排序方式: 共有11条查询结果,搜索用时 31 毫秒
2.
3.
镍催化体系合成顺式聚丁二烯的研究——Ⅶ.紫外可见光谱法探讨镍系各组分间的相互作用 总被引:1,自引:1,他引:1
环烷酸镍的汽油或甲苯溶液呈亮绿色,根据自旋允许d-d跃迁,在光谱的红和兰区有三个吸收带,其峰值分别是403、680和1170nm,络合物具有八面体构型。在Ni-Al体系中,当Al/Ni摩尔比<0.53,只发生配位体的交换反应,Al/Ni≥0.53,体系中发生还原反应,Ni(II)→Ni(I)→Ni(O)。在Ni-B体系中,只发生配位体交换反应,生成的氟-硼-镍络合物具有和环烷酸镍相类似的d-d吸收带,络合物也具有八面体构型。以上结论与磁化率法的结果一致。 相似文献
4.
5.
锰矿样品在密闭的消解罐中用盐酸、硝酸、过氧化氢及氢氟酸在微波消解仪中进行消解,所得溶液移入聚四氟乙烯容量瓶中,加水定容至100mL供电感耦合等离子体原子发射光谱法分析用。此方法中不采用加入硼酸络合过剩的氢氟酸,以避免因加入硼酸而引起的干扰。为抵消基体干扰,在制备标准曲线时于各试液中加入一定量的锰(Ⅱ)溶液。选择测定铝、镁及磷的分析谱线依次为396.152,280.270,185.942nm。应用此方法分析了2件锰矿标准物质,测得上述3种元素的测定结果与认定值相符,测定值的相对标准偏差(n=11)在0.63%~1.18%之间。 相似文献
6.
7.
8.
氢化物发生-原子荧光光谱法同时测定食品添加剂碳酸钙中的砷和汞 总被引:1,自引:0,他引:1
应用氢化物发生-原子荧光光谱法同时测定食品添加剂碳酸钙中的砷和汞,并对样品中的主要成份及共存元素可能对检验结果的影响和实验条件进行了研究.结果表明,加入硫脲-抗坏血酸溶液后,碳酸钙中主要成份钙及可能存在的共存元素铁、铅、镉、铜、锑、硒、锡、铬、锌等不干扰砷和汞的测定.方法检出限为砷0.0124 μg/L,汞0.0009μg/L,回收率为砷101.8%~102.2%,汞102.5%~106.0%.精密度为砷0.37%,汞0.95%.建立的氢化物发生-原子荧光光谱法同时测定食品添加剂碳酸钙中砷和汞的分析方法能满足日常检验的要求. 相似文献
9.
Ni(Ⅱ) naphthenate in hydrogenated gasoline or toluene will appear light green, which is the result of absorption in the red and blue bands of the spectrum. The three peaks caused by the spin-allowed d-d transitions are 403, 680, and 1170nm respectively, and are similar to those of Ni(H_2O)_6~(+2). The configuration of Ni(Ⅱ) complex is octabedral.In a two-component system of Ni(naph)_2-Al(i-Bu)_3, the naphthenate ligand attached to Ni(Ⅱ) can be exchanged for the alkyl group on tri-isobutylaluminium, if Al(i-Bu)_3/Ni(naph)_2 in a system. containing metalalkyl and naphthenate does not exceed the value of 0.53. At a higher ratio, Al(i-Bu)_3/Ni(naph)_2>0.53, Ni(Ⅱ) is reduced to Ni(Ⅰ) and Ni(O).In a two-component system Ni(naph)_2-BF_3·OEt_2, a part of the naphthenate can be exchanged for halogen. A new Ni(Ⅱ) complex is formed, which consists of three new d-d bands in the region 360-1660 nm. 相似文献
10.
基于核函数的非线性分类相关分析及其在化学模式识别中的应用 总被引:1,自引:0,他引:1
与统计分析和神经网络相比,基于结构风险最小的支持向量机有更好的分类性能。它用于非线性分类时,先将样本映射到更高维的特征空间,往往会增加复共线性与冗余信息,将影响样本分布,降低线性支持向量机分类器(LSVC)的预测性能。本研究提出非线性分类相关分析算法(NLCCA),利用核函数技术,无需了解非线性映射的算式,从特征空间的样本映像中提取分类相关成分,以消除冗余信息,改善样本分布。由此构建的NLCCA-LSVC集成分类器具有优良的预测性能。经模拟数据的测试,并实际用于两个复杂的化学模式识别问题,均取得令人满意的效果,也印证了算法的有效性。 相似文献