排序方式: 共有3条查询结果,搜索用时 0 毫秒
1
1.
铜是常见重金属污染物之一。开发现场快速检测方法在污染事件的应急检测中至关重要,可为及时采取有效的防治措施提供数据支持。基于脱氧核糖核酸(DNA)稳定的荧光铜纳米颗粒的快速合成以及对铜离子的高特异性,研制了一种紫外光辅助下的铜离子现场快速荧光比色检测方法。经过一系列条件的优化,最终选择以600 nmol/L poly(AT-TA)双链DNA为螯合配位保护剂,2 mmol/L抗坏血酸钠为还原剂,在3-(N-吗啡啉)丙磺酸(MOPS)溶液体系中合成荧光铜纳米颗粒,在便携式紫外手电筒的辅助下,肉眼(佩戴防紫外护目镜)即可观察到铜纳米颗粒橙红色的荧光。在半定量检测中,根据待测样中铜离子浓度的大小,其荧光亮度不同,以不同浓度标准溶液铜离子合成的荧光比色标准系列进行比色,即可实现环境中铜污染水体的现场、肉眼、半定量、快速(<10 min)检测。本方法的肉眼检测最低值为1.5 mg/L(24μmol/L),符合《污水综合排放标准》(GB 8978-1996)中的三级排放标准值。该方法可为在环境水体铜污染应急事件中的快速现场检测提供一种参考方法。 相似文献
2.
3.
随着人工智能技术的进步,结合低温等离子体的物理特点,数据驱动技术由于其独特的优势在低温等离子体的研究中正逐渐兴起.本研究以深度神经网络(DNN)模型在大气压射频放电中的计算研究为例,讨论了数据驱动方法在低温等离子体模拟研究中的应用.对于低温等离子体的研究而言,数据驱动研究所需要的数据可以来自于实验诊断和数值计算,根据等离子体物理特性的不同也可以选择不同的数据驱动模型.粒子模型与流体模型是低温等离子体研究中常用的两类计算模型,基于这两者的模拟数据组成的训练集, DNN可以实现对大气压射频放电的动理学特性等各种特性的实时预测.首先通过将流体模型与粒子模型计算结果与DNN模型的预测结果相比较,验证了DNN模型在给定精度下的有效性.然后基于流体模拟数据,利用DNN探究了α和γ模式下输入电流密度和放电间隙对大气压射频放电特性的影响,最后借助于粒子模拟数据构建的训练集,讨论了大气压射频微放电的频率效应,特别是电子能量分布函数(EEDF)的演化.预测结果表明,经过大约1 h的训练后, DNN只需要耗时0.01 s左右就能以极高的计算精度(与数值模拟之间的相对误差小于0.5%)获得电子密度、电场强度和... 相似文献
1