小结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 攻读学位期间学术成果 |
| 参考文献 |
（7）离散Shmaliy矩在图谱分析中的应用研究（论文提纲范文）
| 中文摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 分析化学与化学计量学 |
| 1.1.1 化学计量学的发展 |
| 1.1.2 化学计量学在常规化学图谱分析中的应用 |
| 1.2 矩方法的发展及其在复杂体系中的分析研究与应用 |
| 1.2.1 矩方法的发展 |
| 1.2.2 矩方法在复杂体系中的分析研究与应用 |
| 1.3 本学位论文的研究工作及意义 |
| 1.4 本学位论文的创新点 |
| 参考文献 |
| 第二章 离散Shmaliy矩在基于UV-vis和 HPLC-PAD图谱定量分析多目标组分化合物中的应用 |
| 2.1 引言 |
| 2.2 材料与方法 |
| 2.2.1 样品和数据 |
| 2.2.2 建模和分析方法 |
| 2.3 结果与讨论 |
| 2.3.1 DSM方法的性质 |
| 2.3.2 UV-vis数据集模型 |
| 2.3.3 HPLC-PAD数据集模型 |
| 2.3.4 方法比较小结 |
| 2.4 小结 |
| 参考文献 |
| 第三章 离散Shmaliy矩结合数据融合策略定量分析红酒样品中的九个目标组分 |
| 3.1 引言 |
| 3.2 数据集和方法 |
| 3.2.1 数据集 |
| 3.2.2 方法 |
| 3.3 结果与讨论 |
| 3.3.1 离散Shmaliy矩值的计算 |
| 3.3.2 基于单一数据集的定量分析 |
| 3.3.3 数据融合 |
| 3.4 小结 |
| 参考文献 |
| 第四章 磁共振成像(MRI)结合离散Shmaliy图像矩方法对脑肿瘤的检测研究 |
| 4.1 引言 |
| 4.2 材料与方法 |
| 4.2.1 数据集 |
| 4.2.2 图像的特征提取 |
| 4.2.3 离散Shmaliy图像矩 |
| 4.2.4 主成分分析 |
| 4.2.5 建模和评估 |
| 4.3 结果与讨论 |
| 4.3.1 DSM-SVM的模型评估 |
| 4.3.2 与几种方法的比较 |
| 4.4 结论 |
| 参考文献 |
| 第五章 总结与展望 |
| 5.1 论文研究工作总结 |
| 5.2 研究工作展望 |
| 在学期间研究成果 |
| 致谢 |
（8）基于深度卷积网络的低剂量CT影像降噪研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 低剂量CT影像降噪的国内外研究现状 |
| 1.2.1 传统低剂量CT影像降噪方法的研究现状 |
| 1.2.2 基于深度学习方法的CT影像降噪的研究现状 |
| 1.3 本文的研究内容和组织结构 |
| 第二章 深度学习及CT影像的相关理论与方法 |
| 2.1 CT影像基础理论 |
| 2.1.1 CT成像原理及低剂量CT |
| 2.1.2 医学浏览器窗的选择 |
| 2.2 深度学习相关基础理论和方法 |
| 2.2.1 神经元到卷积神经网络 |
| 2.2.2 卷积运算 |
| 2.2.3 激活函数和优化函数 |
| 2.3 应用深度学习的CT影像降噪技术基础理论和方法 |
| 2.3.1 VGG感知特征提取网络 |
| 2.3.2 降噪卷积神经网络 |
| 2.3.3 降噪残差网络 |
| 2.3.4 CT影像降噪技术损失函数及其特点 |
| 2.4 CT影像降噪处理评价标准 |
| 2.4.1 主观视觉效果 |
| 2.4.2 客观指标定量分析 |
| 2.5 本章小结 |
| 第三章 基于感知卷积网络的低剂量CT影像降噪算法 |
| 3.1 引言 |
| 3.2 感知卷积网络结构设计 |
| 3.2.1 残差学习和批量归一化 |
| 3.2.2 感知损失及目标函数 |
| 3.2.3 模型结构 |
| 3.3 实验环境及参数设置 |
| 3.4 基于人体体模数据实验分析 |
| 3.4.1 实验数据及处理 |
| 3.4.2 目标函数中不同t值对处理结果的影响 |
| 3.4.3 主观视觉效果评估 |
| 3.4.4 客观指标定量分析 |
| 3.5 基于真实小猪数据实验分析 |
| 3.5.1 实验数据及处理 |
| 3.5.2 主观视觉效果评估 |
| 3.5.3 客观指标定量分析 |
| 3.6 本章小结 |
| 第四章 基于深度卷积网络的混合多剂量CT影像降噪算法 |
| 4.1 引言 |
| 4.2 多剂量降噪问题分析 |
| 4.3 深度卷积网络结构设计 |
| 4.3.1 残差单元 |
| 4.3.2 基本单元结构改进及实验结果对比 |
| 4.3.3 模型结构 |
| 4.4 单一剂量数据训练模型结果对比 |
| 4.4.1 超低剂量数据结果 |
| 4.4.2 低剂量数据结果 |
| 4.5 混合多剂量CT影像训练模型结果 |
| 4.5.1 人体体模数据结果 |
| 4.5.2 真实小猪数据结果 |
| 4.6 本章小结 |
| 第五章 总结和展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 缩略词对照表 |
| 致谢 |
| 攻读学位期间取得的研究成果 |
（9）基于LIBS技术的炉渣成分分析与研究（论文提纲范文）
| 摘要 |
| abstract |
| 引言 |
| 第1章 绪论 |
| 1.1 课题的研究背景及意义 |
| 1.2 激光诱导击穿光谱技术 |
| 1.2.1 LIBS技术的特点 |
| 1.2.2 LIBS技术基本原理 |
| 1.2.3 激光与样品的作用机制 |
| 1.2.4 等离子体的谱线强度 |
| 1.3 激光诱导击穿光谱技术的发展状况 |
| 1.3.1 LIBS技术发展状况 |
| 1.3.2 LIBS技术在炉渣应用中发展状况 |
| 1.4 本文主要研究内容 |
| 1.5 本章小结 |
| 第2章 LIBS定量分析的方法 |
| 2.1 LIBS定量分析标定方法 |
| 2.1.1 光强-浓度直接定标法 |
| 2.1.2 内定标分析方法 |
| 2.1.3 自由定标法 |
| 2.1.4 人工神经网络定标方法 |
| 2.2 本章小结 |
| 第3章 炉渣中等离子体参数的测量 |
| 3.1 局部热力学平衡 |
| 3.2 等离子体温度的测量 |
| 3.3 电子密度的测量 |
| 3.4 本章小结 |
| 第4章 LIBS技术的实验设计及参数研究 |
| 4.1 建立LIBS实验平台 |
| 4.2 激光光源的特点 |
| 4.3 实验仪器选择 |
| 4.4 基于炉渣的最佳实验参数的优化 |
| 4.4.1 最佳实验参数的研究现状 |
| 4.4.2 激光聚焦位置的优化 |
| 4.4.3 激光收集位置的优化 |
| 4.4.4 信号强度随采集延时的变化规律 |
| 4.4.5 激光能量波动对信号稳定性的影响 |
| 4.5 温度的改变对激光诱导炉渣等离子体信号的影响 |
| 4.5.1 温度对光谱信号的影响 |
| 4.5.2 温度对信号采集延时的影响 |
| 4.6 本章小结 |
| 第5章 炉渣的成分分析 |
| 5.1 炉渣的定性分析 |
| 5.2 炉渣成分的定量分析 |
| 5.2.1 炉渣定量分析的发展状况 |
| 5.2.2 定量分析模型的建立 |
| 5.2.3 遗传算法优化神经网络 |
| 5.3 炉渣中Ca元素定量分析 |
| 5.4 本章小结 |
| 结 论 |
| 参考文献 |
| 致谢 |
| 导师简介 |
| 作者简介 |
| 学位论文数据集 |
（10）环境污染气体的FTIR光谱特征提取及定性识别方法研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及选题意义 |
| 1.1.1 大气环境污染问题 |
| 1.1.2 气态污染物的种类及来源 |
| 1.1.3 环境大气监测方法 |
| 1.2 国内外研究现状 |
| 1.3 课题来源以及内容安排 |
| 1.3.1 课题来源 |
| 1.3.2 内容安排 |
| 第二章 傅里叶变换红外光谱技术 |
| 2.1 FTIR光谱仪 |
| 2.2 FTIR环境大气测量 |
| 2.2.1 FTIR被动遥感大气测量 |
| 2.2.2 FTIR主动大气测量 |
| 2.3 大气红外光谱吸收特性 |
| 2.4 标准光谱数据 |
| 2.4.1 HITRAN数据库 |
| 2.4.2 NIST数据库 |
| 2.4.3 EPA数据库 |
| 2.4.4 QAsoft数据库 |
| 2.5 实验光谱数据采集 |
| 2.6 本章小结 |
| 第三章 气体红外光谱去噪方法研究 |
| 3.1 红外光谱去噪算法 |
| 3.1.1 时域及频域去噪 |
| 3.1.2 小波去噪 |
| 3.1.3 光谱去噪评价参数 |
| 3.2 改进阈值的提升小波结合自适应滤波器的红外光谱去噪算法 |
| 3.2.1 提升小波变换 |
| 3.2.2 最小均方误差自适应滤波 |
| 3.2.3 改进阈值的提升小波结合自适应滤波器去噪算法 |
| 3.3 实验及结果分析 |
| 3.3.1 模拟噪声光谱去噪 |
| 3.3.2 实测红外光谱去噪 |
| 3.3.3 实验结果分析 |
| 3.4 本章小结 |
| 第四章 气体红外光谱特征波长选取 |
| 4.1 气体光谱定量校正模型 |
| 4.1.1 偏最小二乘定量校正方法 |
| 4.1.2 气体光谱PLS模型的建立 |
| 4.2 红外光谱特征波长选取方法 |
| 4.2.1 特征波长选取 |
| 4.2.2 常用特征波长选取方法 |
| 4.2.3 以PLS为基础的特征波长选取方法 |
| 4.3 实测气体红外光谱特征波长选取 |
| 4.3.1 实验气体的选择与光谱的采集 |
| 4.3.2 四种特征波长选取实验 |
| 4.3.3 实验结果分析 |
| 4.4 iPLS-MC特征波长选取方法 |
| 4.4.1 方法介绍 |
| 4.4.2 实测气体红外光谱iPLS-MC特征波长选取 |
| 4.4.3 校正集数量对于定量分析模型的影响 |
| 4.4.4 实验结果分析 |
| 4.5 本章小结 |
| 第五章 基于独立分量分析的混合气体光谱快速定性识别 |
| 5.1 独立分量分析算法 |
| 5.1.1 算法简介 |
| 5.1.2 实现步骤 |
| 5.2 改进的FastICA算法 |
| 5.2.1 负熵最大化的FastICA算法 |
| 5.2.2 基于五阶收敛牛顿迭代的改进的FastICA算法 |
| 5.3 实验及结果分析 |
| 5.3.1 光谱线性模型的建立 |
| 5.3.2 模拟光谱定性识别 |
| 5.3.3 实测光谱定性识别 |
| 5.3.4 实验结果分析 |
| 5.4 本章小结 |
| 第六章 气体红外光谱定量分析方法研究 |
| 6.1 四阶多项式拟合的光谱基线校正方法 |
| 6.2 红外光谱定量分析方法 |
| 6.2.1 传统定量分析法 |
| 6.2.2 化学计量学方法 |
| 6.3 非线性最小二乘光谱拟合方法 |
| 6.3.1 气体吸光度与浓度的关系 |
| 6.3.2 非线性最小二乘光谱拟合 |
| 6.4 实验及结果分析 |
| 6.4.1 CH_4和C_2H_4实测光谱浓度反演 |
| 6.4.2 多组分混叠光谱浓度反演 |
| 6.4.3 实验结果分析 |
| 6.5 本章小结 |
| 第七章 总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 参考文献 |
| 攻读博士学位期间的学术活动及成果情况 |
四、定量分析中的误差传递（论文参考文献）
- [1]面向高温样品快速检测的LIBS光谱校正和模型优化方法[D]. 常福. 北京科技大学, 2022
- [2]基于XRF的土壤重金属定量分析方法研究及应用[D]. 王清亚. 东华理工大学, 2021(02)
- [3]复杂铝电解质关键物化参数预报和测定新方法[D]. 路辉. 北京科技大学, 2021
- [4]橡胶及添加剂多组分混合物太赫兹光谱特征提取和定量检测方法研究[D]. 奉慕霖. 桂林电子科技大学, 2021(02)
- [5]一些重要生物分子的定量及疾病诊断新方法研究[D]. 殷博. 兰州大学, 2020(01)
- [6]太赫兹光谱技术在农药定量检测领域的应用与研究[D]. 马卿效. 南京林业大学, 2021(02)
- [7]离散Shmaliy矩在图谱分析中的应用研究[D]. 米佳莹. 兰州大学, 2020(01)
- [8]基于深度卷积网络的低剂量CT影像降噪研究[D]. 付美. 北京邮电大学, 2020(05)
- [9]基于LIBS技术的炉渣成分分析与研究[D]. 马云望. 华北理工大学, 2020(02)
- [10]环境污染气体的FTIR光谱特征提取及定性识别方法研究[D]. 鞠薇. 合肥工业大学, 2019(01)