反相萃取层析与光度法联用分离/测定中草药中微量铁的研究

研究了硅藻土-TBP反相萃取层析-分光光度法分离和测定微量铁的新方法.以0.30mol/L盐酸做流动相,以负载有磷酸三丁酯(TBP)的硅烷化白色担体为固定相,反相萃取层析法分离微量Fe(Ⅲ)与Co(Ⅲ)、Ge(Ⅳ)、Al(Ⅲ)、Cr(Ⅲ)、Mn(Ⅱ)、Ni(Ⅱ)等.在4.0mol/L盐酸介质中,铁与多种金属离子都被萃取在TBP柱上.用2mol/L盐酸洗脱部分离子,用0.30mol/L盐酸可定量地洗脱铁,然后用0.010mol/L盐酸可将柱上的其它离子洗脱.洗脱液中的铁用分光光度法测定.此方法可将铁与绝大部分干扰离子分离,并用于中草药中微量铁的分离和测定.     

钼、硼浸种对大豆幼苗生理特性的影响

以浙春3号大豆为研究材料，设置了不同的钼、硼浸种对大豆种子的萌发和幼苗生理特性的影响，结果表明：低浓度钼或硼有利于大豆种子的萌发，钼、硼浸种时间以12h最佳，钼浸种或不过量硼浸种将增大豆幼苗的呼吸速率，提高过氧化物酶（POD）、过氧化氢酶（CAT）和超氧化岐化酶（SOD）等抗逆性酶的活性，降低质膜透性（MP）及丙二醛（MDA）和脯氨酸（Pro)的含量，中等浓度的钼、硼浸种效果最显著，而高浓度浸种将产生相反的效果。     

利用带无标签数据的双支持向量机对恒星光谱分类

恒星光谱分类是天文技术与方法领域一直关注的热点问题之一。随着观测设备持续运行和不断改进,人类获得的光谱数量与日俱增。这些海量光谱为人工处理带来了极大挑战。鉴于此,研究人员开始关注数据挖掘算法,并尝试对这些光谱进行数据挖掘。近年来,神经网络、自组织映射、关联规则等数据挖掘方法广泛应用于恒星光谱分类。在这些方法中,支持向量机(SVM)以其强大的学习能力和高效的分类性能而备受推崇。SVM的基本思想是试图在两类样本之间找到一个最优分类面将两类分开。SVM在求解时,通过将其最优化问题转化为具有(QP)形式的凸问题,进而得到全局最优解。尽管该方法在实际应用中表现优良,但为了进一步提高其分类能力,有的学者提出双支持向量机(TSVM)。该方法通过构造两个非平行的分类面将两类分开,每一类靠近某个分类面,而远离另一个分类面。TSVM的计算效率较之传统SVM提高近4倍,因此,自TSVM提出后便受到研究人员的持续关注,并出现若干改进算法。在恒星光谱分类中,一般分类算法都是根据历史观测光谱来建立分类模型,其中最关键的是对光谱进行人工标注,这项工作极为繁琐,且容易犯错。如何利用已标记的光谱以及部分无标签的光谱来建立分类模型显得尤为重要。因此,提出带无标签数据的双支持向量机(TSVMUD)用以实现对恒星光谱智能分类的目的。该方法首先将光谱分为训练数据集和测试数据集两部分;然后,在训练集上进行学习,得到分类依据;最后利用分类依据对测试集上的光谱进行验证。继承了双支持向量机的优势,更重要的是,在训练集上学习分类模型过程中,不仅考虑有标记的训练样本,也考虑部分未标记的样本。一方面提高了学习效率,另一方面得到更优的分类模型。在SDSS DR8恒星光谱数据集上的比较实验表明,与支持向量机SVM、双支持向量机TSVM以及K近邻(KNN)等传统分类方法相比,带无标签数据的双支持向量机TSVMUD具有更优的分类能力。然而,该方法亦存在一定的局限性,其中一大难题是其无法处理海量光谱数据。该工作将借鉴海量数据随机采样思想,利用大数据处理技术,来对所提方法在大数据环境下的适应性展开进一步研究。     

高分子支载的金鸡纳生物碱催化剂在不对称催化反应中的应用进展

综述了近年来高分子支载的金鸡纳生物碱催化剂在不对称双羟基化反应、不对称Michael加成反应、活性亚胺的不对称烷基化反应以及潜手性酮的不对称还原反应中的应用及最新进展。     

长白山地区几种红景天品种的傅里叶变换红外光谱法鉴别研究

分别用石油醚,氯仿,甲醇对长白山地区的野生和栽培高山红景天和长白红景天进行了提取,并首次对提取物进行了傅里叶变换红外光谱法测定,还用红景天块做了相应的验证研究。结果表明,长白山地区的野生和栽培高山红景天和长白红景天的红外光谱图谱有明显不同,故可用作鉴别其品种或评价其质量的一种手段。     

磺化壳聚糖的制备及IR光谱

将片状壳聚糖溶解制成凝胶 ,冷冻分离 ,洗涤 ,DMF-苯蒸馏除水后 ,以氯磺酸 - DMF为磺化试剂 ,在适当条件磺化 ,获得水溶性良好的磺化壳聚糖 ,用红外光谱进行了结构表征。     

空心纳米球耦合到基底的热力学性质研究

应用弹性波理论研究不同的空心Si纳米球弱耦合到半无限长的基底上在微扰近似下的振动态密度,结果发现在低频下耦合空心球的振动模有明显的展宽和改变.通过求解声子传播函数的Dyson方程得到空心球的振动态密度,并进一步研究了空心球的热力学性质.     

NiO/rGO的溶剂热合成以及作为高循环稳定性超级电容器电极材料的性能表征

通过简单的溶剂热法以及其后续热处理过程,制备了NiO纳米花和NiO/还原氧化石墨烯（rGO）复合物。 在NiO/rGO复合物中,rGO作为基底生长NiO,与此同时,NiO则有效的避免了rGO的团聚。 采用热重分析(TG)、场发射扫描电子显微镜(FE-SEM)和X射线衍射对样品的成分、形貌和结构进行了表征。 NiO/rGO复合物（NiO和rGO的质量比为82.7∶17.3）电极呈现优异的电化学性能。 在1 A/g时,初始比电容为514.9 F/g,当材料完全活化后,其比电容高达600 F/g。 同时,在电流密度为10 A/g时,相比于1 A/g时的比电容保持率为83.5%。 此外,该电极材料具有非常优异的循环稳定性,6000次循环后电容衰减率为7.4%。 表明所制备的复合物是一种有应用价值的超级电容器电极材料。     

聚吡咯/还原氧化石墨烯复合物的合成及电容性能

通过原位聚合方法制备不同配比的聚吡咯/氧化石墨（PPy/GO）复合物,将其用NaBH4还原得到聚吡咯/还原氧化石墨烯(PPy/RGO)复合物,采用X射线衍射、红外光谱和场发射扫描电子显微镜（FESEM）对其结构和形貌进行物理表征。 采用循环伏安、恒电流充放电和交流阻抗等电化学方法系统研究了所制备样品的电化学性能。 实验结果表明,在电流密度为0.5 A/g、吡咯（Py）与GO质量比为95∶5时,得到的复合物还原前后比电容分别可达401.5和314.5 F/g,远高于单纯的GO（34.8 F/g）和PPy（267.5 F/g）。 经过1200圈循环稳定性测试后,PPy/RGO复合物比电容保持了原来的62.5%,与PPy和PPy/GO（电容保持率分别为16.8%和46.4%）相比,PPy/RGO表现出更好的循环稳定性能,有望成为超级电容器电极材料。