2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩69頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、吸煙與健康的問題越來越受到人們的關(guān)注,尤其是對煙氣中有害成分的研究,目前煙草行業(yè)對煙氣中的有害成分的檢測主要是依靠各種昂貴的儀器,如氣質(zhì)聯(lián)用、液質(zhì)聯(lián)用或者更復(fù)雜的儀器。這些檢測方法存在樣品的前處理繁瑣復(fù)雜、對分析員技術(shù)水平要求高、試劑對環(huán)境有污染等問題??紤]到紅外光譜技術(shù)不需要昂貴的儀器和化學(xué)試劑,分析成本極低,不受樣品形態(tài)的限制,不破壞樣品,分析速度快,提供的信息多等優(yōu)點,擬結(jié)合紅外光譜技術(shù)和化學(xué)計量學(xué)方法,實現(xiàn)卷煙主流煙氣中有害成分

2、的快速分析。
  本論文的內(nèi)容主要涉及以下幾個方面:
  1、結(jié)合紅外光譜的特點,提出了一種基于離散粒子群優(yōu)化算法的自適應(yīng)小波包變換特征提取偏最小二乘的新算法。小波包變換在提取光譜特征信息、去噪以及修正基線漂移等方面非常有效。在此基礎(chǔ)上,進(jìn)一步調(diào)用偏最小二乘回歸建立校正模型。上面提到的兩步紅外光譜分析彼此密切相關(guān),協(xié)同優(yōu)化,通過一種全局優(yōu)化的離散粒子群算法優(yōu)化算法同時確定小波包變換的最優(yōu)小波包分解樹,小波系數(shù)和隱變量個數(shù)用于

3、偏最小二乘建模。從而構(gòu)建了用于紅外光譜分析的上述新算法。本文第二章采用氣質(zhì)聯(lián)用測定卷煙主流煙氣中有害成分苯并[a]芘的含量,結(jié)合上述新算法和煙葉粉末的衰減全反射紅外光譜建立定量校正模型,對苯并[a]芘的量測數(shù)據(jù)進(jìn)行快速定量分析,結(jié)果良好。同時與多元線性回歸、偏最小二乘、基于逐步回歸變量選擇后構(gòu)建的偏最小二乘算法處理的結(jié)果比較,結(jié)果顯示上述新算法建立的模型能夠提供更好的性能,模型更穩(wěn)健,結(jié)果更可信。說明該算法能應(yīng)用于主流煙氣中有害成分苯并

4、[a]芘的分析,有望成為一種新的有效的卷煙主流煙氣中有害成分苯并[a]芘的快速定量分析方法。
  2、本文第三章采用微型氧彈式量熱器測定煙葉燃燒熱的值,結(jié)合上述新算法和煙葉粉末的衰減全反射紅外光譜建立定量校正模型,對煙葉燃燒熱的量測數(shù)據(jù)進(jìn)行快速定量分析,同時對上述算法建模的參數(shù)進(jìn)行了優(yōu)化,建模選用“db4”為母小波,小波包分解層數(shù)為4層,結(jié)果良好。并與偏最小二乘、基于逐步回歸變量選擇后構(gòu)建的偏最小二乘算法處理的結(jié)果比較,結(jié)果顯示上

5、述新算法建立的模型能夠提供更好的性能,模型更穩(wěn)健,結(jié)果更可信。說明此方法能應(yīng)用于煙葉燃燒熱的分析,有望成為一種新的有效的煙葉燃燒熱的快速定量分析方法。
  3、本文第四章采用串聯(lián)四級桿液質(zhì)聯(lián)用測定卷煙主流煙氣中的四種煙草特有亞硝胺的含量,四種亞硝胺分別為:N’-亞硝基去甲煙堿、4-(甲基亞硝胺基)-1-(3-吡啶基)-1-丁酮、N’-亞硝基新煙堿、N’-亞硝基假木賊堿,結(jié)合上述新算法和煙葉粉末的衰減全反射紅外光譜建立定量校正模型,

6、優(yōu)化建模的參數(shù),對四種煙草特有亞硝胺的量測數(shù)據(jù)進(jìn)行快速定量分析,同時分析了四種亞硝胺,都獲得了滿意的結(jié)果。并與偏最小二乘、基于逐步回歸變量選擇后構(gòu)建的偏最小二乘算法處理的結(jié)果比較,結(jié)果顯示上述新算法建立的模型能夠提供更好的性能,模型更穩(wěn)健,方法可行。說明此方法能應(yīng)用于主流煙氣中有害成分煙草特有亞硝胺的分析,克服了現(xiàn)有方法的不足,實現(xiàn)了主流煙氣中有害成分煙草特有亞硝胺的快速定量分析,有望成為一種新的有效的卷煙主流煙氣中煙草特有亞硝胺的分析

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論