| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-7页 |
| 目录 | 第7-11页 |
| 第一章 高效液相色谱分离条件优化策略进展 | 第11-43页 |
| 第一节 黑箱方法 | 第11-14页 |
| §1．1．1 尝试实验方法 | 第11-12页 |
| §1．1．2 实验设计结合尝试实验方法 | 第12-13页 |
| §1．1．3 基于数学模型的优化方法 | 第13-14页 |
| 第二节 半解析优化方法（统计学优化方法） | 第14-17页 |
| §1．2．1 优化指标的计算 | 第14-16页 |
| §1．2．2 优化条件搜寻方法： | 第16-17页 |
| 第三节 解析的优化方法 | 第17-30页 |
| §1．3．1 基于构效关系的优化方法 | 第18-19页 |
| §1．3．2 基于热力学模型的优化 | 第19-30页 |
| §1．3．2．1 等度优化 | 第19-27页 |
| §1．3．2．2 梯度优化 | 第27-30页 |
| 第四节 人工神经网络在液相色谱保留值模拟及分离条件优化中的应用 | 第30-43页 |
| 第二章 二元流动相梯度分离条件的快速优化 | 第43-62页 |
| 第一节 线性梯度条件下溶质在色谱柱内的输运特征 | 第43-50页 |
| §2．1．1 理论部分 | 第44-46页 |
| §2．1．2 实验部分 | 第46页 |
| §2．1．2．1 仪器和试剂 | 第46页 |
| §2．1．2．2 仪器滞后时间和死时间的测定 | 第46页 |
| §2．1．3 结果与讨论 | 第46-50页 |
| §2．1．3．1 15种衍生化氨基酸线性梯度洗脱保留时间的预测 | 第46-48页 |
| §2．1．3．2 8种苯的同系物线性梯度洗脱保留时间的预测 | 第48-50页 |
| 第二节 由线性梯度实验保留数据预测溶质保留值方程的方法 | 第50-51页 |
| 第三节 反相高效液相色谱中复杂样品二元多台阶梯度分离条件快速优化方法 | 第51-62页 |
| §2．3．1 优化方法的理论基础以及优化程式 | 第52-55页 |
| §2．3．2 仪器和试剂 | 第55-56页 |
| §2．3．3 结果和讨论 | 第56-59页 |
| §2．3．3．1 线性梯度洗脱川芎提取物的分离 | 第56-57页 |
| §2．3．3．2 川芎中36种组分的二元台阶梯度分离 | 第57-59页 |
| 小结 | 第59-62页 |
| 第三章 多元流动相梯度分离条件快速优化方法 | 第62-94页 |
| 第一节 多元流动相溶质保留值方程 | 第62-68页 |
| §3．1．1 理论基础 | 第62-64页 |
| §3．1．2 实验验证 | 第64-68页 |
| 第二节 多元流动相梯度分离条件快速优化策略（FMGOS） | 第68-82页 |
| §3．2．1 快速多元梯度优化的理论基础 | 第68-72页 |
| §3．2．1．1 利用初始线性梯度实验计算溶质保留值方程 | 第68-70页 |
| §3．2．1．2 梯度（台阶、线性或混合梯度）条件下溶质的保留时间 | 第70-71页 |
| §3．2．1．3 半峰宽规律和优化指标 | 第71-72页 |
| §3．2．2 快速多元梯度优化程式 | 第72-82页 |
| 第三节 多元流动相梯度快速优化软件包（Fast Multivariate Gradient Optimization software package，FMGOSP） | 第82-94页 |
| §3．3．1 FMGOSP的总体架构 | 第82-86页 |
| §3．3．1．1 参数面板 | 第82-84页 |
| §3．3．1．2 优化（Optimization）面板 | 第84-85页 |
| §3．3．1．3 实验数据（Experimental Data）面板 | 第85-86页 |
| §3．3．2 FMGOSP的基本功能 | 第86-92页 |
| 小结 | 第92-94页 |
| 第四章 复杂样品的液相色谱多元优化策略 | 第94-149页 |
| 第一节 优化指标与分析目的的评价 | 第94-96页 |
| 第二节 已知组分复杂样品的分离 | 第96-128页 |
| §4．2．1 芳香胺样品的梯度分离 | 第96-106页 |
| §4．2．1．1 实验部分 | 第97-98页 |
| §4．2．1．2 芳香胺的快速多元梯度条件优化 | 第98-106页 |
| §4．2．2 19种芳香化合物的梯度分离 | 第106-115页 |
| §4．2．2．1 实验部分 | 第106-107页 |
| §4．2．2．2 芳香化合物的多台阶梯度优化 | 第107-115页 |
| §4．2．3 对含有有机添加剂的多元流动相反相色谱的多元梯度分离条件优化 | 第115-124页 |
| §4．2．3．1 实验部分 | 第115-117页 |
| §4．2．3．2 根据FMGOS对衍生化氨基酸梯度分离条件的快速优化 | 第117-124页 |
| §4．2．4 快速多元梯度优化策略（FMGOS）与智能多元梯度优化策略（IMGOS）的比较 | 第124-128页 |
| 第三节 复杂本底样品中目标组分的分离 | 第128-137页 |
| §4．3．1 实验部分 | 第128-129页 |
| §4．3．2 结果和讨论 | 第129-137页 |
| §4．3．2．1 对于具有相似保留的目标组分的分离条件优化 | 第129-135页 |
| §4．3．2．2 对于保留范围较大并且较难分离目标组分的分离条件优化 | 第135-137页 |
| 第四节 超复杂样品系统分析的分离模式选择 | 第137-149页 |
| §4．4．1 超复杂样品组分的系统特征。 | 第138-139页 |
| §4．4．2 实验结果和讨论 | 第139-148页 |
| 小结 | 第148-149页 |
| 第五章 人工神经网络对复杂体系多参数同时优化方案 | 第149-173页 |
| 第一节 人工神经网络基本理论 | 第149-152页 |
| §5．1．1 误差反向传播神经网络基本理论 | 第150-151页 |
| §5．1．2 反向传播神经网络的一些问题及其解决方法 | 第151-152页 |
| §5．1．2．1 神经网络拓扑和学习参数的优化 | 第151-152页 |
| §5．1．2．2 避免过拟合问题 | 第152页 |
| 第二节 人工神经网络对流动相pH值和有机调节剂含量的同时优化 | 第152-163页 |
| §5．2．1 实验部分 | 第153-154页 |
| §5．2．2 对11种芳香胺分离条件的优化 | 第154-158页 |
| §5．2．2 对6种衍生化氨基酸分离条件的优化 | 第158-163页 |
| 第三节 人工神经网络对流动相pH值和流动相梯度的同时优化 | 第163-173页 |
| §5．3．l 试剂和仪器 | 第164页 |
| §5．3．2 结果和讨论 | 第164-171页 |
| §5．3．2．1 初始实验 | 第164-165页 |
| §5．3．2．2 反向传播神经网络对衍生化氨基酸保留行为的模拟 | 第165-167页 |
| §5．3．2．3 对流动相pH值和梯度时间的优化 | 第167-171页 |
| 小结 | 第171-173页 |
| 个人简历 | 第173-175页 |
| 致谢 | 第175页 |
