基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
新霉素在巯基乙醇存在的条件下与邻苯二甲醛生成的衍生物具有强荧光特性,可实现鸭蛋蛋清中新霉素残留含量的荧光测定.在模型建立过程中,分析了波长为280~390 nm光谱范围内的三维同步荧光光谱,确定检测鸭蛋蛋清中的新霉素含量的最佳波长差△λ为110 nm;然后利用db10小波的2层分解对一阶导数同步荧光光谱进行去噪处理,并利用分段遗传算法(SGA)优选出了14个特征波长;最后应用最小二乘支持向量回归(LSSVR)建立了鸭蛋蛋清中的新霉素含量的预测模型,其模型预测集的决定系数(R2)和预测均方根误差(RMSEP)分别为0.9671和1.713.结果表明,SGA能有效提取出鸭蛋蛋清中新霉素对应的特征波长,有利于提高LSSVR模型预测精度,可实现鸭蛋蛋清中新霉素残留含量的快速测定.
推荐文章
导数同步荧光法测定鸭蛋蛋清中金霉素残留含量
金霉素
导数同步荧光法
特征波长
支持向量回归
蛋清
基于小波变换的鸭蛋蛋清中卡那霉素残留含量的同步荧光光谱测定研究
同步荧光光谱
小波变换
支持向量回归
卡那霉素
鸭肉中金霉素残留量LSSVR-同步荧光法测定
同步荧光法
最小二乘支持向量回归
金霉素
小波
鸭肉
纳米银粒子增强铕(Ⅲ)配合物荧光对鸭蛋蛋清中强力霉素残留量的检测
强力霉素
铕(Ⅲ)
纳米银粒子
荧光光谱法
鸭蛋蛋清
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 导数同步荧光光谱-小波-SGA-LSSVR联用快速测定鸭蛋蛋清中新霉素残留含量
来源期刊 分析化学 学科
关键词 导数同步荧光法 最小二乘支持向量回归(LSSVR) 分段遗传算法(SGA) 小波 新霉素 蛋清
年,卷(期) 2013,(4) 所属期刊栏目 研究报告
研究方向 页码范围 546-552
页数 7页 分类号
字数 5200字 语种 中文
DOI 10.3724/SP.J.1096.2013.20794
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (21)
共引文献  (7)
参考文献  (3)
节点文献
引证文献  (8)
同被引文献  (72)
二级引证文献  (14)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(2)
  • 参考文献(0)
  • 二级参考文献(2)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(3)
  • 参考文献(0)
  • 二级参考文献(3)
2005(2)
  • 参考文献(0)
  • 二级参考文献(2)
2006(3)
  • 参考文献(1)
  • 二级参考文献(2)
2007(2)
  • 参考文献(0)
  • 二级参考文献(2)
2008(2)
  • 参考文献(0)
  • 二级参考文献(2)
2009(1)
  • 参考文献(0)
  • 二级参考文献(1)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(1)
  • 参考文献(1)
  • 二级参考文献(0)
2013(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2013(1)
  • 引证文献(1)
  • 二级引证文献(0)
2014(1)
  • 引证文献(1)
  • 二级引证文献(0)
2015(1)
  • 引证文献(1)
  • 二级引证文献(0)
2016(2)
  • 引证文献(2)
  • 二级引证文献(0)
2017(3)
  • 引证文献(1)
  • 二级引证文献(2)
2018(4)
  • 引证文献(1)
  • 二级引证文献(3)
2019(7)
  • 引证文献(0)
  • 二级引证文献(7)
2020(3)
  • 引证文献(1)
  • 二级引证文献(2)
研究主题发展历程
节点文献
导数同步荧光法
最小二乘支持向量回归(LSSVR)
分段遗传算法(SGA)
小波
新霉素
蛋清
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
分析化学
月刊
0253-3820
22-1125/O6
大16开
长春人民大街5625号
12-6
1972
chi
出版文献量(篇)
9636
总下载数(次)
16
总被引数(次)
112365
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导