# NMR / IR 光谱特征峰预测器

选择分子中存在的官能团（酮、酯、酰胺、醛、芳环、硝基……），预测各基团贡献的 ¹H/¹³C NMR 化学位移区间与 IR 特征吸收带：带标注的模拟红外光谱（4000–400 cm⁻¹）、信号阶梯图、羰基家族鉴别对照表、n+1 规则与偶合常数速查，每个峰都附成因解释（环电流各向异性、氢键、费米共振、诱导效应……）。数值为教科书特征值（LibreTexts / CU Boulder / NIU / UCLA / Chemguide 交叉核对）。

> 标准页面: https://elysiatools.com/zh/tools/nmr-ir-peak-predictor

- **分类:** Science & Education

- **关键词:** nmr预测, 红外光谱预测, 化学位移表, 官能团鉴定, 有机化学谱图

## 概述

实现的是 ChemDraw ChemNMR 一类的“加和增量”教学模型：谱图 = 所选官能团特征带集合的并集。羰基 C=O 位置是家族鉴别核心（酰氯 1800–1815 > 酸酐双峰 ~1820+~1760 > 酯 1750–1735 > 醛 1740–1720 > 酮 1715 > 羧酸 ~1710+超宽 O–H > 酰胺 1690–1630 最低）；勾选“共轭位移”则对共轭羰基下调 20–40 cm⁻¹。芳环取代模式给出 690–900 cm⁻¹ oop 特征组合（单取代 690+750、邻 ~750、间 690+780+880、对 800–850）。¹H 区间覆盖 0.9（烷基）到 13.2（羧酸 OH），可交换质子（OH/NH）标注宽峰与 D₂O 消失提示；¹³C 覆盖 0–220（酮羰基 205–220 是最去屏蔽的常见碳）。附 n+1 规则、Pascal 强度与常见偶合常数（烯烃 trans 12–18 Hz vs cis 6–14 Hz）。本工具面向教学预测，非量子化学精确计算。

## 输入项

- **官能团（每行一个）** (textarea): ester aromatic ring ketone
- **对羰基应用共轭位移** (checkbox)
- **芳环取代模式** (select)
- **显示红外光谱面板** (checkbox)
- **显示 ¹H NMR 面板** (checkbox)
- **显示 ¹³C NMR 面板** (checkbox)

## 适用场景

- 解析未知有机物图谱前，需要根据候选结构预判核磁化学位移与红外特征带位置。
- 学习或讲授有机波谱学时，需要对比不同羰基衍生物（酯、酮、酰胺等）红外振动频率与共轭红移。
- 分析取代芳烃时，需要快速核对邻、间、对位或单取代在 690–900 cm⁻¹ 的面外弯曲（oop）吸收特征与偶合规律。

## 工作原理

- 在输入框中按行输入目标分子所包含的官能团名称（如 ester、ketone、aromatic ring 等）。
- 根据分子实际结构勾选是否应用共轭位移校正，并选择芳环的取代模式（如邻位、间位或对位）。
- 自由勾选需要展示的面板（红外光谱、¹H NMR、¹³C NMR），系统自动生成加和模拟谱图、特征区间梯形图及物理成因解析。

## 使用案例

- 有机化学实验前预测合成产物的关键 IR 官能团峰与核磁特征信号，用于快速初筛。
- 波谱解析课程教学中展示羰基家族（酰氯、酸酐、酯、醛、酮、酸、酰胺）的吸收带递变规律。
- 根据实验测得的核磁氢谱积分与裂分常数，反查候选官能团的化学位移范围进行结构确证。

## 常见问题

### 本工具采用的预测原理是什么？

采用教科书级别的加和增量教学模型，将所选官能团的特征位移与吸收带取并集生成谱图，并非量子化学从头算。

### “对羰基应用共轭位移”选项有什么作用？

勾选后会对体系内的羰基 C=O 吸收峰应用约 20–40 cm⁻¹ 的红移衰减，以反映共轭效应降低双键级数的影响。

### 活泼氢（如 OH、NH）在 ¹H NMR 中如何标识？

系统会在对应信号中标注宽峰提示与重水（D₂O）交换消失特征，化学位移覆盖 0.9 至 13.2 ppm。

### 如何利用本工具区分苯环的不同取代构型？

在“芳环取代模式”中选择单取代、邻、间或对位，工具将在 690–900 cm⁻¹ 区域输出对应的面外弯曲（oop）特征指纹带组合。

### 可以单独关闭不需要的光谱面板吗？

可以，通过取消勾选“显示红外光谱面板”、“显示 ¹H NMR 面板”或“显示 ¹³C NMR 面板”即可自定义结果展示。

## 相关工具

- [3D 模型查看器（STL / OBJ / glTF）](https://elysiatools.com/zh/tools/3d-model-viewer): 上传 STL、OBJ、GLB 或 glTF 模型，服务端解析出顶点数、三角面数、包围盒尺寸、法线/UV、glTF 材质与动画列表，并在浏览器中用 three.js 实时渲染：拖动旋转、滚轮缩放、着色/线框/法线模式、网格与坐标轴。超大模型自动按步长抽样预览（统计仍为精确值）。
- [图片隐写术：嵌入与检测](https://elysiatools.com/zh/tools/image-steganography-embed-detect): 把文字藏进 PNG 的最低有效位、再原样提取，并运行 Westfeld–Pfitzmann 卡方隐写分析（含滑窗 p 曲线与 LSB 位平面预览）。
- [Tailwind 任意值演练场](https://elysiatools.com/zh/tools/tailwind-arbitrary-value-playground): 粘贴使用任意值的 Tailwind 类（w-\[137px\]、text-\[#bada55\]、grid-cols-\[1fr_2fr\]、\[mask-type:luminance\]），查看生成的 CSS、实时可视化预览、数据类型提示识别，以及每条转换的解释。适合调试 calc()、CSS 变量与超出设计令牌刻度的一次性取值。
- [VP8 图像分析器](https://elysiatools.com/zh/tools/vp8-image-analyzer): 使用 Sharp 分析 WebP/VP8 图像，生成灰度位移图，并用 Three.js 渲染可旋转的 3D 浮雕表面
- [违禁词检测器 - AI内容安全审核](https://elysiatools.com/zh/tools/content-moderation-detector): 智能检测文本中的敏感词汇、不当内容和违规行为，提供详细分析和修改建议，适用于内容审核、安全检测等场景
- [CSV分割器](https://elysiatools.com/zh/tools/csv-splitter): 按指定行数分割CSV内容。非常适合处理大型数据集、分析数据分割、批处理和管理文件大小限制。 功能特点： - 按行数分割CSV - 支持多种输出格式 - 在每个分割中保留标题行 - 灵活的输出格式选项 - 支持大型数据集 - 快速高效的处理 常见用途： - 分割大型CSV文件进行处理 - 为并行处理划分数据 - 创建可管理的数据块 - 以不同格式导出数据 - 为批处理操作准备数据 - 管理文件大小限制
- [日期提取器](https://elysiatools.com/zh/tools/date-extractor): 从文本中提取多种格式的日期，包括中文、ISO和美国格式，提供详细分析和摘要
- [红细胞分布宽度 (RDW) 分析器](https://elysiatools.com/zh/tools/rdw-analyzer): 分析红细胞分布宽度 RDW 以辅助贫血鉴别。RDW-CV（变异系数）参考约 11.5–14.5%，RDW-SD（分布宽度）约 39–46 fL（各实验室略异）。RDW 升高提示红细胞大小不均（anisocytosis）。经典 Bessman 鉴别：RDW 升高 + MCV 低 → 缺铁性贫血（早期即可升高，先于 Hb/MCV 下降）；RDW 正常 + MCV 低 → 地中海贫血特征（均匀小细胞）。其他：RDW 升高 + MCV 高 → 巨幼细胞贫血（B12/叶酸缺乏）、MDS、药物、溶血伴网织红增多、白血病前期、或混合人群（如缺铁 + B12 缺乏、输血后）；RDW 升高 + MCV 正常 → 早期/混合营养缺乏、双相贫血、输血后、骨髓恢复；RDW 正常 + MCV 正常 → 慢性病贫血多为正细胞正色素性。需结合 Hb、铁蛋白、Hb 电泳、临床。来源 Bessman 1983、Teixeira 2014。不构成医疗建议。

## 示例

- [无版权MP3音频样本](https://elysiatools.com/zh/samples/mp3-samples): 免费使用和测试的无版权音频样本集合，包括自然声音、冥想音乐和环境音频，适用于测试和开发目的
- [Android Java 图像处理示例](https://elysiatools.com/zh/samples/android-image-processing-java): Android Java 图像处理示例，包括图像读取保存、缩放和格式转换
- [Android Kotlin 图像处理示例](https://elysiatools.com/zh/samples/android-image-processing-kotlin): Android Kotlin 图像处理示例，包括图像读取保存、缩放和格式转换
- [Web Python 图像处理示例](https://elysiatools.com/zh/samples/web-image-processing-python): Web Python 图像处理示例，使用 PIL/Pillow 包括读取、保存、缩放和格式转换

## 相关内容

- [文本分析、可读性与内容检查工具](https://elysiatools.com/zh/hubs/text-analyze): 在一个专题中比较文本统计、语言识别、可读性评分、情感分析、内容审核和模式分析工具。
- [文本大小写、编码与规范化转换工具](https://elysiatools.com/zh/hubs/text-convert): 在一个专题中比较文本大小写转换、全半角转换、编码转换、Quoted-Printable 处理和行内文本规范化工具。
- [Text 工具专题](https://elysiatools.com/zh/hubs/text-utility): 探索 33 个围绕 text 的 utility 工作流工具，快速找到相近能力。
- [文本脱敏、高亮与展示格式化工具](https://elysiatools.com/zh/hubs/text-format): 在一个专题中比较文本脱敏、PII 检测、电话号码规范化、重点高亮、居中排版和 diff 格式化工具。