气相色谱检测水中硝基苯分析方法的优化

对水中硝基苯气相色谱检测方法进行优化。用正己烷代替甲苯进行硝基苯萃取和标准溶液配制。在优化的实验条件下,对水中硝基苯进行定量分析,线性方程为y=0.35x+0.69,相关系数r=0.999 99,检出限为0.19μg/L。用该法对实际样品进行测定,测定结果的相对标准偏差为0.9%~3.5%(n=8),加标回收率为98.1%~105.0%。方法优化后精密度、准确度满足标准方法要求,可以用于水中硝基苯的检测分析。     

熔盐电解法制备镨钕钆合金的研究

本工艺采用熔融氟化锂-氟化镨钕-氟化钆熔盐三元体系为电解质,通过电解氧化钆与氧化镨钕混合物的方法,制备了成分稳定的镨钕钆合金,同时就电解质组元、温度、阴极电流密度、加料速度对电解过程的影响进行了试验研究。结果表明:在试验条件下可以生产钆含量(10~15)%±0.5%(质量分数)的镨钕钆合金,金属直收率大于98%,电流效率大于78%;产品含碳小于0.05%,含铁小于0.3%,含Ca,W均小于0.01%,同时具有成本低、工艺稳定、产品质量好等优点。     

YVO4·xTiO2 : Eu3+荧光粉的发光性质

采用高温固相方法合成了YVO₄ ·xTiO₂ : Eu³⁺(x=0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,0.9)粉末状发光材料,经X射线衍射分析结构发现材料为两相共存。一相为YVO₄,属四方锆英石结构;另一相为Y₂Ti₂O₇,属立方烧绿石结构。研究了YVO₄ ·xTiO₂ : Eu³⁺在UV及VUV激发下的光谱性质,讨论了Ti 的掺杂对材料发光性能的影响,发现适量的Ti的掺入可以提高材料 基质对UV及VUV的吸收。在UV及VUV激发下,YVO₄· xTiO₂ : Eu³⁺荧光粉的发射光谱主峰在616 nm和619 nm,证明Eu³⁺占据了晶格中非反演对称中心的位置。在YVO₄ ·xTiO₂ : Eu³⁺的激发光谱中,有一中心位于155 nm的吸收带,它属于基质的吸收带。     

针对化学竞赛特点有机化学教学坚持“一条主线、两类比较及三种能力培养”的尝试

化学竞赛是促进化学教学并为国家选拔与输送人才的一种重要形式,每年都有成千上万的中学生踊跃参赛。促使我们每位教师在思考,如何使自己的教学适应学生的要求。     

Tb在Ni-Mn-Ga合金中的存在状态及其对磁感生应变的影响

制备了不同Tb含量的多晶Ni-Mn-Ga合金,利用SEM观察了合金的微观组织、第二相形貌;用EDAX对第二相化学成分进行了定性、定量分析。研究了稀土元素Tb的存在状态对合金的磁感生应变影响。结果表明:稀土极小部分固溶在基体中,主要以第二相的形式少量在晶内析出,大量在晶界处富集。当少量稀土Tb以第二相弥散分布在晶内时,可提高合金的磁感生应变。     

Brauer代数的图子式(英文)

本文研究Brauer代数的根基问题.利用图子式的方法,获得了Gavarini的猜想对Brauer代数B1n是成立的结果.     

基于强化蚁群算法的任务DAG在线网格集群资源调度

网格集群资源调度是一个NP难题,而现有的调度方法通常具有任务调度效率低和负载不均衡的问题,由此设计了一种基于强化学习算法和蚁群算法融合的协同依赖型任务调度方法;首先对基于DAG的网格集群协同调度数学模型进行了定义,然后,采用改进的一步TD算法即Q-Learning算法实现集群资源的初始分配,从而得到最优调度方案以及对应的Q值,在此基础上提出一种改进的蚁群算法实现网格集群资源到任务分配的进一步优化,将Q-Learning算法得到的分配方案的Q值用于初始化蚁群路径中的信息素,以避免蚁群的盲目搜索,同时将Q值引入路径概率函数中使得蚂蚁具有启发式的搜索能力,从而获得协同依赖多任务集群调度的最终方案;在Gridsim环境下进行仿真试验,结果表明文中方法能有效地实现网格集群调度,且较其它方法具有任务调度效率高、CPU利用率高和负载均衡的优点,具有较大的优越性。     

HClO4/SiO2催化合成橙花素

在二氧化硅负载高氯酸(HClO4/SiO2)催化下,β-萘酚与乙醇反应合成了橙花素,收率86.O%,其结构经1H NMR和IR确证.     

同面多极电容感应式冰层厚度传感器的设计及应用

同面多极电容感应式冰层厚度传感器是基于空气、冰与水不同的介电特性,通过对空气层、冰层和冰下水层电容值进行分层测量,从而实现对冰层厚度与水位高度自动检测的一种新型冰情检测传感器.主要融合了单片机技术和电子信息采集,处理,转换技术.利用Maxwell软件对其机理进行仿真,对实验数据进行分析,论证了同面多电极电容感应式冰厚传感器的测量原理;通过分析该传感器在黄河内蒙段的现场检测数据,证明该传感器具有准确度高、误差小、稳定等优点,并能在低温、辐射和强烈振动等恶劣环境下工作,非常适合野外环境中使用.     

基于LIBS技术结合PCA-SVM机器学习对猪肉部位的识别研究

近年来,激光诱导击穿光谱（LIBS）与算法相结合分类、识别生物组织逐渐兴起。由于猪肉各部位组织光谱特性相似,仅通过分析光谱信息很难达到准确识别的效果,采用来自于同一个体、四个不同部位的猪肉进行研究,并将其进行切片、压平,应用LIBS技术对4种部位的组织（里脊,梅花,前腿,五花）进行了样品光谱的采集,每种样品采集100幅光谱进行分析,选取Ca,Na,K等6条谱线进行了初步光谱分析,观测谱线发现除脂肪含量较多的五花组织C-N以及C含量较其他组织高以外,其他组织很难区分,进一步对这6个成分进行主成分分析（PCA）,得到PC1,PC2,PC3累计贡献率达到95%,通过特征分数作为支持向量机（SVM）模型输入源,建立SVM分类模型,得到几种部位样品的混淆矩阵图,通过观察混淆矩阵可以清楚分辨出每个种类样品的分类整准确率,发现四种样品准确率分别为96%,98%,97%,100%,平均准确率达到了97%以上。研究证明LIBS结合PCA-SVM可作为一种快速鉴别猪肉不同组织部位的检测方法。