基于Labview的光学空间滤波远程虚拟实验

提出了一种利用Labview实现光学空间滤波模拟的新方法,并对经典的阿贝-波特实验设计了仿真程序.该程序可根据用户设置的参量生成二维网格光栅作为整个物理过程的输入物,允许用户选择多种不同的滤波方式,如低通、高通、方向滤波等,并可依次操纵成像的各个步骤.程序可脱离编程环境独立运行,具有跨平台、界面友好、易于操作等优点,并可架设基于浏览器的远程虚拟实验.     

应用可视芯片技术高通量鉴别8种鱼成分

为探索鱼肉品种快速鉴别方法,以鱼类小清蛋白基因为靶标,设计了多宝鱼、银鲳鱼、金枪鱼、暗纹东方鲀、青石斑鱼、带鱼、大黄鱼以及东星斑鱼8种鱼的通用引物以及特异性探针,利用可视芯片技术,建立了一种鱼肉品种的高通量快速检测方法。该方法特异性好、灵敏、通量高,可同时准确鉴别8种鱼成分,检测灵敏度均可达0.1 ng/μL,且结果肉眼可见。该方法在鱼肉及其制品掺假现场快速筛查方面具有较大应用潜力。     

原位共沉淀法制备NiMg(Al)O/γ-Al2O3催化剂及其酯交换性能

以γ-Al₂O₃为载体通过原位共沉淀法制备NiMgAl-LDHs/γ-Al₂O₃,经焙烧后得到NiMg（Al）O/γ-Al₂O₃催化剂,通过TG-DTG、XRD、SEM、BET、FT-IR、CO₂-TPD等手段对催化剂进行了表征,并对其在酯交换制备生物柴油反应中的催化性能进行了研究。结果表明,NiMgAl-LDHs和NiMg（Al）O成功在γ-Al₂O₃内孔表面生长,并有良好的结合度。催化剂对酯交换具有很高的催化活性;在醇油物质的量比为12：1的条件下反应3 h,生物柴油产率为95%,重复使用七次后,生物柴油产率仍然在82%以上。     

新型可溶固定相分离法研究—光度法测定水中痕量铁(Ⅱ)

以硝酸纤维素粉末为固定相,以乙二醇独甲醚为溶剂,处理Ｆｅ（Ⅱ）－ｐｈｅｎ－ＤＳ三元离子缔合型络合物体系,提出了一种新型可溶固定相分离方法。该法简便,快速,富集倍数高达１００。本文探讨了固定相的分离条件－固定相粉末用量,颗粒度,柱径等对富集的影响,并对反应的酸度,试剂用量,方法的灵敏度,选择性等作了讨论。     

聚焦几何推理能力 落实数学核心素养——对一道中考几何试题的分析与思考

通过深度解读2022年福建省中考数学试卷第21题的试题特点和解答,揭示双减后中考如何巧妙考查学生的几何推理能力,落实数学核心素养.在分析其错因及主要方法的基础上,给出几点教学建议,以期引起广大教师对初中几何推理教学的重视与研讨.     

基于Bi PLS结合Si PLS的组合权值COD浓度预测模型

水体中过高浓度的有机物含量危害巨大,不仅会造成严重的环境污染,而且危害人类身体健康,传统化学法检测水体化学需氧量(COD)的步骤繁琐且时效性差,不利于水体中COD的快速定量检测。针对这些问题,提出了一种将紫外光谱与组合权值模型相结合的快速定量检测COD方法,该组合权值模型是基于反向区间偏最小二乘法(BiPLS)结合组合区间偏最小二乘法(SiPLS)算法对紫外光谱的特征子区间筛选组合,然后依据特征子区间的权值建立的预测模型。首先按照一定的浓度梯度配制45份COD标准液样本,通过实验获取标准液的紫外光谱数据;对获取到的COD紫外光谱数据做一阶导数和S-G滤波(Savitzky-Golay)的预处理,消除基线漂移和环境干扰噪声;应用SPXY(Sample set partitioning based on jiont X-Y)算法将实验样本数据组划分成校正集和预测集。然后基于BiPLS算法对全光谱区间进行波长筛选,在BiPLS筛选过程中,目标区间的划分数量会对建模产生较大影响,于是对子区间划分数量进行优化,把子区间分成15~25个,在不同区间数下都进行偏最小二乘(PLS)建模,通过交互验证均方根误差(RMSECV)来筛选最优子区间数,得到区间数为18时,模型效果最佳。从18个波长区间筛选出了6个特征波长子区间,入选的子区间为2,1,3,11,7和6,对应波长为234~240,262~268,269~275,290~296,297~303和304~310 nm,这6个特征波长区间涵盖了大量的光谱信息,对最终预测模型的贡献度大;接下来通过SiPLS算法对这6个初选区间进行进一步的筛选组合,采用不同的组合数构建不同特征区间上的PLS模型,在相同组合数下,筛选出一个区间组合数最优的结果,对比不同组合数下预测模型的误差与相关性,将6个区间筛选组合为3个特征波长区间,分别为234~240,262~275和290~310 nm,这三个特征区间最佳因子数分别为4,4和3。对传统SiPLS的特征区间组合方法进行改进,基于权值的大小来对这3个特征区间进行线性组合,代替过去特征区间直接组合的方法。通过权值公式计算出这3个特征区间的权重大小分别为0.509,0.318和0.173,最终建立线性组合权值COD浓度预测模型。为了验证组合权重预测模型的精度,另外建立了全波长范围内的PLS预测模型、单个特征波长区间的PLS预测模型、直接组合特征波长区间的PLS模型,并使用评价参数相关系数的平方(R2)、预测值与真实浓度值的均方根误差(RMSEP)和预测回收率(T)来对模型评价。验证结果表明,相比其他预测模型,组合权值模型相关系数的平方达到了0.999 7,明显优于直接组合特征区间建模的0.968 0,预测均方根误差为0.532,比直接组合特征区间的预测模型误差降低了29.3%,预测回收率为96.4%~103.1%,显著地提高了预测精度。该方法简单可行,不会产生二次污染,可为在线监测水体中COD浓度提供一定的技术支持。