Agilent LC1100色谱仪使用和维护经验

本文从基本构造、操作要点、常见问题及对策、日常维护等方面介绍Agi-lent LC1100高效液相色谱议的相关知识,着重论述实际操作使用过程中的经验和体会,为正确、合理使用该仪器提供有价值的参考。     

基于相关性和主成分分析的上犹名优绿茶品质评价

目的 比较8种上犹名优绿茶的品质化学成分。方法 对8种上犹名优绿茶进行感官审评和品质化学成分检测,采用相关性分析和主成分分析对结果进行综合评价。结果 8 种上犹名优绿茶感官品质综合得分由高到低排序为: T2>T6>T5>T4>T3>T1=T8>T7; 8种名优绿茶水浸出物含量为32.62%~51.75%, 可溶性糖含量为4.31%~5.15%,可溶蛋白含量为1.92%~2.22%,茶多酚含量为15.43%~18.97%, 游离氨基酸含量为3.24%~5.71%, 咖啡碱含量为3.52%~4.08%, 黄酮含量为0.39%~0.54%; 相关性分析结果显示,儿茶素与可溶性糖、茶多酚呈显著正相关（P＜0.05）,与游离氨基酸呈极显著负相关（P＜0.01）;咖啡碱与滋味呈显著正相关（P＜0.05）,与香气呈极显著正相关（P＜0.01）。采用主成分分析法对8个茶样建立综合得分数学模型Y= 0.4848Y1+ 0.1829Y2+ 0.1456Y3, 综合得分由高到低依次是: T3＞T1＞T5＞T7＞T2＞T6＞T4＞T8。结论 上犹名优绿茶品质化学成分含量丰富, 整体品质优良, 研究结果将为上犹名优绿茶的生产加工和品质提升提供一定的理论依据。     

基于中英平行专利语料的短语复述自动抽取研究

短语复述自动抽取是自然语言处理领域的重要研究课题之一,已广泛应用于信息检索、问答系统、文档分类等任务中。而专利语料作为人类知识和技术的载体,内容丰富,实现基于中英平行专利语料的短语复述自动抽取对于技术主题相关的自然语言处理任务的效果提升具有积极意义。该文利用基于统计机器翻译的短语复述抽取技术从中英平行专利语料中抽取短语复述,并利用基于组块分析的技术过滤短语复述抽取结果。而且,为了处理对齐错误和翻译歧义引起的短语复述抽取错误,我们利用分布相似度对短语复述抽取结果进行重排序。实验表明,基于统计机器翻译的短语复述抽取在中英文上准确率分别为43.20%和43.60%,而经过基于组块分析的过滤技术后准确率分别提升至75.50%和52.40%。同时,利用分布相似度的重排序算法也能够有效改进抽取效果。     

基于局部语义相关性的定义文本义原预测

作为人类语言的最小语义单位,义原已被成功应用于许多自然语言处理任务。人工构造和更新义原知识库成本较大,因此义原预测被用来辅助义原标注。该文探索了利用定义文本为词语自动预测义原的方法。词语的各个义原通常都与定义文本中的不同词语的语义有相关关系,这种现象被称为局部语义相关性。与之对应,该文提出了义原相关池化(SCorP)模型,该模型能够利用局部语义相关性来预测义原。在HowNet上的评测结果表明,SCorP取得了当前最好的义原预测性能。大量的定量分析进一步证明了SCorP模型能够正确地学习义原与定义文本之间的局部语义相关性。     

电子电气废弃熟料污染在信息科技研究下如何回收再利用

电子设备的不断更新换代造就了越来越多的电子废弃物,对环境的污染也已经越来越严重,其中不可降解的塑料制品的大量使用不仅破坏了市容市貌,也严重污染了我们的生态环境,针对此问题本文对于电气电子废弃中塑料制品的回收及再利用进行了相关的研究,提出电子废弃物塑料制品再生化的发展的相关建议.     

火力发电厂对大气的影响与防治

火力发电是我国获取电能的主要方法,其其中主要污染物有烟尘、二氧化硫和氮氧化物.本文通过介绍火力发电厂对大气的污染,详细说明目前治理大气污染和减少污染物的排放物的主要方法.     

A/O复合生物膜工艺处理石油炼化废水的实验研究

对比研究了A/O和A/O复合生物膜工艺处理石油炼化废水的效能,并对其微生物群落结构进行了分析。结果表明,A/O复合生物膜工艺对废水中COD、NH4+-N和TN的去除率分别为99%、95.5%和94.5%,高于A/O工艺的95%、80%和79%。投加填料提高了污泥VSS/TSS值和SVI值,同时促进了系统石油降解菌(缺氧池:Xanthomonas、Clostridium、Anaerolinea和Alcaligenes;好氧池:Clostridium、Pseudomonas和Comamonas)和硝化反硝化菌(缺氧池:Enterobacter、Zoogloea和Hyphomicrobium;好氧池:Nitrospira、Pseudomonas和Burkholderia)的富集。     

HowNet义原标注一致性检验方法研究

义原(sememe)被定义为人类语言中不可再分的最小语义单位。一个词语的意义可以由多个义原的组合来表示。以往人们已经人工为词语标注义原并构建了知网(HowNet)这一语言知识库,并借此将义原应用到了多种自然语言处理任务。但传统的人工标注费时费力,而且不同的专家进行标注难免会引入标注者的主观偏差,导致标注的一致性和准确性难以保证。因此,保证词的义原标注一致性已成为建设高质量语言知识库HowNet、提升义原应用任务效果的首要任务。该文首次提出了一种对HowNet已标注的义原进行一致性检验的方法。实验结果表明,所提方法切实有效,能够很好地应用于HowNet知识库的标注一致性检验以及完善扩充。