摘要：以有效塔板数作为二维色谱的柱效指标，根据二维色谱在不同影响因素（包括预柱柱温、主柱柱温、柱间压差和主柱间的放空量）下的有效塔板数实测数据集，应用基于粒子群算法（PSO）寻优的支持向量回归（SVR）方法，建立了二维色谱柱效的SVR预测模型，并与BP神经网络（BPNN）模型进行了比较。结果表明：基于相同的训练样本和检验样本，二维色谱的SVR模型的平均绝对百分误差（MAPE，13．3％）比其BPNN模型的MAPE小4％；增加训练样本数有助于提高支持向量回归（SVR）模型的泛化性能；基于留-交叉验证法（LOOCV）的SVR模型预测的平均绝对误差（MAE，196．79m。）和MAPE（1．6％）均为最小，明显优于BPNN模型（2397．98m-1，17．3％）或SVR模型（1849．95m-1，13．3％）的预测效果。因此，SVR是一种预测二维色谱柱效的有效方法。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社