光析出二氧化钛负载银膜的制备及其光催化特性

以二氧化钛膜为载体,配制一定浓度的AgNO₃溶液,利用光析出方式在氧化钛膜表面还原析出Ag,控制光析出时间来控制氧化钛膜表面上的银析出量,制备银负载氧化钛膜,研究膜的抗菌特性和光催化特性.结果表明:由于银在氧化钛膜上的负载,使膜的抗菌性能得到很大的提高,在保持氧化钛膜的光催化能力基本维持不变的前提下,由于在氧化钛膜的表面负载银,对E.coli和青霉菌的杀菌能力分别提高了10⁴和10²,光催化降解甲基橙的能力与氧化钛膜相比,能够提高10%左右,显示了良好的光化学特性.     

基于荧光光谱的水体分类与荧光组分识别方法

提出了一种基于MobileNetV2和VGG11组分拟合（CF-VGG11）卷积神经网络（CNN）与平行因子分析（PARAFAC）结合的水样分类和荧光组分拟合方法，通过输入单个三维荧光光谱（3D-EEM）数据来预测水样类别、溶解性有机物（DOM）质量浓度等级和荧光组分。算法以PARAFAC结果为基础建立荧光光谱数据集，分两步完成类别与组分的预测：第一步使用MobileNetV2算法对不同水样进行类别预测和DOM质量浓度分级；第二步使用CF-VGG11网络拟合荧光组分。采集地表水、工业废水处理水、污水处理厂进出口水和乡村饮用水4种类型的水样构建数据集，获得了95.83%的分类精度和98.11%的组分拟合精度。实验结果表明，所提方法可对不同水样和DOM质量浓度等级进行准确分类，拟合特定荧光组分，精确定位污染源，并能进行超标预警。     

卷积神经网络的紫外-可见光谱水质分类方法

水质污染源的及时精确定位和精细化的污染防治措施是打赢水污染防治攻坚战的迫切需求，为解决地表水实际水样高锰酸盐指数准确分类的实际问题，以光谱降噪和光谱有效信息提取为切入点，根据紫外-可见光谱数据的特点，提出使用一维卷积神经网络处理紫外-可见光谱数据。为验证检测一维卷积神经网络对地表水光谱信号分类的可行性，选取长江的某段流域作为取样点。采集当天的长江上游水、某河水、嘉陵江水，生活污水、 500 mg·L^-1邻苯二甲酸氢钾溶液来模拟污染水源。将几种水样按不同的配比来模拟当天该流域的水污染变化情况。采集现有的单一水样及混合配比水样的光谱数据，根据各类水样的特征光谱信息进行区分，实现地表水高锰酸盐指数的预测分类，快速确定异常水样的污染来源，通过仿真实验，优化模型参数并完成优化训练。与K最邻近法、支持向量机等传统分类方法相比，该算法在光谱预处理复杂度和定性分析准确度方面有较大优势，在没有复杂的数据预处理前提下，将获取的350条光谱数据建立水质分类模型，随机选择其中245条数据作为训练集，另105条数据作为测试集，模型的混淆矩阵分类精度达99.0%。不仅简化了整个光谱分析流程，...