胡克定律探究实验装置的改进

利用自制胡克定律探究实验装置对新课标中"探究弹簧弹力与形变量之间的关系"实验进行了改进,改进后的实验装置能直接在坐标纸上绘出弹簧弹力与形变量之间的对应关系点,通过拟合可得到F-x曲线,求拟合直线的斜率可求出被测弹簧的劲度系数.改进后的实验装置得出的实验结果与新课标教材中描述的现象一致.     

幽门螺杆菌感染引起非消化系统疾病的研究进展

幽门螺杆菌是一种革兰氏阴性微需氧型细菌, 可引起消化性溃疡、膜相关淋巴组织淋巴瘤和萎缩性胃炎, 是胃癌的主要诱因. 但近年来, 流行病学调查和动物实验数据提示, 该菌感染与一些非消化系统疾病, 如缺铁性贫血、特发性血小板减少性紫癜、菌血症、肺炎以及类风湿性关节炎等的发生密切相关. 本文就幽门螺杆菌感染引发非消化系统疾病的新进展进行系统剖析, 以期全面展现幽门螺杆菌感染的新领域.     

LIBS结合单变量定标法对土壤中铅元素含量检测

重金属污染一直影响着人们的健康生活,如镉,铅和铜等的污染,故而土壤重金属的快速检测和如何预防,一直受各国学者关注和研究。传统土壤重金属检测方法（如原子吸收光谱法、X荧光光谱法等）样品预处理复杂,分析成本较高,易形成样品的二次污染,不能满足快速分析的要求。激光诱导击穿光谱（LIBS）是一种典型的原子发射光谱,它是基于分析物质中原子和离子受激发而发射的特征谱线信息,进而研究物质成分的分析方法。LIBS技术能够快速检测任何状态（固、液和气态）物质元素的成分和含量,被看作是未来化学检测和快速绿色分析领域的新兴技术。LIBS技术具有对样本简单预处理（或不需要处理）、多元素同步分析、远距离测量、适用性广等优势,被广泛用于生活生产的各个领域,已成为近年来国内外学者广泛关注和研究的热点之一。在农业信息快速感知的大背景下,以激光诱导击穿光谱技术为技术手段,以土壤重金属铅元素为研究对象,运用理论分析和数学建模相结合,建立了多种基于单变量定标曲线的土壤重金属铅检测模型,并进行了模型验证。自制15个已知的铅元素浓度梯度的谱线土壤样本,在获取了土壤LIBS数据之后,对其进行预处理对比,建立了基于谱峰强度、谱峰积分、洛伦兹拟合强度三种定标曲线模型,对土壤中铅元素含量进行定量分析,得出基于三种定标曲线模型对土壤中铅元素含量的预测决定系数R2分别为0.918 0,0.910 1和0.914 3,三种定标曲线分析方法的预测结果都较好,说明了LIBS结合单变量定标曲线法对土壤中铅含量的检测可靠性高。最后选取部分样本数据进行验证,结果较好。研究结果为研发便携式农田土壤污染物检测技术与装备提供技术支撑,也为农田精准管理和科学施肥奠定基础。     

应用遗传算法结合连续投影算法近红外光谱检测土壤有机质研究

应用遗传算法结合连续投影算法近红外光谱检测土壤有机质研究。采集浙江省文城地区农田土壤样品近红外光谱数据,土壤样品数为394个。为简化模型,采用遗传算法结合连续投影算法挑选出18个特征波长建模,应用偏最小二乘回归建立有机质预测模型,建模集的决定系数为0.81,均方根预测误差为0.22, 剩余预测偏差为2.31,预测集的决定系数为0.83,均方根预测误差为0.20,剩余预测偏差为2.45。研究发现,遗传算法结合连续投影算法在简化模型同时,模型的预测评价指标同采用全谱波长建模并没有明显降低。因此,遗传算法结合连续投影算法挑选的特征波长可以应用于近红外光谱检测土壤有机质含量。     

基于UV-Vis检测养殖水体中化学需氧量含量研究

采用紫外可见光谱(UV-Vis)与极限学习机算法检测水体化学需氧量(chemical oxygen demand,COD)含量研究。采集135份水样进行紫外可见波段全光谱扫描,结合变量标准化(standard normal variate,SNV),多元散射校正(MSC)和一阶微分(1st D)对原始数据进行预处理,然后采用竞争性自适应重加权算法(competitive adaptive reweighted sampling,CARS)、随机青蛙(Random frog)算法和遗传算法进行特征波长选择。基于全光谱建立了偏最小二乘回归(partial least squares,PLS)和基于特征波长建立了极限学习机算法(extreme learning machine,ELM)模型。结果表明：使用CARS提取的9个特征波长建立的ELM模型的预测效果最优,决定系数R2为0.82,预测均方根误差RMSEP为 14.48 mg·L-1,RPD值为2.34。说明使用CARS变量选择算法获取UV-Vis光谱特征波长,应用极限学习机建模,可以准确、快速的检测养殖水体中COD含量,为实现养殖水体COD的动态快速检测以及水体其他微量物质含量参数检测打下基础。     

基于卷积神经网络和高光谱成像技术的多宝鱼新鲜度鉴别

鱼类产品新鲜度鉴别一直是重要的研究课题,相较于目前常规鱼类品质检测方法存在的成本高、检测时间长等问题,高光谱成像技术(HSI)因其无损、快速等优势得到了学者的广泛研究。卷积神经网络是深度学习中应用较为广泛的模型,表达能力强,模型效率高。因此,使用卷积神经网络(CNN)结合高光谱成像技术建立多宝鱼新鲜度鉴别模型。采集160个多宝鱼样本感兴趣区域(ROI)光谱,并根据样本不同冻融次数和冷冻时间分为5类新鲜度。以VGG11网络为基础,针对光谱数据特点对网络结构进行调整,减少全连接层数量,降低模型的复杂度,分别对比不同卷积核个数、激活函数对分类性能造成的影响,确定最佳CNN网络结构。由于高光谱数据量大同时存在的冗余信息较多,分别采用无信息变量消除算法(UVE)和随机青蛙算法(RF)对高光谱数据进行波长筛选,将波长筛选后的高光谱数据分别输入卷积神经网络(CNN)、最小二乘支持向量机(LS-SVM)、 K最近邻算法(KNN)建立模型。采用无信息变量消除(UVE)提取的165个特征波长建立的UVE-CNN模型鉴别效果最佳,分类模型在测试集上的精度达到了100%。结果表明,利用卷积神经网络与高光谱成像...     

(002)取向AIN薄膜的Raman光谱

（００２）取向ＡＩＮ薄膜的Ｒａｍａｎ光谱赵永年王波何志罗微邹广田（吉林大学超硬材料国家重点实验室长春１３００２３）ＲａｍａｎＳｐｅｃｔｒａｏｆＡＩＮＦｉｌｍｓＯｒｉｅｎｔｅｄｉｎ（００２）ＺｈａｏＹｏｎｇｎｉａｎ，ＷａｎｇＢｏ，ＨｅＺｈｉ，ＬｕｏＷｅ...     

用传感器探究影响向心力大小的因素

针对传统探究向心力 F大小与质量m、角速度ω和半径r之间关系的实验存在的不足,重新设计了实验装置,该实验装置利用PASCO力传感器测向心力的大小,用调速电机来改变金属小球作圆周运动的角速度,并用霍尔传感器测量电机的转速,而金属小球的质量和小球的旋转半径则可以定量改变,由此可定量探究向心力的大小 F与质量m、角速度ω和半径r之间的关系。     

PCA和SPA的近红外光谱识别白菜种子品种研究

为了实现对不同品种白菜种子的快速无损鉴别,应用近红外光谱技术获取白菜种子的光谱反射率,首先采用变量标准化校正和多元散射校正对原始光谱进行预处理;其次,采用主成分分析法(PCA)对光谱数据进行聚类分析,从定性分析的角度得到三种不同白菜种子的特征差异,并采用连续投影算法(SPA)选取特征波长;最后,分别基于全波段光谱、PCA分析得到的前3个主成分变量以及SPA算法选取的特征波长,建立了最小二乘支持向量机(LS-SVM)和偏最小二乘判别(PLS-DA)模型进行白菜种子不同品种的鉴别。从主成分PC1、PC2得分图中可以看出,主成分1和2对不同种类白菜种子具有很好的聚类作用。基于特征波长建立的PLS-DA和LS-SVM模型的判别结果优于基于主成分变量建立的模型,其中基于特征波长建立的LS-SVM模型识别效果最优,建模集和预测集的品种识别率均达到100%。结果表明,通过SPA算法选取的6个特征波长变量能够很好的反映光谱信息,提出的SPA算法结合LS-SVM预测模型能获得满意的分类结果,为白菜种子品种的识别提供了一种新方法。     

纳米晶固溶体Ce0.8Nd0.2O2-δ的合成与表征

利用溶胶-凝胶法合成纳米晶固溶体Ce