CN113848268B - 利用反向传播神经网络法排除橡胶干扰汽油鉴定的方法 - Google Patents
利用反向传播神经网络法排除橡胶干扰汽油鉴定的方法 Download PDFInfo
- Publication number
- CN113848268B CN113848268B CN202111138268.8A CN202111138268A CN113848268B CN 113848268 B CN113848268 B CN 113848268B CN 202111138268 A CN202111138268 A CN 202111138268A CN 113848268 B CN113848268 B CN 113848268B
- Authority
- CN
- China
- Prior art keywords
- gasoline
- rubber
- sample
- peak
- identification
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 32
- 229920001971 elastomer Polymers 0.000 title claims abstract description 31
- 238000013528 artificial neural network Methods 0.000 title claims abstract description 9
- 238000002485 combustion reaction Methods 0.000 claims description 28
- 150000002500 ions Chemical class 0.000 claims description 26
- 150000001875 compounds Chemical class 0.000 claims description 10
- 239000002904 solvent Substances 0.000 claims description 7
- 238000001819 mass spectrum Methods 0.000 claims description 6
- 230000014759 maintenance of location Effects 0.000 claims description 4
- 238000001816 cooling Methods 0.000 claims description 3
- 238000006253 efflorescence Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 239000012530 fluid Substances 0.000 claims description 3
- 239000000203 mixture Substances 0.000 claims description 3
- VLKZOEOYAKHREP-UHFFFAOYSA-N n-Hexane Chemical compound CCCCCC VLKZOEOYAKHREP-UHFFFAOYSA-N 0.000 claims description 3
- -1 names Chemical class 0.000 claims description 3
- 230000010355 oscillation Effects 0.000 claims description 3
- 206010037844 rash Diseases 0.000 claims description 3
- 238000007789 sealing Methods 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 abstract description 4
- 238000011835 investigation Methods 0.000 abstract description 4
- 230000006870 function Effects 0.000 description 13
- 238000007689 inspection Methods 0.000 description 4
- 239000000243 solution Substances 0.000 description 4
- 230000004913 activation Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 229920003244 diene elastomer Polymers 0.000 description 3
- 238000002290 gas chromatography-mass spectrometry Methods 0.000 description 3
- 210000002569 neuron Anatomy 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 230000005284 excitation Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000010304 firing Methods 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
- G01N30/02—Column chromatography
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
- G01N30/02—Column chromatography
- G01N30/04—Preparation or injection of sample to be analysed
- G01N30/06—Preparation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
- G01N30/02—Column chromatography
- G01N30/62—Detectors specially adapted therefor
- G01N30/72—Mass spectrometers
- G01N30/7206—Mass spectrometers interfaced to gas chromatograph
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
- G01N30/02—Column chromatography
- G01N30/86—Signal analysis
- G01N30/8675—Evaluation, i.e. decoding of the signal into analytical information
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
- G01N30/02—Column chromatography
- G01N30/04—Preparation or injection of sample to be analysed
- G01N30/06—Preparation
- G01N2030/062—Preparation extracting sample from raw material
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Library & Information Science (AREA)
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
Abstract
本发明公开了一种利用反向传播神经网络法排除橡胶干扰汽油鉴定的方法。本发明在尽可能考虑实际火场环境的前提下，利用气相色谱‑质谱联用仪对橡胶及汽油样品进行检测，同时考虑其他干扰情况对分析分类的影响；与传统的人工识别相比，本发明具有快速高效准确性高等优点，为排除橡胶对汽油的干扰提供了一种方法，并为火灾调查人员提供了科学的参考依据。
Description
技术领域
本发明属于火灾调查助燃剂检验鉴定技术领域，具体涉及一种利用反向传播神经网络法排除橡胶干扰汽油鉴定的方法。
背景技术
对于燃烧残留物中助燃剂残留物的鉴定是判定放火案件的关键因素，橡胶作为目前生活中最常见的一种石油化工产品，其燃烧残留物含有与汽油相似的组分，在实际的检验鉴定中，排除橡胶燃烧残留物对汽油的干扰是首要目标。
目前的鉴定方法包括通过气相色谱-质谱联用仪(GC-MS)来分析汽油，以及用肉眼比较总离子流和提取离子流图谱及目标化合物，这种方法对数据的分析和解释受到分析鉴定人员的水平和经验的限制，随着法庭科学的不断发展，化学计量学开始被应用于燃烧残留物鉴定中。
发明内容
本发明的目的在于提供一种利用反向传播神经网络法排除橡胶干扰汽油鉴定的方法。
一种利用反向传播神经网络法排除橡胶干扰汽油鉴定的方法，按照如下步骤进行：
(1)通过燃烧不同种类的橡胶和汽油，得到橡胶和汽油燃烧残留物的色谱图，建立橡胶、汽油燃烧残留物的谱图库；
(2)将橡胶和汽油样品放入坩埚中，点燃，收集燃烧残留物，然后将燃烧残留物样品冷却集入样品瓶，密封完好，采用溶剂法处理燃烧残留物样品，设置仪器；
(3)处理好的燃烧残留物样品从进样口进入，经色谱柱分离后进入质谱仪离子源被电离成离子，离子经质量分析器、检测成功后成为质谱仪号并输入计算机；
(4)计算机采集到质谱自动将每个质谱的所有离子强度相加，显示出总离子强度；总离子强度随时间变化的曲线就是总离子流色谱图；总离子流色谱图的横坐标是保留时间，纵坐标是峰高，每个峰代表样品的一个组分，由每个峰可以得到相应的化合物的色谱图，色谱图利用数据库检索，可以得到特征化合物的信息，包含名称、分子式等；此外，每个峰的峰面积与相应组分的含量成正比，根据峰面积可以确定化合物的组分含量；
(5)对不同橡胶及汽油色谱图进行分析选取出各标准样品中的主要成分，利用相对峰面积进行分类识别箱体的一侧面的部位，流体介质出口设于箱体上表面靠近箱体的另一侧面的部位。
所述仪器包括Agilent7890B-5077B气相色谱-质谱联用仪、Agilent7693自动进样、HP-5MS色谱柱、SK3310LHC超声波清洗器。
所述溶剂法处理样品的操作步骤为：1.向燃烧残留物样品中加入正己烷溶液萃取；2.并将其放入SK3310LHC超声波清洗器中震荡；3.取出并用滤纸过滤；4.风化过滤后的溶液；5.用滴管收集至样品瓶。
本发明的有益效果：本发明为解决火灾调查助燃剂检验鉴定中橡胶燃烧残留物谱图对汽油检验鉴定的干扰，对复杂火场的物证鉴定提供可靠的技术支持；本发明在尽可能考虑实际火场环境的前提下，利用GC-MS(气相色谱-质谱联用仪)对橡胶及汽油样品进行检测，同时考虑其他干扰情况对分析分类的影响；与传统的人工识别相比，本发明具有快速高效准确性高等优点，为排除橡胶对汽油的干扰提供了一种方法，并为火灾调查人员提供了科学的参考依据。
附图说明
图1为构建人工神经网络软件的界面。
图2为二烯类橡胶与汽油样品分类界面。
具体实施方式
为了便于理解本发明，下面将对本发明进行更全面的描述。但是，本发明可以以许多不同的形式来实现，并不限于本文所描述的实施例。相反地，提供这些实施例的目的是使对本发明的公开内容的理解更加透彻全面。
实施例1
本实施例利用反向传播神经网络法排除橡胶干扰汽油鉴定的方法，按照如下步骤进行：
(1)通过燃烧不同种类的橡胶和汽油，得到橡胶和汽油燃烧残留物的色谱图，建立橡胶、汽油燃烧残留物的谱图库；
(2)将橡胶和汽油样品放入坩埚中，点燃，收集燃烧残留物，然后将燃烧残留物样品冷却集入样品瓶，密封完好，采用溶剂法处燃烧残留物样品，设置仪器；Agilent7890B-5077B气相色谱-质谱联用仪、Agilent7693自动进样、HP-5MS色谱柱(30m×0.25mm×0.25μm)(美国安捷伦科技公司)、SK3310LHC超声波清洗器(上海科导超声仪器有限公司)。
溶剂法：1.向燃烧残留物样品中加入正己烷溶液萃取；2.并将其放入SK3310LHC超声波清洗器中震荡；3.取出并用滤纸过滤；4.风化过滤后的溶液；5.用滴管收集至样品瓶。
(3)处理好的燃烧残留物样品从进样口进入，经色谱柱分离后进入质谱仪离子源被电离成离子，离子经质量分析器、检测成功后成为质谱仪号并输入计算机；
GC-MS分析条件：进样口温度：200℃，分流比：5：1，MS扫面范围：Scan模式，范围30-550；溶剂延迟：5min EM电压：1624eV；程序升温过程：初始40℃，停留5min，以8℃/min升温至250℃，停留10min。
(4)计算机采集到质谱自动将每个质谱的所有离子强度相加，显示出总离子强度；总离子强度随时间变化的曲线就是总离子流色谱图；总离子流色谱图的横坐标是保留时间，纵坐标是峰高，每个峰代表样品的一个组分，由每个峰可以得到相应的化合物的色谱图，色谱图利用数据库检索，可以得到特征化合物的信息，包含名称、分子式等；此外，每个峰的峰面积与相应组分的含量成正比，根据峰面积可以确定化合物的组分含量；
(5)对不同橡胶及汽油色谱图进行分析选取出各标准样品中的主要成分，利用相对峰面积进行分类识别箱体的一侧面的部位，流体介质出口设于箱体上表面靠近箱体的另一侧面的部位；
关于数据的具体操作运算：网络初始化，根据输入输出序列(X,Y)确定输入层节点数你，隐层节点数l，输出节点m，初始化输入层、隐含层、输出层神经元之间的链接权值，初始化隐含层阈值a，输出层阈值b，给定学习率和激活函数。激励函数的选择输出结果一般是[-1,1]或者[0,1]所有，参数要在[-1,1]之间，当然范围越小越有利于调节。阈值也是初始设定，一个常数，CNN字母识别初始值是0，一般设定1～10常数(图1-2)；
正向传递：有了输入和初始参数以及激活函数，那么一个节点的输出就可以表示为如下所示，对应输入乘以链接隐层的对应权值加上阈值，最后经过激活函数得到隐层节点的一个输出。计算表达式如下。f是激励函数
xi＝f(Sj)
输出层计算隐含层H，对应链接权值和阈值b。
反向传递：误差计算。代价函数：训练模型的过程就是优化代价函数的过程，代价函数对每个参数的偏导数就是梯度下降中提到的梯度，防止过拟合时添加的正则化项也是加在代价函数后面的。任何能够衡量模型预测出来的值h(θ)与真实值y之间的差异的函数都可以叫做代价函数C(θ)，常用代价函数均方误差。公式为
Y为期望输出，O为实际输出。权值更新共识隐层权值和输出层权值更新表达式为：
迭代更新是为了让误差函数达到最小值min(E)。梯度下降法的求解使用均方误差在求导是也方便计算。
隐含层到输出层的权值更新计算以及更新后的权值如上所示。输出层到隐含层的更新计算：
对于汽油和二烯类橡胶这两类的识别，将汽油和二烯类橡胶的24个特征峰对应的峰面积百分比和保留时间作为输入数据的特征，改进BP算法的预训练模型，可以得出，分类识别正确率可以满足实际的要求，绝对误差0.1％，改进算法在准确率和训练时间上占有一定的优势。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
Claims (2)
1.一种利用反向传播神经网络法排除橡胶干扰汽油鉴定的方法，其特征在于，按照如下步骤进行：
（1）通过燃烧不同种类的橡胶和汽油，得到橡胶和汽油燃烧残留物的色谱图，建立橡胶、汽油燃烧残留物的谱图库；
（2）将橡胶和汽油样品放入坩埚中，点燃，收集燃烧残留物，然后将燃烧残留物样品冷却集入样品瓶，密封完好，采用溶剂法处理燃烧残留物样品，设置仪器；
（3）处理好的燃烧残留物样品从进样口进入，经色谱柱分离后进入质谱仪离子源被电离成离子，离子经质量分析器、检测成功后成为质谱仪号并输入计算机；
（4）计算机采集到质谱自动将每个质谱的所有离子强度相加，显示出总离子强度；总离子强度随时间变化的曲线就是总离子流色谱图；总离子流色谱图的横坐标是保留时间，纵坐标是峰高，每个峰代表样品的一个组分，由每个峰可以得到相应的化合物的色谱图，色谱图利用数据库检索，可以得到特征化合物的信息，包含名称、分子式等；此外，每个峰的峰面积与相应组分的含量成正比，根据峰面积可以确定化合物的组分含量；
（5）对不同橡胶及汽油色谱图进行分析选取出各标准样品中的主要成分，利用相对峰面积进行分类识别箱体的一侧面的部位，流体介质出口设于箱体上表面靠近箱体的另一侧面的部位；
所述仪器包括Agilent7890B-5077B气相色谱-质谱联用仪、Agilent7693自动进样、HP-5MS 色谱柱、SK3310LHC 超声波清洗器。
2.根据权利要求1所述利用反向传播神经网络法排除橡胶干扰汽油鉴定的方法，其特征在于，所述溶剂法处理样品的操作步骤为：1.向燃烧残留物样品中加入正己烷溶液萃取；2.并将其放入SK3310LHC 超声波清洗器中震荡；3.取出并用滤纸过滤；4.风化过滤后的溶液；5.用滴管收集至样品瓶。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111138268.8A CN113848268B (zh) | 2021-09-27 | 2021-09-27 | 利用反向传播神经网络法排除橡胶干扰汽油鉴定的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111138268.8A CN113848268B (zh) | 2021-09-27 | 2021-09-27 | 利用反向传播神经网络法排除橡胶干扰汽油鉴定的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113848268A CN113848268A (zh) | 2021-12-28 |
| CN113848268B true CN113848268B (zh) | 2024-03-08 |
Family
ID=78980230
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111138268.8A Active CN113848268B (zh) | 2021-09-27 | 2021-09-27 | 利用反向传播神经网络法排除橡胶干扰汽油鉴定的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113848268B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101261255A (zh) * | 2008-04-22 | 2008-09-10 | 天津市产品质量监督检测技术研究院 | 汽油中苯、氧含量的快速检测方法 |
| JP2011033346A (ja) * | 2009-07-29 | 2011-02-17 | Shimadzu Corp | クロマトグラフ質量分析データ解析方法及び装置 |
| CN102253149A (zh) * | 2011-05-05 | 2011-11-23 | 辽宁省刑事科学技术研究所 | 对火案现场助燃剂中碳氢化合物及硫化物燃烧残留物同步分析方法 |
| CN103235063A (zh) * | 2013-05-02 | 2013-08-07 | 中山大学 | 分析火场残留碎片中易燃液体成分的前处理装置和方法 |
| CN105424677A (zh) * | 2015-12-02 | 2016-03-23 | 公安部上海消防研究所 | 基于表面增强拉曼光谱检测火灾现场残留有机物的方法 |
| CN107677741A (zh) * | 2017-09-08 | 2018-02-09 | 中国科学技术大学 | 一种利用皮尔森积矩相关系数(ppmc)法进行助燃剂种类相似性判断的方法 |
| CN210037352U (zh) * | 2019-04-29 | 2020-02-07 | 上海市刑事科学技术研究院 | 一种便携式火灾现场助燃剂采样装置 |
| CN112557570A (zh) * | 2020-12-24 | 2021-03-26 | 中国人民警察大学 | 利用gc-ms定量法区分汽油与丁苯橡胶燃烧残留物组分的方法 |
-
2021
- 2021-09-27 CN CN202111138268.8A patent/CN113848268B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101261255A (zh) * | 2008-04-22 | 2008-09-10 | 天津市产品质量监督检测技术研究院 | 汽油中苯、氧含量的快速检测方法 |
| JP2011033346A (ja) * | 2009-07-29 | 2011-02-17 | Shimadzu Corp | クロマトグラフ質量分析データ解析方法及び装置 |
| CN102253149A (zh) * | 2011-05-05 | 2011-11-23 | 辽宁省刑事科学技术研究所 | 对火案现场助燃剂中碳氢化合物及硫化物燃烧残留物同步分析方法 |
| CN103235063A (zh) * | 2013-05-02 | 2013-08-07 | 中山大学 | 分析火场残留碎片中易燃液体成分的前处理装置和方法 |
| CN105424677A (zh) * | 2015-12-02 | 2016-03-23 | 公安部上海消防研究所 | 基于表面增强拉曼光谱检测火灾现场残留有机物的方法 |
| CN107677741A (zh) * | 2017-09-08 | 2018-02-09 | 中国科学技术大学 | 一种利用皮尔森积矩相关系数(ppmc)法进行助燃剂种类相似性判断的方法 |
| CN210037352U (zh) * | 2019-04-29 | 2020-02-07 | 上海市刑事科学技术研究院 | 一种便携式火灾现场助燃剂采样装置 |
| CN112557570A (zh) * | 2020-12-24 | 2021-03-26 | 中国人民警察大学 | 利用gc-ms定量法区分汽油与丁苯橡胶燃烧残留物组分的方法 |
Non-Patent Citations (1)
| Title |
|---|
| 陈振邦 ; 金静 ; .Fisher判别在气相色谱-质谱分析助燃剂燃烧残留物中的应用.色谱.2016,(第11期),1106-1112. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113848268A (zh) | 2021-12-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US7640109B2 (en) | Fingerprinting of complex hydrocarbon containing mixtures | |
| EP2344874B1 (en) | Methods of automated spectral peak detection and quantification without user input | |
| EP0871936B1 (en) | Method for predicting chemical or physical properties of complex mixtures | |
| CN104677875B (zh) | 一种三维荧光光谱结合平行因子鉴别不同品牌白酒的方法 | |
| NO322581B1 (no) | Fremgangsmate ved fremstilling av smoreoljer | |
| Ferreiro-González et al. | Application of an HS–MS for the detection of ignitable liquids from fire debris | |
| Getzinger et al. | Illuminating the exposome with high-resolution accurate-mass mass spectrometry and nontargeted analysis | |
| CN113848268B (zh) | 利用反向传播神经网络法排除橡胶干扰汽油鉴定的方法 | |
| JP7255597B2 (ja) | データ解析方法、データ解析装置、及びデータ解析用の学習モデル作成方法 | |
| Hill et al. | LC-MS profiling to link metabolic and phenotypic diversity in plant mapping populations | |
| CN108205042A (zh) | 一种安化黑茶识别方法 | |
| CN111650271B (zh) | 一种土壤有机质标志物的识别方法及应用 | |
| CN114199989A (zh) | 一种基于质谱数据融合的广陈皮识别方法及系统 | |
| Misolas et al. | Optimization of a carbon adsorption/HS-GC–MS method for ignitable liquids classification from fire debris | |
| Varmuza et al. | Automatic recognition of substance classes from data obtained by gas chromatography/mass spectrometry | |
| CN111829976A (zh) | 一种由原油近红外光谱预测其汽油馏分烃族组成的方法 | |
| Yang | Chromatogram Alignment Algorithm Based on Deep Neural Network and an Application in Bio-aerosol Detection | |
| Delaney et al. | Statistical prediction of file searching results for vapor phase infrared spectrometric identification of gas chromatographic peaks | |
| Naumann et al. | Multivariate optimisation of simultaneous multi-element analysis by furnace atomic non-thermal excitation spectrometry (FANES) | |
| Koussiafes et al. | Profile matching for the analysis of accelerants in suspected arson cases | |
| McIlroy | Effects of data pretreatment on the multivariate statistical analysis of chemically complex samples | |
| CN114813977A (zh) | 一种利用气味指纹图谱对稻谷中玉米象进行无损检测的方法 | |
| Wang et al. | Determination of 1-Naphthol and 2-Naphthol Based on Fluorescence Spectrometry Combined with Improved FastICA-SVR | |
| CN117612629A (zh) | 建立环境风险芳香族化合物清单的方法 | |
| Falatová et al. | P. Calle, JL; Álvarez, JÁ; Palma, M. Discrimination of Ignitable Liquid Residues in Burned Petroleum-Derived Substrates by Using HS-MS eNose and Chemometrics |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |