超高效液相色谱–串联质谱法测定鲜蛋中氟苯尼考残留量的不确定度分析

评定超高效液相色谱–串联质谱法测定鲜蛋中氟苯尼考残留量的不确定度。建立测定鲜蛋中氟苯尼考的不确定度数学模型,不确定度来源包括标准溶液的质量浓度、样品溶液体积量取、称样质量、重复性,对不确定度分量分别进行评定,合成不确定值。鲜蛋中氟苯尼考残留量为1.49 μg/kg时,其扩展不确定度为0.19 μg/kg(k=2,P=95%)。为科学评价实验结果的准确性提供依据,为评定其它相关检测方法的不确定度提供参考。     

单标线塑料容量瓶的校准方法

建立了以纯水为介质的衡重法单标线塑料容量瓶校准方法。通过查询列举的三种常见的塑料容量瓶体胀系数所对应的K(t)值表,根据不同材质的塑料容量瓶,可计算得到其实际容量,操作方法简便,实操性强。并以校准VITLAB塑料容量瓶为例,对其测量结果进行不确定度评定,U=0.02 mL,k=2。该方法为实验室人员进行塑料容量瓶的自校准,提供了参考。     

柱后衍生–液相色谱法测定蔬菜中克百威残留量的不确定度评定

评定柱后衍生–液相色谱法测定蔬菜中克百威残留量的不确定度。根据JJF 1059.1—2012 《测量不确定度评定与表示》和JJF 1135—2005 《化学分析测量不确定度评定》中有关规定,对该方法建立不确定度评估结果计算的数学模型,对测定中的不确定度来源进行分析和评估。测量不确定度的主要来源包括标准溶液稀释过程、样品的称量、样品溶液的稀释定容、重复性测量,分别对不确定度分量进行计算,并合成相对标准不确定度。当蔬菜中克百威和3-羟基克百威残留量为0.020 mg/kg时,扩展不确定度分别为0.001 3、0.001 6 mg/kg(k=2),克百威和3-羟基克百威残留量分别表示为(0.020±0.001 3)、(0.020±0.001 6) mg/kg(k=2)。该方法确定了不确定度主要来源为标准溶液的稀释过程,为检验结果的准确性及可靠性提供了技术依据。     

区间数互补判断矩阵的拓扑排序方法

提出了方案之间进行比较时优于与劣于的定义,通过构造与区间数互补判断矩阵相对应的有向图的方法,将互补判断矩阵的排序问题转化为有向图中顶点的拓扑排序问题,将有向图中的顶点按照备选方案的重要性顺序输出,得到的顶点的序列即为备选方案的重要性排序,数值计算实例验证了该方法的有效性与可行性。     

含环向表面裂纹圆柱壳的波传播特性研究

研究了振动波在含有环向表面裂纹的无限长圆柱壳中的传播特性.圆柱壳体的振动用Flügge方程来描述.运用线弹性断裂力学的理论,考虑到裂纹的张开、滑移和撕裂3种模式以及它们相互之间的耦合,利用分布的线弹簧来模拟裂纹并建立了裂纹所在区域的局部柔度矩阵,得到由此引起的附加位移和壳体中内力之间的关系.在入射波已知的情况下,根据裂纹两侧区域的位移和内力的连续性条件得到了反射和透射波的幅值系数.分析了入射波通过裂纹后的透射、反射系数与激励频率和裂纹尺寸之间的关系.为基于振动功率流方法识别圆柱壳表面损伤提供了理论基础.     

基于方向信息测度的最小模糊度准则边缘检测

将像素点的方向信息测度作为判别边缘点的特性指标,借用Huang等构造的自适应确定分割阈值的思想,本文提出了一种基于方向信息测度的最小模糊度准则边缘检测方法。文中提出的方法,一方面由于采用了方向信息测度,可以很好地将边缘点和非边缘点区分开来;另一方面通过最小化模糊度,自适应地将给定图像的所有像素点按照方向信息测度分成两类,从而达到提取边缘的目的。实验结果证明,我们提出的方法能够很好地判别边缘点,有效地提取图像的边缘。     

关于集合的粗相似度量的注记

举例说明文献"集合的粗相似度量"中定理3.1(2)的结论是不严谨的,从而给出一个严谨的结论。     

基于单调包含度的模糊决策信息系统的知识约简

知识约简是机器学习,模式识别,信号处理等领域的主要问题之一。本文介绍了基于单调包含度的模糊决策信息系统的知识约简。证明了模糊决策信息系统的约简即是其对应信息系统的约简,从而为该种模糊决策信息系统的知识约简提供了简单直接的方法。     

杨氏模量教学实验的改进

杨氏模量实验是大学物理实验课程教学中重要的组成部分.本文详细介绍了杨氏模量的激光光杠杆法和梁弯曲法两种测量方法.根据不同实验方法,对实验仪器进行合理的改进,并完成了数据处理和误差分析.相对于传统的实验教学方法,改进后的实验装置不仅操作简单,读数更简单,更直接,而且测量数据准确度高,误差很小.因此,本实验的优化改进将提高...     

基于稳定分布的PARCH模型

本文首先介绍了稳定分布和基于正态分布、稳定分布的PARCH模型,并通过股票指数收益率的稳定化PP图和直方图发现其具有高峰厚尾特征.最后,通过上证指数的VaR计算,得到在金融风险度量中基于稳定分布的PARCH模型比基于正态分布的PARCH模型更加有效。