近红外光谱定量分析的改进ELM算法

极限学习机理论(extreme learning machine, ELM)作为一种新的化学计量学方法,在近红外光谱定量分析中的应用研究,已引起学术界的高度重视。然而,由于光谱数据维数较高,建立ELM模型时需要大量的隐节点,导致隐含层输出矩阵维数高且存在高度共线性,用现有的Moore-Penrose广义逆算法求取隐含层输出矩阵与待测性质间的回归模型往往会存在病态问题。基于ELM建立光谱波长变量与性质之间的回归模型,提出以ELM模型隐含层输出矩阵作为新的变量,采用作者最新提出的基于变量投影重要性的改进叠加PLS算法(stacked partial least squares regression algorithm based on variable importance in the projection,VIP-SPLS),建立新变量与待测性质间的回归模型。VIP-SPLS算法充分利用了每个隐节点的输出信息,能有效解决高维共线性问题,同时具有模型集成的优点,从而改进了ELM模型的性能。将提出的改进ELM算法(improved ELM,iELM)应用于标准近红外光谱数据集,结果表明iELM模型的精度相对于现有的PLS模型和ELM模型分别显著提升了29.06%和27.47%。     

氮缺陷石墨相氮化碳的制备及其光催化降解环境有机污染物性能（英文）

通过在三聚氰胺热分解过程中加入NaHCO_3制备出具有氮缺陷的石墨相氮化碳(g-C_3N_4),利用X射线衍射(XRD)、傅里叶变换红外光谱(FT-IR)、N2吸附-脱附、X射线光电子能谱(XPS)、紫外-可见漫反射光谱(UV-vis DRS)和固体荧光光谱(PL)等方法对其进行表征,并在可见光(λ420 nm)照射下,以水相中罗丹明B(Rh B)的降解为模型反应,研究了该氮缺陷g-C_3N_4对有机污染物降解的光催化活性。结果表明,引入氮缺陷可以提高g-C_3N_4对可见光的吸收以及电子-空穴对的分离效率,进而提高g-C_3N_4的可见光催化活性。催化剂CNK0.005、CNK0.01和CNK0.05在30 min内对Rh B的降解率分别为79.8%、100.0%和87.6%;而在相同条件下,没有氮缺陷的g-C_3N_4对RhB的降解率仅为59.8%。     

强自旋轨道耦合化合物Sr2-xLaxIrO4的掺杂和拉曼谱学

利用固相反应法成功制备了Sr_2-xLa_xIrO₄系列掺杂样品, 并详细研究了样品晶体结构随掺杂的演变. 拉曼散射峰向高频移动和X射线衍射谱的结构精修数据发现随着掺杂量的增加, c轴晶格常数减小, 顶角Ir–O1键键长随之减小, 表明掺杂导致晶格收缩, 而且IrO₆八面体畸变程度减弱. 变温拉曼散射谱显示随着温度降低也出现蓝移现象, 且与顶角氧相关的拉曼振动模式的蓝移在110 K附近出现明显跳变, 表明在该温度附近出现了结构变化和磁性质转变.     

金属钨电子逸出功的实验测定与第一性原理计算

金属电子逸出功的测定，等效于对电子势能的测定，其对于了解微观原子结构，特别是修正相关原子结构理论和计算方法有较为重要的意义^[1]。逸出功实验过程巧妙结合金属钨晶胞各个能级之间的关系，灵活利用线性拟合特性简化数据关系，在近代物理实验的学习中有着指导性作用。由于不同实验者所测的逸出功之间存在差异，可以合理猜测逸出功的值与实验所用金属钨的晶面有关。因此基于第一性原理，也可直接对不同晶面的金属钨电子逸出功进行理论计算。将实验操作和第一性原理计算所得的金属电子逸出功进行对比，直观地分析不同晶面对金属电子逸出功的影响，为物理实验的学习提供新的思路和方式。     

借助Python提高迈克尔逊干涉仪测光波波长实验数据的处理精度与图像可视化

在现代“大学物理实验”课程中，如何正确处理实验数据是非常重要的一个步骤，利用软件处理相对复杂的实验数据往往可以使得结果更加精确。Python作为一种应用广泛的计算机编程语言，在物理实验中的应用却相对少见。以迈克尔逊干涉仪实验为例，详细论述了如何利用Python语言实现数据处理，并且和传统方法处理数据得到的结果进行对比，结果表明利用Python语言处理得到的结果的相对误差为2.72%,小于逐差法计算得到的3.67%。此外，通过Python仿真实现了干涉圆环的可视化图像，有助于加深对实验本质的理解。因此，借助Python语言处理大学物理实验数据值得进一步地研究与推广。     

水热pH值对溴氧化铋组成、形貌及光催化性能的影响（英文）

通过调节pH值一步水热法制备溴氧化铋光催化剂,并利用X射线衍射(XRD)、扫描电镜(SEM)、紫外-可见漫反射光谱(UV-vis DRS)和固体荧光光谱(PL)等方法对其进行表征。在可见光(λ 420 nm)照射下,通过对水溶液中罗丹明B,甲基橙和苯酚的降解效果来评价溴氧化铋的光催化活性。结果表明,由于B9提高了对可见光的吸收以及电子-空穴对的分离效率,B9具有最好的光催化活性,同时探索水热pH值对制备溴氧化铋的形貌和组成的影响,并说明了不同水热pH值下溴氧化铋的合成过程。     

Z型可见光催化剂Au NPs/g-C_3N_4/BiOBr的构建及其光催化性能（英文）

通过水热和原位还原法制备了一种新型Z型异质结三元复合材料Au NPs/g-C_3N_4/BiOBr,并通过X射线衍射、X射线光电子能谱、透射电子显微镜、紫外-可见漫反射光谱和光致发光发射光谱等技术对材料的形貌、结构进行了表征。通过在可见光下降解苯酚来评价光催化剂的活性。研究发现,Au NPs/g-C3N4/BiOBr显示出增强的光催化活性,对苯酚的降解能力是g-C_3N_4的3倍,是BiOBr的2.5倍。这可归因于三元复合材料的窄带隙(2.10 eV)、Z型机理对光生电子-空穴对的有效分离和Au纳米颗粒的表面等离子体共振效应(SPR)。     

工科高校大学生物理实验创新基地建设初探

大学生实验创新基地作为承载培养大学生科技创新能力的平台,其建设与管理是一个长期的发展过程.如何建设和发展实验创新基地是一个需要深入研究的课题.     

净信号的局部建模算法及其在近红外光谱分析中的应用

提出了一种基于净信号分析的局部建模算法,以克服光谱定量分析中样本间差异性过大和样本待测性质与光谱之间存在非线性等问题。首先利用净信号分析方法得到校正样本和待测样本的净信号,然后用待测样本净信号和校正样本净信号之间的欧式距离作为样本相似性判据,选取一定数量的与待测样本最相似的校正样本组成局部校正子集,建立局部PLS回归模型。针对一组猪肉近红外光谱数据集的实验结果表明,该方法的预测精度显著优于全局建模方法和基于光谱欧式距离的局部建模方法。     

基于近红外光谱和最小二乘支持向量机的聚丙烯酰胺类型鉴别

提出了一种基于近红外光谱分析技术和最小二乘支持向量机的鉴别方法,能够快速、无损鉴别聚丙烯酰胺的三种类型。获取非离子,阴离子和阳离子等三种类型的聚丙烯酰胺样本的近红外漫反射光谱,用主成分分析方法对样本光谱数据进行降维,并提取主成分。基于前三个主成分对三种类型的聚丙烯酰胺样本进行聚类分析,并将主成分作为最小二乘支持向量机的输入。通过基于网格搜索的交叉验证方式优化最小二乘支持向量机的参数和作为其输入的主成分个数。每种类型聚丙烯酰胺各采集60个样本,共采集180个样本,每种类型样本随机选取45个样本,共135样本作为训练样本集,剩余45个样本作为测试集。为了验证该方法能否鉴别掺假样本,制备了掺入不同比例非离子聚丙烯酰胺的5个阴离子和5个阳离子聚丙烯酰胺样本。采用基于训练样本集交叉验证预测误差的F统计显著性检验方法来确定样本的鉴别结果误差阈值。结果表明,预测测试集时,准确率为100%。预测10个混和样本时,所有混合样本都被准确识别出。说明该方法能快速无损鉴别不同类型的聚丙烯酰胺并且具有掺假鉴别能力,为聚丙烯酰胺类型的快速鉴别提供了一种新方法。