目录 1
第一章 化学计量学的历史、现状及教学 1
§1.1 化学计量学的主要内容及方法 1
§1.2 化学计量学的教学 6
参考文献 11
第二章 统计基础 12
§2.1 分析质量判据和统计检验 12
§2.1.1 平均值和标准偏差 12
§2.1.2 重复测量值的分布 13
§2.1.3 样本平均值的标准偏差 15
§2.1.5 小样本平均值的置信限 16
§2.1.4 大样本平均值的置信限 16
§2.1.6 测量结果表达 17
§2.1.7 随机误差的传递 18
§2.1.8 系统误差传递 19
§2.1.9 实验室熟练程度检验 19
§2.1.10 不确定度 20
§2.1.11 取样统计学 21
§2.2 显著性检验 25
§2.2.1 t检验 25
§2.2.2 标准偏差比较——F检验 30
§2.2.3 异常值 31
§2.2.4 重复性、再现性和协作检验 32
§2.3.1 回归校正直线 34
§2.2.5 方差分析 34
§2.3 一元校正和相关性分析 34
§2.3.2 回归校正直线斜率和截距的误差 36
§2.3.3 由回归直线计算浓度及误差估计 38
§2.3.4 加权最小二乘法 38
§2.4 检测限 40
附表A2 统计中常用临界值分布表 43
参考文献 46
第三章 化学实验设计与优化方法 47
§3.1 正交试验设计 48
§3.1.1 正交试验设计的一般步骤 50
§3.1.2 如何安排水平数不同的试验和有交互作用的试验 53
§3.2 均匀试验设计 54
§3.2.1 均匀设计表 54
§3.2.2 均匀设计的一般步骤 55
§3.3 析因设计 56
§3.3.1 析因设计原理 56
§3.3.2 析因设计试验一般步骤 57
§3.3.3 中心复合设计和Box-Behnken设计 59
§3.4 单纯形优化法 61
§3.4.1 基本单纯形 62
§3.4.2 改进单纯形 66
§3.5 响应曲面设计 68
附表A3 常用正交设计表和均匀设计表 69
参考文献 84
第四章 分析信号处理 86
§4.1 分析信号的卡尔曼滤波 87
§4.1.1 卡尔曼滤波的原理 87
§4.1.2 卡尔曼滤波算法步骤 90
§4.1.3 滤波正常的判断方法 90
§4.1.4 卡尔曼滤波中系数矩阵的确定 92
§4.1.5 自适应卡尔曼滤波 94
§4.1.6 应用 95
§4.2 分析信号的平滑和求导 96
§4.2.1 分组平均平滑法 96
§4.2.2 移动窗口平滑 97
§4.2.3 多项式平滑及求导 98
§4.3 分析信号的Hadamard变换 110
§4.4 傅里叶变换 113
§4.5 小波变换 123
参考文献 131
第五章 多元校正分析 134
§5.1 多元线性回归 135
§5.1.1 多元线性回归的原理 137
§5.1.2 曲线拟合 140
§5.2 多元非线性回归 144
§5.2.1 变量代换法 144
§5.2.2 非线性最小二乘法 145
§5.3 岭回归 148
§5.4 多元线性回归法用于多组分分析 150
§5.4.1 经典最小二乘法 154
§5.4.2 反推最小二乘法 157
§5.5 通用标准加入法 159
§5.6 主成分分析 161
§5.6.1 奇异值分解 162
§5.6.2 特征值和特征向量 163
§5.6.3 NIPALS算法用于主成分分析 166
§5.6.4 主成分数（主因子数）的判别 166
§5.6.5 交叉验证法 169
§5.7 主成分回归 171
§5.8 偏最小二乘法 174
§5.9 三维主成分分析 178
§5.9.1 平铺法 178
§5.9.2 Tucker 3模型 179
§5.9.3 平行因子模型 181
§5.9.4 双数据块的三线性分解 183
参考文献 185
第六章 因子分析及其相关技术 188
§6.1 概述 188
§6.2 因子旋转 194
§6.3 方差最大旋转 196
§6.4 目标转换因子分析法用于因子旋转 198
§6.5 基于曲线分辨的方法 200
§6.6 迭代目标转换因子分析法 207
§6.7 渐进因子分析 211
§6.8 固定窗口渐进因子分析 215
§6.9 启发渐进特征投影法 216
§6.9.1 渐进特征投影和选择性信息 217
§6.9.2 特征结构跟踪分析 219
§6.9.3 选择性信息与满秩分辨 220
§6.10 广义秩消失因子分析法 222
§6.11 残差双线性分解法 223
参考文献 225
第七章 化学模式识别 227
§7.1 聚类分析 228
§7.2 相似系数和距离 229
§7.3 测量数据预处理和特征选取 232
§7.4 聚类分析算法 234
§7.4.1 聚类算法基本原理 235
§7.4.2 类间距离的定义与系统聚类方法 235
§7.4.3 最小生成树法 241
§7.5 基于主成分分析的投影判别法 242
§7.6 有管理模式识别 247
§7.6.1 线性判别分析 248
§7.6.2 K-最近邻法 252
§7.6.3 SIMCA分类法 253
参考文献 257
第八章 人工神经网络及遗传算法 259
§8.1 神经元 260
§8.2 线性学习机和感知器网络 261
§8.3 多层向前网络 262
§8.3.1 信号传递 264
§8.3.2 转换函数 265
§8.3.3 网络训练规则 266
§8.4 MLF网络的训练和测试 269
§8.5 其他网络函数 270
§8.6 人工神经网络在化学领域中的应用 273
§8.6.3 蛋白质结构预测 274
§8.6.2 药物分子药效预测 274
§8.6.1 谱图分析 274
§8.7 遗传算法 275
§8.7.1 基本概念 275
§8.7.2 基本算法 276
§8.8 遗传算法在分析化学中应用 280
§8.8.1 多组分成分分析波长选择 281
§8.8.2 发射光谱实验条件的选择 281
§8.8.3 校正数据的优化 281
§8.8.4 核磁共振脉冲波形的选择 282
§8.8.5 生物大分子的构象分析 282
参考文献 283
第九章 电分析化学 285
§9.1 化学计量学在无机离子测定中的应用 287
§9.2 化学计量学在有机电分析化学中的应用 295
§9.2.1 吡嗪及其甲基衍生物的极谱法同时测定 295
§9.2.2 食用合成色素的伏安法分析 298
§9.2.3 抗氧化剂的伏安法分析 300
§9.2.4 环境中有害物质分析 302
§9.2.5 农药残留量分析 304
§9.2.6 药物分析 308
参考文献 311
第十章 动力学分析法 314
§10.1 反应速率差异较大的混合物分析法 316
§10.2 反应速率差别较小的混合物分析法 317
§10.2.1 外推图解法 317
§10.2.2 单点法 319
§10.2.3 比例方程法 321
§10.3 基于计算机数学和化学计量学的方法 323
§10.3.1 多元线性回归 323
§10.3.2 H点标准加入法 324
§10.3.3 卡尔曼滤波 325
§10.3.4 人工神经网络 326
§10.3.5 一种误差补偿算法 327
§10.3.6 基于因子分析的多元校正法 328
§10.4.1 动力学分析法用于还原糖的测定 330
§10.4 动力学分析法在食品分析中的应用 330
§10.4.2 食品中抗氧化剂的分析 333
§10.4.3 饲料中添加剂的分析 335
§10.5 药物分析 337
§10.6 农药残留量的分析 340
参考文献 342
第十一章 多元校正方法在电位滴定分析中的应用 346
§11.1 线性滴定法 347
§11.1.1 一元酸的线性函数公式 347
§11.1.2 混合酸的线性函数公式 349
§11.1.3 计算法确定混合酸的滴定终点 351
§11.1.4 直线图解法测定三组分混合酸 353
§11.1.5 标准加入法在酸碱分析中的应用 356
§11.2 多元校正方法在酸碱滴定、络合滴定和沉淀滴定中的应用 358
§11.2.1 酸碱滴定 359
§11.2.2 络合滴定 363
§11.2.3 沉淀滴定 369
参考文献 373
第十二章 分光光度法中的H点标准加入法和比值导数波谱法 376
§12.1 H点标准加入法 376
§12.2 通用H点标准加入法 381
§12.3 H点曲线分离法 382
§12.4 比值导数波谱 383
§12.5 双除数因子比值导数波谱 387
参考文献 388