排序方式: 共有2条查询结果,搜索用时 15 毫秒
1
1.
将金属有机框架(Metal-organic frameworks, MOFs)材料的电催化活性和液栅型石墨烯晶体管(Solution-gated graphene transistor, SGGT)的信号放大作用结合,构建了一种新型SGGT无酶葡萄糖传感器。以均苯三甲酸(BTC)为有机配体,采用溶剂热法合成铜基MOF材料(Cu-BTC),利用Nafion膜将Cu-BTC材料固定到玻碳电极上,并作为栅极,以单层石墨烯作为晶体管沟道。此传感器的传感机理是基于葡萄糖在修饰有Cu-BTC的栅电极上发生电化学反应,引起施加于SGGT的有效栅电压的变化,从而改变了沟道载流子浓度和沟道电流。由于Cu-BTC对葡萄糖良好的电催化活性及SGGT的高灵敏度,Cu-BTC修饰的SGGT传感器对葡萄糖表现出优异的传感性能,线性范围为1 nmol/L~40 mmol/L,检出限低至1 nmol/L,优于大多数传统葡萄糖检测方法。同时,此传感器对汗液和血液中的主要成分(如尿素、乳酸、多巴胺、抗坏血酸、尿酸等)表现出较好的抗干扰性能,在长期重复实验中表现出良好的稳定性,并成功应用于人体汗液中葡萄糖的检测。Cu-BT... 相似文献
2.
人工神经网络结合近红外光谱用于木材树种识别 总被引:2,自引:0,他引:2
测量了不同产地及品种的89个木材样品的近红外光谱,并分别使用反向传播人工神经网络(back propagation artificial neural networks,BPANN)与广义回归神经网络(generalized regression neural network,GRNN)建立了NIRS树种识别模型。通过方差分析分别选择两种神经网络所用参数,并采用最优参数进行网络训练。考虑到样品光谱的差异,对含不同水平白噪声与不同水平偏置的光谱进行模拟,并使用建立的模型对模拟光谱进行预测。发现两种神经网络模型均有较好的预测结果,其中BPANN模型,对含偏置水平不高于2%、噪声水平不高于4%的模拟光谱识别正确率在97%以上;GRNN模型,对含偏置水平不高于2%、噪声水平不高于4%的模拟光谱识别正确率在99%以上。 相似文献
1