高效液相色谱-串联质谱法测定大米中高氯酸盐含量

目的建立高效液相色谱-串联质谱法测定大米中高氯酸盐的含量。方法样品提取液经过固相萃取柱快速净化处理后去除基质干扰物,采用Thermo Acclaim TRINITY P1色谱柱分离,以乙腈-20 mmol/L甲酸铵为流动相进行梯度洗脱,流速为0.3mL/min,柱温30℃,外标法定量检测。结果在高氯酸盐浓度为1.0～100.0 ng/mL的范围内的线性相关系数较好(r=0.999),检出限为4.0μg/kg,定量限为10.0μg/kg,高、中、低3个浓度水平的加标回收率在82.3%～93.2%之间,测定值的相对标准偏差小于5%(n=6)。结论该方法简便快捷、灵敏可靠,适用于大米中高氯酸盐的快速检测。     

电力物联网终端网络安全监测技术研究

根据电力物联网终端网络监测技术提出的安全性和可靠性更高要求,加快电力物联网终端网络安全管理平台的建设,尽快实现网络终端的实时监测和闭环管理。因此,本文重点研究和分析了电力物联网终端的网络安全监测技术,从而确保了电力物联网终端的网络安全,避免了各种病毒和网络安全漏洞对电力系统的网络安全造成严重威胁。     

两种渠道衬砌机衬砌施工质量控制及工效对比

南水北调中线一期工程总干渠禹长段第三标段渠道为梯形断面,全渠段采用现浇混凝土衬砌。为了保证该渠段混凝土衬砌质量满足设计要求,在渠道衬砌施工中采用了专用和人工两种不同的衬砌机械,介绍了渠道衬砌施工主要工艺流程和施工质量控制方法。比较了两种机械各自的优势、主要差别和所需的人工成本。结果表明,专用衬砌机施工工效远高于人工衬砌机,可节约人工成本15%以下。     

内装焊药的管状焊条

用管内填装焊药的管状焊条的焊接方法,由于焊药均匀的送入,保证了优良的焊接质量。曾就下列形式的管状焊条进行了试验: 1.内径5公匣、长350公厘的黄铜管,管内填装下列成分的焊药:硼酸70％;烧炼硼砂21％,氟化钙9％.用丙烷——氧气火焰进行焊接。 2.内径5公厘、长350公厘的紫铜管,管内填装下列成分的焊药:烧炼硼砂78％;硼酸4％;氯化钠13％;重碳酸钠(苏打)5％。用乙炔——氧气火     

HCl介质中二苯乙酮咪唑啉季铵盐对碳钢的缓蚀行为及机制

目的 合成一种二苯乙酮咪唑啉季铵盐(PPLB)化合物,研究其在0.5 mol/L HCl溶液中对Q235钢的缓蚀性能,探讨其吸附动力学过程及可能的缓蚀机制.方法 以有机胺、硬脂酸、苯乙酮和氯化苄等为原料,经脱水环化、曼尼希反应和季铵化制备季铵盐.通过腐蚀失重、动电位极化曲线测试、电化学阻抗和表面形貌分析等手段,研究了二...     

漫画家潘顺祺谈家族装璜个性

就像他机智却含蓄的画作一样.生活中的潘顺祺醒目的带些冲击力的外表下,却掩内兹而沉,的性情。戒是两枷销条患的主编身处都市,在滚滚红尘和铁冗事务的重压下,常常生出逃通的念头来.然而往往是身不由己.工作的诱惑无所不在.所能做的只     

高分辨率声波测井仪时差信息处理系统设计与实现

介绍了高分辨率声波测井仪，时差信息处理系统的研制及工程实现。采用单片机作为核心８单元，使其智能化程度大大提高。Ａ／Ｄ，Ｄ／Ａ采用１２位分辨率的ＡＤ５７４Ａ和ＤＡＣ１２１０，使系统高精度，高速度达到统一。采用８２５３可编程定时／计数器，用独立振荡器向ＣＬＫ提供计数时钟，大大提高了计时精度，合理了门控单元的开门，关门时间，使系统干扰能力进一步加强，扩展了串行通讯，键盘操作与显示接口等，与上位     

基于混合线性模型的图像去噪

现有的图像去噪算法大多假设图像为分段平滑信号,通过滤除图像中的振动分量达到去噪的效果.如果将这类方法应用于纹理图像,则会导致图像细节信息的损失.该文针对保留图像细节的问题,提出了基于混合线性模型的去噪方法.新方法不假设图像分段平滑,仅假设图像具有自相似性,利用图像的相似性区分图像信号与噪声.文中使用统计学习的方法对图像区域进行聚类,并得到图像主成份,以主成份作为信号分量重组图像,从而对纹理图像取得很好的去噪效果.     

基于样本个体差异性的深度神经网络训练方法

深度神经网络目前在许多任务中的表现已经达到甚至超越了人类的水平,但是其泛化能力和人类相比还是相去甚远.如何提高网络的泛化性,一直是重要的研究方向之一.围绕这个方向开展的大量卓有成效的研究,从扩展增强训练数据、通过正则化抑制模型复杂度、优化训练策略等角度,提出了很多行之有效的方法.这些方法对于训练数据集来说都是某种全局性质的策略,每一个样本数据都会被平等的对待.但是,每一个样本数据由于其携带的信息量、噪声等的不同,在训练过程中,对模型的拟合性能和泛化性能的影响也应该是有差异性的.针对是否一些样本在反复的迭代训练中更倾向于使得模型过度拟合,如何找到这些样本,是否可以通过对不同的样本采用差异化的抗过拟合策略使得模型获得更好的泛化性能等问题,提出了一种依据样本数据的差异性来训练深度神经网络的方法,首先使用预训练模型对每一个训练样本进行评估,判断每个样本对该模型的拟合效果;然后依据评估结果将训练集分为易使得模型过拟合的样本和普通的样本两个子集;最后,再使用两个子集的数据对模型进行交替训练,过程中对易使得模型过拟合的子集采用更强有力的抗过拟合策略.通过在不同的数据集上对多种深度模型进行的一系列实验,验证了该方法在典型的分类任务和细粒度分类任务中的效果.