微波消解-原子荧光光谱法测定沙棘产品中的铅、砷、汞

为建立沙棘PV粉、沙棘油中铅、砷、汞的原子荧光光谱检测方法,通过试验确定了样品前处理方法,对负高压、灯电流、载气、屏蔽气、原子化气高度、酸度等测试条件进行了优化。在优化的工作条件下,用原子荧光光谱法测定其中的铅、砷、汞的含量。结果表明:对所测元素铅、砷、汞,校准曲线的相关系数分别为:0.999 7、1.000 0、0.999 9;检出限分别为:0.000 1、0.000 2、0.000 02 mg/kg;相对标准偏差为1.2%~4.83%;用加标回收率评价方法的准确性,回收率为92%~105%。该方法快速、简便、准确且灵敏度高,为沙棘产品中重金属含量测定提供了较好的方法。     

基于深度学习的智能电网稳定性预测

基于深度学习算法,构建智能电网稳定性预测模型。选取BP神经网络及卷积神经网络CNN算法作为分类学习器,并对其进行参数调优、优化算法选择、迭代预测。输出模型预测结果和模型评价指标,并结合机器学习预测结果,对深度学习模型准确性及性能等方面做对比分析。最终确定Adam优化器下的CNN模型效果最优,迭代80次的精确度为0.979 0,所需时间为28.398 7 s。该模型对提高智能电网预测的准确性、实现高效配电具有重要意义,有效帮助电力系统提前预警,降低安全隐患。