化学计量学基础
一、课程说明
课程编号： 150503Z10
课程名称：化学计量学基础/Introduction to Chemometrics
课程类别：专业选修课
学时/学分：48学时/2学分
先修课程：高等数学、分析化学
适用专业： 应用化学等
教材、教学参考书：
1 . 梁逸曾、俞汝勤编著，化学计量学，高等教育出版社，2003
2 . 梁逸曾、易伦朝编著，化学计量学基础，华东理工大学出版社，2010
3 . 梁逸曾、许青松著，复杂体系仪器分析-白灰黑分析体系及其多变量解析方法，化学工业出版社，2014
4. Ron Wehrens, Chemometrics with R: Multivariate Data Analysis in the Natural Sciences and Life Sciences, Springer, 2011
5. Foo-Tim Chau, Yi-Zeng Liang, Chemometrics: From Basics to Wavelet Transform, Wiley-Interscience,2004
二、课程设置的目的意义
化学计量学是一个交叉学科，在化学学科中具有引领作用，它是运用数学、统计学、计算机科学解决分析化学信息化问题，以此建立和发展学科基础理论。通过统计学或数学方法将对化学体系的测量值与体系的状态之间建立联系，它可以优化化学量测过程（如实验参数的最优化、实验设计、信号处理等），并从化学量测数据中最大限度地提取有用的化学信息（如数据的统计处理、模式识别、模拟等）。化学计量学已经在我校开设多年，是本院应用化学学科的特方向之一与主要研究方向之一，通过本课程的学习，可使学生掌握本课程主要是
对目前化学计量学的基本方法进行简要介绍，通过学习，使学生充分理解化学计量学是一门什么样的化学分支，它为化学家们提供了什么样的新思路，可以解决什么样的化学问题。
三、课程的基本要求
1.知识要求
（1）掌握化学计量学的基本概念和基本方法。
（2）深入理解化学计量学中的采样理论与方法、实验设计与化学反应过程的优化控制、化学信号处理、分析信号的多元校正与分辨、化学模式识别、化学过程和化学量测过程的计算机模拟、化学定量构效关系、化学数据库与化学专家系统等算法。
（3）了解化学计量学的现状、前沿和发展趋势
2.能力要求
（1）分析和解决问题的能力：通过本课程的学习，能够从多变量的角度去思考问题，能解决单变量难解决或无法解决的问题。
（2）程序开发的能力：通过本课程中8个小时的实践课程，能够基本掌握Python基本语法，利用NumPy及SciPy等程序库能够实现简单的化学计量学算法用于分析仪器信号的分析。
（3）综合能力与多学科交叉的能力：化学计量学中设计分析化学、仪器分析、统计学、线性代数、程序开发等多个领域知识，经过本课程的学习与实践，能够综合运用多个学科的知识解决实践中碰到难点问题。
（4）查阅文献和文献综述能力：化学计量学中许多经典方法来自于经典文献，在课程中会以这些经典方法为例进行相应演示，通过相关学习应具备使用Web of Knowledge、Google Scholar等文献检索引擎能力。
3.素质要求
（1）较高的知识理论素质，尤其是创新意识和创新能力等能够支撑学生后续良好发展的重要素质。
（2）自主学习习惯及良好的学习方法等素质。未来的社会知识更新速度越来越快，持续的自我学习与提高，才能适应社会的发展。
（3）发挥交叉学科特点，提高学生综合素质。
四、教学内容、重点难点及教学设计
大学编程课是学什么的
章节
教学内容
总学时
学时分配
教学重点
教学难点
教学方案设计（含教学方法、教学手段）
讲
课
实践
第1章
化学计量学简介
2
2
0
对化学计量学进行简要介绍，通过适当的实例让同学们对化学计量学有一定程度的形象上的认识。
通过学习，使学生充分理解化学计量学是一门什么样的化学分支，它为化学家们提供了什么样的新思路，可以解决什么样的化学问题
主要利用多媒体进行实例的讲授，从衣食住行等展开，说明化学计量学与我们的日常生活息息相关，让同学们对化学计量学有一定的认识。
第2章
线性代数与统计学
8
6
2
向量、矩阵、线性代数算法以及统计学基础  知识。
最小二乘算法、矩阵秩以及主成分分析等算法法。
教学思路：从简单的矩阵和向量出发，让同学们觉得高等数学中的线性代数在化学中有很重要的作用，从而引出后续的系列线性代数  方法。
教学手段：理论教学利用多媒体进行讲授；实践教学则利用Python编程语言对相关难点算法现场实现并进行相关  演示。
第3章
实验设计与最优化
8
8
0
实验设计与化学化工过程的优化控制，通过学习，使学生基本掌握因子设计、正交设计、均匀设计的主要思路和基本方法。
因子设计、正交设计、均匀设计等实验设计方法的原理。
教学思路：以方开泰先生发现均匀设计的过程为例，充分展示实验设计对于现代工业社会之重要性，然后由简单到复杂介绍各种实验设计方法的原理。
教学手段：理论教学利用多媒体进行讲授。以谱实验条件优化为例，利用JMP软件展示如何正交实验设计等例子。
第4章
信号处理方法
10
8
2
分析仪器的化学信号处理。通过学习，使学生基本掌握信号平滑处理、微分处理的几种方法，并对Hadamad变换、 Fourier变换和小波变换有初步了解。
SG平滑算法、Whittaker平滑算法以及小波变换等。
教学思路：由大家在实验中都会碰到的信号与噪声如何分辨出发，引入怎么样增强信噪比的平滑方法、怎么样增强分辨率的求导方法；逐步展开，循序渐进。
教学手段：理论教学利用多媒体进行讲授；实践教学则利用Python编程语言对相关难点算法现场实现并进行相关  演示。
第5章
多元校正与
分辨
10
8
2
分析信号的多元校正与分辨。通过学习，使学生基本掌握多元校正的几种方法，如多元回归、主成分回归和偏最小二乘，并掌握几种多元分辨  方法。
偏最小二乘回归方法、SMCR、EFA、ITTFA以及HELP等算法
教学思路：多元校正教学从单变量有干扰时无法准确出发，引出多元分辨中的主成分回归、偏最小二乘等方法。多元分辨则从GC-MS分析复杂体系时无法分离的重叠峰出发，逐步引出SMCR、EFA、ITTFA以及HELP等分辨方法。
教学手段：理论教学利用多媒体进行讲授；实践教学则利用Python编程语言对相关难点算法现场实现并进行相关  演示。
第6章
模式识别
10
8
2
化学模式识别。通过学习，使学生基本掌握化学模式识别的基本概念和常用的几种方法，并掌握采用化学模式识别进行化学数据的分类与判别  方法。
马氏距离、SIMCA等方法
教学思路：以代谢组学中的病人与健康人分类引出模式识别及生物标记物筛选，然后详细讲述每个模式识别方法的原理、优缺点及适用范围。
教学手段：理论教学利用多媒体进行讲授；实践教学则利用Python编程语言对相关难点算法现场实现并进行相关  演示。
合计
48
40
8
注：实践包括实验、上机等
五、实践教学内容和基本要求
对于应用化学专业的学生来说，本课程实践教学难点在于数学基础与编程语言的熟练程度。本课程使用Python和MATLAB等高级编程语言作为实践教学语言来降低开发化学计量学算法难度。学生只需对简洁的矩阵运算式的数学意义可以理解，就可顺利地进行各种化学计量学的运算实验。使学生可将主要精力放在方法的化学意义和基本思路之上，而没有必要将精力放在编程技巧钻研之上。
在课程的实践教学中会让学生掌握如下内容：
1.Python编程语言基本语法与矩阵线性代数运算；
2.信号处理算法实现；
3.多元校正算法实现及实例；
4.多元分辨算法实现及实例；
5.模式识别算法实现及相关实例。
本课程的实践教学内容的基本要求为，学生使用上述语言进行必要的上机运算，主要为实现与测试化学计量学中的经典信号处理、校正、分辨以及模式识别相关算法，以了解化学计量学的真实内涵和可以解决的问题。
六、考核方式及成绩评定
考核方式
考核内容
成绩比例（%）
备注
课程考勤
主动性和团队素质
15
课内互动和抢答
基本知识，学习主动性
15
大型作业
创新和解决问题能力
20
闭卷笔试
期末考试
50

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。