您当前的位置：
首页 >
文章列表页 >
基于机器学习模式和气相色谱-质谱联用技术的特征刻画方法分析卡西酮类新精神活性物质
研究报告 | 更新时间：2026-07-15
上一篇|下一篇

    • 基于机器学习模式和气相色谱-质谱联用技术的特征刻画方法分析卡西酮类新精神活性物质

    • A Characterization Method for Synthetic Cathinone New Psychoactive Substances Based on Machine Learning and Gas Chromatography-Mass Spectrometry Techniques

    • 王洋 ，陈学国 ，王琳娜 ，刘春庚 ，刘诗怡
    • 分析测试学报 2026年45卷第6期 页码：1256-1264

    • DOI： 10.12452/j.fxcsxb.26011901     

      中图分类号：

    • 修回：2026-04-15 ，

      录用：2026-04-15 ，

    移动端阅览

  •  
  •  

  • AI导读

  • HTML全文

  • 图( 12 ) 表( 1 )

  • 参考文献

  • 出版信息

  • 数据统计

224

浏览量

219

下载量

0

CSCD

文章被引用时，请邮件提醒。
提交
工具集
  • BibTeX下载
  • Endnote下载
  • RefMan 下载
  • NoteExpress下载
  • NoteFirst下载

关联资源

AI慧眼识毒 | 中国刑事警察学院陈学国：AI+GC-MS精准刻画新精神活性物质鉴识

相关文章

机器学习算法在全氟和多氟烷基物质质谱分析中的应用进展
组成驱动的无机材料XPS O1s结合能与化学位移智能预测
高温费托合成油加工工艺中大分子含氧化合物的鉴定
基于非标准物质及小样本的近红外光谱设备选型方法研究
Ce-BTC@rGO分子印迹传感器用于合成大麻素的高选择性检测

相关作者

丁超
叶呈富
赵精琦
赵琳琳
熊曼馨
裴聪聪
张岩皓
彭子芳

相关机构

郑州大学 生态与环境学院
郑州大学 化学学院
郑州大学 公共卫生学院
北京师范大学分析测试中心
北京师范大学珠海校区理工实验平台