紅外鑒別分析方法驗證

⑴ 怎麼鑒別遠紅外線產品的真偽

遠紅外能量產品和普通產品的快速鑒別方法

１、將一支香煙放置在遠紅外能量產品上，能明顯降低和分解香煙中的有害物質如：尼古丁、焦油等。一分鍾後再吸，香煙的口感即有明顯改善、口味更加醇和。
２、喝酒時，將酒杯置於遠紅外能量產品上，1分鍾後再喝，更加香醇，酒中的苦、澀味消失了，酒質更好。很好入口！普通產品沒有任何變化！
３、泡一杯濃茶，分別放在普通產品和遠紅外能量產品上，1 分鍾後分別再喝，能量產品上的茶苦味減輕了，更加香醇。普通產品沒有任變化。
4、將兩手掌合十對齊，然後任意選擇一隻手握住遠紅外能量產品，一分鍾後，再將兩手合十對齊，握住遠紅外能量產品的手指會明顯變長（兩手相距五十厘米以上）。
5、身上有病痛時，將遠紅遠能量產品貼放痛處，可有效舒緩疼痛。例如生理痛、下腹通、偏頭痛等，放於頭部。若有慢性疾病者，平日可直接將遠紅外能量產品貼放患部，效果更佳。
6、喝咖啡時，可將咖啡杯放在遠紅外線能量產品上，1分鍾後再喝，更加香醇。其它飲料亦同。
7、水果亦可置於遠紅外線能量產品中，酸性減弱，半小時後更甘甜。將茶杯放在遠紅外能量產品上，能使您每天喝到健康的鹼性水，口味更甘甜。
8、我公司生產的遠紅外能量產品有《國家紅外及工業電熱產品質量監督檢驗中心》的權威檢測報告。

提醒您：
1、做遠紅外能量產品和普通產品的試驗，要用其它的產品做對比，一般一分鍾即有明確的區別，特別是香煙、茶水、白酒等。
2、做實驗時，遠紅外能量產品要和普通產品相距五十厘米以上。
3、凡是遠紅外遠紅外產品（如能量祙、煙酒降害卡、內衣等）都有以上功能。
4、遠紅外產品沒有任何副作用，對人體沒有任何傷害；
5、我們明確告訴消費者，雖然遠紅外能量產品有非常好的保健作用，可以紓緩身心，但是無法治病，有病要看醫生。

⑵ 近紅外光譜儀檢驗方法建立過程中，建模後的模型校正和驗證分別應如何開展

模型的校正可以利用驗證集來驗證，覺得可以了可以使用預測集來進行預測來檢驗模型的實際預測效果。

朋友可以到行業內專業的網站進行交流學習！
分析測試網路網這塊做得不錯，氣相、液相、質譜、光譜、葯物分析、化學分析、食品分析。這方面的專家比較多，基本上問題都能得到解答，有問題可去那提問，網址網路搜下就有。

⑶ 近紅外光譜分析交叉驗證法

推薦你看近紅外光譜儀器(陸婉珍)，裡面有常用的化學計量學方法介紹。

⑷ 已知紅外光譜數據,如何用spss建立判別分析模型

判別分析時，通常需要將數據分為兩部分。
一部分是訓練模型數據，一部分是驗證模型數據。首先通過訓練集數據訓練擬合出一個模型。接著再利用另一部分驗證模型效果。
如果在測試集數據上，也表現良好，那麼說明擬合模型非常好。後面可以利用此模型用於預測其它「沒有確定類別」的數據，來預測新數據的類別情況。

⑸ IR的紅外光譜法（IR）

紅外光譜法又稱「紅外分光光度分析法」。簡稱「IR」,分子吸收光譜的一種。利用物質對紅外光區的電磁輻射的選擇性吸收來進行結構分析及對各種吸收紅外光的化合物的定性和定量分析的一法。被測物質的分子在紅外線照射下，只吸收與其分子振動、轉動頻率相一致的紅外光譜。對紅外光譜進行剖析，可對物質進行定性分析。化合物分子中存在著許多原子團，各原子團被激發後，都會產生特徵振動，其振動頻率也必然反映在紅外吸收光譜上。據此可鑒定化合物中各種原子團，也可進行定量分析。
1.紅外光譜法的一般特點
特徵性強、測定快速、不破壞試樣、試樣用量少、操作簡便、能分析各種狀態的試樣、分析靈敏度較低、定量分析誤差較大。
2.對樣品的要求
①試樣純度應大於98%，或者符合商業規格
這樣才便於與純化合物的標准光譜或商業光譜進行對照
多組份試樣應預先用分餾、萃取、重結晶或色譜法進行分離提純，否則各組份光譜互相重疊，難予解析
②試樣不應含水（結晶水或游離水）
水有紅外吸收，與羥基峰干擾，而且會侵蝕吸收池的鹽窗。所用試樣應當經過乾燥處理
③試樣濃度和厚度要適當
使最強吸收透光度在5～20%之間
3.定性分析和結構分析
紅外光譜具有鮮明的特徵性，其譜帶的數目、位置、形狀和強度都隨化合物不同而各不相同。因此，紅外光譜法是定性鑒定和結構分析的有力工具
①已知物的鑒定
將試樣的譜圖與標准品測得的譜圖相對照，或者與文獻上的標准譜圖（例如《葯品紅外光譜圖集》、Sadtler標准光譜、Sadtler商業光譜等）相對照，即可定性
使用文獻上的譜圖應當注意：試樣的物態、結晶形狀、溶劑、測定條件以及所用儀器類型均應與標准譜圖相同
②未知物的鑒定
未知物如果不是新化合物，標准光譜己有收載的，可有兩種方法來查對標准光譜：
A.利用標准光譜的譜帶索引，尋找標准光譜中與試樣光譜吸收帶相同的譜圖
B.進行光譜解析，判斷試樣可能的結構。然後由化學分類索引查找標准光譜對照核實
解析光譜之前的准備：
了解試樣的來源以估計其可能的范圍
測定試樣的物理常數如熔沸點、溶解度、折光率、旋光率等作為定性的旁證
根據元素分析及分子量的測定，求出分子式
計算化合物的不飽和度Ω，用以估計結構並驗證光譜解析結果的合理性解析光譜的程序一般為：
A.從特徵區的最強譜帶入手，推測未知物可能含有的基團，判斷不可能含有的基團
B.用指紋區的譜帶驗證，找出可能含有基團的相關峰，用一組相關峰來確認一個基團的存在
C.對於簡單化合物，確認幾個基團之後，便可初步確定分子結構
D.查對標准光譜核實
③新化合物的結構分析
紅外光譜主要提供官能團的結構信息，對於復雜化合物，尤其是新化合物，單靠紅外光譜不能解決問題，需要與紫外光譜、質譜和核磁共振等分析手段互相配合，進行綜合光譜解析，才能確定分子結構。
④鑒定細菌，研究細胞和其它活組織的結構
4.定量分析
紅外光譜有許多譜帶可供選擇，更有利於排除干擾。紅外光源發光能量較低，紅外檢測器的靈敏度也很低，ε<103
吸收池厚度小、單色器狹縫寬度大，測量誤差也較大
☆對於農葯組份、土壤表面水份、田間二氧化碳含量的測定和穀物油料作物及肉類食品中蛋白質、脂肪和水份含量的測定，紅外光譜法是較好的分析方法

⑹ 怎麼驗證紅外線燈的真假

你好：

——★1、紅外線燈發出的光線，是看不見的。但你可以使用紅外線接收二極體測量：紅外線照射在接收二極體上，用萬能表電阻檔測量會有強烈的反應。

⑺ 在用紅外光譜測定和分析物質結構時，對譜圖解析應遵循哪些規則

如何利用紅外光譜進行未知物結構的測定 測定未知物的結構,是紅外光譜法定性分析的一個重要用途.如果未知物不是新化合物,可以通過兩種方式利用標准譜圖進行查對： （1）查閱標准譜圖的譜帶索引,與尋找試樣光譜吸收帶相同的標准譜圖； （2）進行光譜解析,判斷試樣的可能結構,然後在由化學分類索引查找標准譜圖對照核實. 在對光譜圖進行解析之前,應收集樣品的有關資料和數據.了解試樣的來源、以估計其可能是哪類化合物；測定試樣的物理常數,如熔點、沸點、溶解度、折光率等,作為定性分析的旁證；根據元素分析及相對摩爾質量的測定,求出化學式並計算化合物的不飽和度： 不飽和度W=1+n4+(n3-n1)/2
式中n4、n3、n1、分別為分子中所含的四價、三價和一價元素原子的數目. W=0時,表示分子是飽和的,應在鏈狀烴及其不含雙鍵的衍生物.W=1時,可能有一個雙鍵或脂環；W=2時,可能有兩個雙鍵和脂環,也可能有一個叄鍵；W =4時,可能有一個苯環等.
譜圖解析一般先從基團頻率區的最強譜帶開始,推測未知物可能含有的基團,判斷不可能含有的基團.再從指紋區的譜帶進一步驗證,找出可能含有基團的相關峰,用一組相關峰確認一個基團的存在.對於簡單化合物,確認幾個基團之後,便可初步確定分子結構,然後查對標准譜圖核實.

⑻ 紅外光譜進行定量分析

紅外光譜用於定量分析遠遠不如紫外-可見光譜法。其原因是：
1、紅外譜圖復雜，相鄰峰重疊多，難以找到合適的檢測峰。
2、紅外譜圖峰形窄，光源強度低，檢測器靈敏度低，因而必須使用較寬的狹縫。這些因素導致對比爾定律的偏離。
3、紅外測定時吸收池厚度不易確定，參比池難以消除吸收池、溶劑的影響。
定量分析依據是比爾定律：ecl=logI0/I或A=ecl。如果有標准樣品，並且標准樣品的吸收峰與其它成分的吸收峰重疊少時，可以採用作出標准曲線的方法進行分析，即配製一系列不同含量的標准樣品，測定數據點，作出曲線。相關步驟可參考紫外-可見光譜的定量分析方法。

朋友可以到行業內專業的網站進行交流學習！
分析測試網路網這塊做得不錯，氣相、液相、質譜、光譜、葯物分析、化學分析、食品分析。這方面的專家比較多，基本上問題都能得到解答，有問題可去那提問，網址網路搜下就有。

⑼ 如何根據紅外光譜圖進行聚合物未知結構的鑒定

紅外光譜：
1、研究分子的結構和化學鍵,
2、力常數的測定和分子對稱性的判據
3、表徵和鑒別化學物種的方法.
·
紫外：
1、測定物質的最大吸收波長和吸光度,
2、初步確定取代基團的種類,乃至結構.
紫外光譜只是一個初步的分析,還要藉助其他方法如紅外核磁質譜等,
僅靠紫外光譜就解析化合物結構式相當困難的.

⑽ 近紅外光譜的光譜分析

近紅外光譜分析方法的優點為：
1） 分析速度快。近紅外光譜分析儀一旦經過定標後在不到一分鍾的時間內即可完成待測樣品多個組分的同步測量，如果採用二極體列陣型檢測器結合聲光調制型分光器的分析儀，則可在幾秒鍾的時間內給出測量結果，完全可以實現過程在線定量分析。
2） 對樣品無化學污染。待測樣品視顆粒度的不同可能需要簡單的物理制備過程（如磨碎、混合、乾燥等），無需任何化學干預即可完成測量過程，被稱為是一種綠色的分析技術。
3） 儀器操作簡單，對操作員的素質水平要求較低。通過軟體設計可以實現極為簡單的操作要求，在整個測量過程中引入的人為誤差較小。
4） 測量准確度高。盡管該技術與傳統理化分析方法相比精度略遜一籌，但是給出的測量准確度足夠滿足生產過程中質量監控的實際要求，故而非常實用。
5） 分析成本低。由於在整個測量過程中無需任何化學試劑，儀器定標完成後測量是一項非常簡單工作，所以幾乎沒有任何損耗。 近紅外光譜儀器從分光系統可分為固定波長濾光片、光柵色散、快速傅立葉變換、聲光可調濾光器四種類型。
濾光片型主要作專用分析儀器，如糧食水分測定儀。由於濾光片數量有限，很難分析復雜體系的樣品。
光柵掃描式具有較高的信噪比和解析度。由於儀器中的可動部件（如光柵軸）在連續高強度的運行中可能存在磨損問題，從而影響光譜採集的可靠性，不太適合於在線分析。
傅立葉變換近紅外光譜儀是具有較高的解析度和掃描速度，這類儀器的弱點同樣是干涉儀中存在移動性部件，且需要較嚴格的工作環境。
聲光可調濾光器是採用雙折射晶體，通過改變射頻頻率來調節掃描的波長，整個儀器系統無移動部件，掃描速度快。但這類儀器的解析度相對較低，價格也較高。
隨著陣列檢測器件生產技術的日趨成熟，採用固定光路、光柵分光、陣列檢測器構成的NIR儀器，以其性能穩定、掃描速度快、解析度高、信噪比高以及性能價格比好等特點正越來越引起人們的重視。在與固定光路相匹配的陣列檢測器中，常用的有電荷耦合器件（CCD）和二極體陣列（PDA）兩種類型，其中CCD多用於近紅外短波區域的光譜儀，PDA檢測器則用於長波近紅外區域。 在近紅外光譜圖譜上，依據不同種類物質所含化學成分的不同，含氫基團倍頻與合頻振動頻率不同，則近紅外圖譜的峰位、峰數及峰強是不同的，樣品的化學成分差異越大，圖譜的特徵性差異越強。採用簡易的峰位鑒別可對不同品種的中葯進行鑒別採用峰位鑒別法主要是分析組分相差較大的不同種物質，這種方法直觀、簡便，但對於性質相近的樣品鑒別卻無能為力。因此必須需要其它的方法，如化學計量學方法等來鑒別。
模式識別在六十年代末被引入到化學領域，它基於一個十分直觀的基本假設，即「物以類聚」，認為性質相近的樣本在模式空間中所處的位置相近，它們在空間形成「簇」。模式識別方法具有明顯的優點，它不需要數學模型需要的先驗知識很少擅長處理復雜事物和多元數據等。在實際工作中，經常遇到只需要知道樣品的類別或等級，並不需要知道樣品中含有的組分數與其含量的問題，這時需要應用模式識別法。模式識別法主要用於光譜的定性分析。在近紅外光譜定性分析中常用的模式識別方法很多，有聚類分析、判別分析、主成分分析和人工神經網路方法。
在中草葯及其產品的應用中，模式識別方法主要用於產品的分類與鑒定。系統聚類分析是依據一種事先選定的相似性或非相似性如距離來度量類在分類空間中的距離，再根據譜系圖決定分類結果。逐步聚類分析動態聚類法是依據距離進行分類的一種迭代方法。與系統聚類法相比，它的計算速度快，並節省儲存單元，但需事先指定分類數和適當初定值，每步迭代都對各類的中心凝聚點進行調整並按分類對象與中心的距離之遠近進行歸類，直到不變為止。
主成分分析是一種簡化數據結構、突出主要矛盾的多變數統計分類方法。利用主成分分析可以降低數據的維數，根據主因子得分對樣品進行分類。逐步判別分析能在篩選變數的基礎上建立線性判別模型。篩選是通過檢驗逐步進行的。每一步選取滿足指定水平最顯著的變數，並剔除因新變數的引入而變得不顯著的原引入變數，直到不能引入也不能剔除變數為止。
人工神經網路作為一種智能型演算法，具有很強的非線性映照能力，在非線性多元校正中已顯露出一定的優勢，關於誤差反向傳播神經網路的研究和應用較多。由於具有良好的自組織、自學習和處理復雜非線性問題的能力，因而對於復雜的、非線性的體系，可取得更好的效果，已被用於許多領域。 近紅外光譜分析技術在近幾十年內得到了快速的發展而且在多個應用領域得到了廣泛的認可，它的魅力在於其可以在很短的時間內無需復雜的樣品制備過程即可完成物質成份多組分的同步快速定量分析，並且可以給出很高的分析精度，不產生任何化學污染且分析成本很低，易於在實驗室尤其是工業現場或在線分析領域得到推廣使用。
NIR 定量分析的過程
該技術應用實施過程中需要前期進行一些必要的准備工作，其中包括：
（1） 具有廣泛代表性的定標和預測樣品集的收集和成份理化定量分析；
（2） 定標和預測樣品集的近紅外光譜採集和光譜解析；
（3） 物質各待測成份在近紅外分析儀器上的定標建模和模型優化；
（4） 已有定標模型的實際預測分析。
在以上的前期工作中需要進行較多的實驗驗證，而且需要對近紅外光譜定量分析技術中的每一個環節上全方面考慮多種干擾因素（如溫度、濕度等）的影響。一旦定標模型通過預測檢驗分析後，近紅外光譜分析儀器將在較長的時間內保持很高的穩定性和分析精度，操作人員很容易在較短的時間內掌握該儀器的操作程序，這就是該技術在一個新的應用領域很容易得到推廣的主要優勢所在。但是近紅外分析儀器定標模型精確度會由於環境因素影響、自身器件的老化以及參考標准樣品的變化而發生微小的變化，為了確保分析結果的准確性需要對模型進行周期性的檢驗和修正，這就需要用戶長期擁有檢測樣品的理化分析能力，盡管並不需要太多的工作量，所以近紅外光譜定量分析技術需要其他成份定量分析技術為依託，經常通過少量經過理化分析的新樣品來驗證近紅外定標模型的精確度，這也是該技術的弱點所在。