博士毕业论文答辩PPT样板.ppt

图7.7 用4-PARAFAC算法对模拟的EX-EM-Time数据进行解析得到的分辨图： a是激发光谱图，b是发射光谱图，c是时间变化图，d是样本的相对浓度图。其中实线是分辨得到的，虚线是模拟的真实图。图d中，实线和*是分辨的相对浓度，虚线和O表示模拟的真实浓度。 7.4.3 实验数据 表7.1 校正样和验证样中西维因浓度及验证集的预测浓度及回收率 图7.8 用新方法对实验数据进行解析得到的分辨图：a是激发光谱，b是发射光谱，c是西维因在不同样本中的时间变化图，实线是分辨得到的西维因光谱，点线是真实的西维因光谱，虚线是干扰组分的谱图，d是样本的相对浓度，实线和★是分辨的西维因相对浓度变化图，虚线表示干扰物质的浓度变化图。 图7.10 用4-PARAFAC算法对实验数据进行解析得到的分辨图： a是激发光谱，b是发射光谱，c是西维因的时间变化图，其中实线是分辨得到的西维因谱图，点线是真实的西维因光谱图，虚线是干扰组分的谱图, d是样本的相对浓度图，实线和★是分辨的西维因相对浓度变化图，虚线表示干扰物质的浓度变化图。 表7.2 预测样中西维因的浓度及其预测浓度 NQFWD方法与用三线性算法单独解析具有三线性结构的单样本相比，一方面考虑到了多样本的信息总量，所获得的结果具有统计特性。另一方面，单样本解析具有组分排列不确定性，在后面的校正分析中，造成计算效率降低。 7.5小结 针对四维数据不具有四线性结构的现象，提出了一种解决方法——非四线性四维数据分解（NQFWD）方法该方法在处理非四线性的四维数据中，发挥了巨大的优势，保持了二阶优势，是一种具有特殊性能的方法，在数据存在色谱漂移或者时间控制偏移时，方法给出了满意的结果。 NQFWD方法与用三线性算法单独解析具有三线性结构的单样本相比，既能兼顾各样本中共有信息，又能反映样本间的差别，同时保证解析过程的快速高效。 通过激发-发射矩阵荧光与二阶校正方法相结合，运用高灵敏的荧光分析方法用于直接快速测定复杂土壤样品中植物激素吲哚乙酸的含量。 结 论 运用基于氧化衍生反应的激发发射荧光光谱测定了银杏叶和银杏芽提取液样，利用二阶校正方法处理光谱重叠和背景干扰的问题，同时定量分析了其赤霉素和脱落酸含量。 通过高效液相色谱-二极管阵列检测与二阶校正方法相结合，在较简单的流动相、等梯度的色谱条件下快速的测定了土壤、河泥和污水样品中莠去津、莠灭净和扑草净的含量以及黄豆芽、黄豆提取液和土壤样品中三种植物生长调节剂激动素、6-苄氨基嘌呤和秋水仙素的含量。 从实际应用的角度，以不同基质的环境样如土壤、淤泥、河水和污水中除草剂敌草胺含量的检测为实例，通过建立不同实际测量模型及方式，如单基质模型（一个校正集和含有一个基质的样品集）、同天测定的多基质模型（同天测定的一个校正集结合多个不同基质的样品集）、不同天的多基质模型（不同天测定的两个校正集结合多个不同基质的样品集）等，考察了二阶校正方法在建立的不同模型间的预测能力，进一步丰富了二阶校正方法的“二阶优势”的内涵。 针对非四线性的四维数据，开发一种新的方法用于该类型数据解析。该方法思路是将非四线性的四维数据，沿着非线性的一维展开，形成一个扩展的三维数据阵，然后选择合适的三线性分解算法进行分解。对扩展的一维，按照每单个样本进行逐列归一化，得到样本的相对浓度，实现对非四线性的四维数据进行解析。 感谢导师吴海龙教授的谆谆教诲！ 感谢俞汝勤教授和沈国励教授、蒋健晖教授、张晓兵教授、吴朝阳教授、楚霞教授、陈增萍教授、宦双燕副教授的悉心指导！ 感谢实验室师兄师姐师弟师妹们的讨论帮助 感谢父母双亲的恩养抚育 感谢论文的评审专家和答辩委员会主席以及各 位评委！ 致 谢 Thanks for your attention！ 知识回顾Knowledge Review * 各位老师、同学，大家下午好！欢迎大家参加我的博士学位论文答辩，我的论文题目是 * 目前化学计量学的研究范畴涵盖了化学量测全过程，从“采样-测量-数据处理”等八个部分。其中多维校正与分辨是最为活跃的研究方向之一，也是目前化学计量学研究的热点之一，本论文就是围绕着多维校正与分辨展开的研究。接下来，我们介绍多维数据的分辨与校正 * * 多维数据中，需要解释“维”和“阶”两个概念，阶是单个样本产生的数据的延伸方向，有几个方向就是几阶，而维代表由一组具有相同数据结构的样本信号组合而成的样本集的维数。如pH计产生的PH值，是标量，一系列的标量，形成一个矢量，所对应的是一维校正或零阶校正；紫外光谱产生一个矢量数据，一系列的形成一个矩阵 * 我们知道植物激素分为植物促长剂和生长抑制剂，两种的协同作用，影响着植物的生长，在植物研究中，需要同时分析两类植物激素的含量。 * 随