排序方式: 共有81条查询结果,搜索用时 31 毫秒
31.
双硫腙作为可以特异性检测重金属的指示剂,利用双硫腙与脂质体磷脂双分子层不易溶于水的特性制备自组装水溶性纳米探针。氯化乙基汞作为一种剧毒重金属,也具备不易溶于水的特性,因此我们可以通过自组装水溶性纳米探针检测氯化乙基汞的存在。通过实验可以看出,水溶性纳米探针与氯化乙基汞溶液反应之后的紫外可见吸收光谱会发生明显的红移现象,而其他重金属不具备这种特性,从而证明所制备的水溶性纳米探针可以特异性检测氯化乙基汞的存在。 相似文献
32.
33.
单糖衍生物的电喷雾质谱裂解规律研究 总被引:1,自引:1,他引:0
以1-(2-萘基)-3-甲基-5-吡唑啉酮(NMP)作单糖标识剂, 经在线串联的LC-ESI-MS建立了单糖衍生物的电喷雾质谱裂解方法.衍生物在质谱裂解中糖类化合物特有的规范信息.借助糖类化合物在ESI-MS条件下表现出的分子离子峰m/z [M H] , 及在ESI-MS/MS条件下呈现出的特征碎片离子峰m/z 473, 可有效地确定出单糖类化合物的组成. 尽管一些脂肪醛和芳香醛也能同时被标识, 然而在质谱条件下不产生m/z 473的特征碎片离子峰, 且它们的洗脱远在糖类组分之后, 因此不干扰糖类化合物的分离和结构确定.通过建立的LC-ESI-MS方法, 对水解蜂花粉中的单糖进行了分析.结果表明: 水解的蜂花粉中含甘露糖(Man)、半乳糖醛酸(GalUA)、葡萄糖醛酸(GlcUA)、鼠李糖(Rha)、葡萄糖 (Glc)、半乳糖(Gal)、阿拉伯糖(Ara)、木糖(Xyl)和岩藻糖(Fuc).本方法为环境样品中单糖类化合物的确定提供了准确、可靠的技术手段. 相似文献
34.
随着无人机技术在军事、民用等领域的广泛运用,高精度、低功耗智能无人机跟踪系统的需求也日益增多。针对无人机跟踪任务中目标尺度变化大、视野角度多变、遮挡等问题,提出了一种基于轻量级Siamese注意力网络的无人机实时跟踪算法。首先,选取易于部署在嵌入式设备中的轻量级卷积神经网络MobileNetV2作为特征提取主干网络;接着,设计通道空间协同注意力模块,增强模型的适应能力与判别能力;然后,搭载区域建议网络,通过互相关获取前景背景分类和边界框回归响应图;最后,加权融合多层响应图,调整候选区域筛选策略,计算得到更加准确的跟踪结果。在无人机跟踪数据集上的仿真实验结果表明,相对于当前主流算法SiamRPN,该算法跟踪精度提升了3.5%,能更好地应对复杂多变的场景。同时,在NIVIDA RTX 2060 GPU上,跟踪速度达到60 frame/s。 相似文献
35.
36.
用表面张力法研究了可聚合硼酸酯表面活性剂(BES)水溶液不同温度下(288-313 K)的表面活性和热力学函数变化;考察了BES与十二烷基苯磺酸钠(LAS)在0.5 mol·L-1 NaCl溶液中的相互作用. 结果表明, 298 K时, BES临界胶束浓度cmc达到0.066 mmol·L-1, γcmc为29.2 mN·m-1;在所考察的温度范围内BES胶束形成自由能(ΔG0m)在-22.4 - -25.8 kJ·mol-1之间, 胶束形成是熵驱动过程. BES/LAS混合体系为具有较大负偏差的非理想体系, BES/LAS分子间平均相互作用参数βm=-3.48;当溶液体相中BES摩尔分数αBES=0.5时, 混合胶束中BES摩尔分数X1m为0.46, |βm|达到最大, 而且此时混合溶液cmc为0.017 mmol·L-1, 达到最低, γcmc为27.8 mN·m-1. 相似文献
37.
38.
溶胶-凝胶法制备的包容β-二酮钴催化剂在二苯甲醇氧化反应中的催化性能 总被引:4,自引:1,他引:4
采用溶胶-凝胶法分别以SiO2,Al2O3和TiO2为基体包容β-二酮钴配合物制备了非均相催化剂,采用FT-IR,TG-DTA,XPS及N2吸附方法对以SiO2为基体包容的乙酰丙酮合钴配合物Co(acac)2/SiO2进行了表征,并通过空气氧化二苯甲醇合成二苯甲酮反应评价了催化剂的催化性能.结果表明,Co(acac)2/SiO2的催化性能最好,其玻璃性能也最好.用Co(acac)2/SiO2作为催化剂反应12h后,二苯甲醇的转化率为95.7%,与均相催化反应相比没有明显降低,而且循环利用7次后其催化性能保持不变.包容催化剂的活性依赖于包容基体及其比表面积. 相似文献
39.
本文研究ρ-混合随机变量序列的加权和.利用文献[10]的矩不等式,在勿需控制混合系数的情况下,得到了完全收敛的充分条件,对“同分布”情形,得到了完全收敛的必要条件,推广了文献[8,10]中的有关结果. 相似文献
40.
高炉煤气发生量的准确预测对钢铁企业能源优化调度具有重要意义。针对钢铁企业中基于机理模型的高炉煤气发生量难以准确预测问题,建立了基于小波分析的最小二乘支持向量机(LSSVM)和自回归差分滑动平均(ARIMA)相结合的高炉煤气预测模型。预测前利用小波去噪对原始数据进行消噪处理,并对处理后的数据进行小波变换得到趋势序列和波动序列,然后对各部分序列分别建模和预测,最后将各部分预测结果叠加;仿真结果表明,组合预测模型减小了预测误差,提高了预测精度。与其他模型相比,组合预测模型更适合高炉煤气预测。 相似文献