排序方式: 共有17条查询结果,搜索用时 15 毫秒
1.
2.
研究了三乙醇胺(TEA)、聚合多元醇(PP)、聚合醇胺(PAA)和中博改性聚合醇(CSA-4)单独或复合助磨剂的助磨和增强效果。结果表明:CSA-4在掺量为0.02%时,助磨效果良好,水泥的45μm筛余下降了16.4%,比表面积提高了6.9%,3d和28d抗压强度增长率分别为13.3%和10.5%;在4种复合助磨剂中,助磨剂D表现最为显著,水泥的45μm筛余较空白样降低了15.2%,比表面积增加了7.1%,3d和28d抗压强度增长率分别为15.0%和7.6%;用一定的比例聚合醇胺(PAA)和聚合多元醇(PP)替代TEA的助磨剂B和C,其助磨和增强效果与助磨剂A相当。 相似文献
3.
采用改进的QuEChERS(Quick, Easy, Cheap, Effective, Rugged and Safe)方法进行样品前处理,结合气相色谱串联质谱(Gas chromatography-tandem mass spectrometry, GC-MS/MS),建立了葡萄中43种农药残留的分析方法。采用此方法对武汉市2022年采集的124份市售葡萄样品进行检测,分析其农药残留现状。通过膳食摄入风险和食品安全指数法对农药残留的膳食暴露风险进行评估。结果表明,43种农药在1~500μg/L线性关系良好,相关系数R2均大于0.99。该方法的检出限为0.08~3.11μg/kg,定量限为0.24~9.33μg/kg;在3个水平(10、50、100μg/kg)的添加浓度下,回收率为71.7%~128.8%,相对标准偏差为2.6%~9.7%,可满足葡萄中农药残留检测的要求。124份样品农药残留的检出率为46.8%,共检出12种农药。其中,氯氟氰菊酯和氯氰菊酯超标,超标率分别为3.2%和0.8%。对检出的12种农药进行膳食暴露风险评估,慢性膳食暴露风险范围为0.092%~0.598%,急... 相似文献
4.
目的 建立近红外光谱法快速检测小龙虾中总生物胺含量的方法。方法 利用近红外光谱仪采集154个不同新鲜程度小龙虾样品的近红外光谱, 使用高效液相色谱技术检测对应样品总生物胺含量; 使用KS(Kennard-Stone)算法将103个样品作为训练集, 51个样品作为预测集。采用多元散射校正(multiplicative scatter correction, MSC)、标准正态变换(standard normal variate, SNV)、小波变换(wavelet transform, WT)和1阶导数(1st)分别对样品的光谱进行处理, 利用训练集样品的光谱和生物浓度建立偏最小二乘回归(partial least squares regression, PLSR)模型, 使用竞争性自适应重加权算法(competitive adaptive reweighted sampling, CARS)进一步选择波长, 对模型进行优化。结果 经过小波变换处理之后的光谱所建立的PLSR模型具有较好的预测结果, CARS方法可以进一步提高模型的预测和解释能力, 预测集生物胺的预测均方根误差(root mean square error of prediction, RMSEP)值和决定系数(r2)分别可达55.74和0.92。结论 基于近红外光谱分析技术快速检测小龙虾总生物胺含量是可行的, 优化后的PLSR模型可以用于评价小龙虾总生物胺含量。 相似文献
5.
建立水溶性铬(Ⅵ)来源确定试验模型,定量分析水泥、熟料中水溶性铬(Ⅵ)来源。熟料模型使用分析纯试剂配制原材料的替换材料,将原材料和替换材料分别配制生料,并分别在实验室和工厂实际生产条件下粉磨生料、煅烧熟料。水泥模型使用CaSO4·2H2O(分析纯)作为石膏替代材料,通过调整配比和粉磨方式配制水泥样品。最终检测各试验方案制备熟料、水泥的水溶性铬(Ⅵ)含量,设计运算公式定量计算熟料中原材料、生料制备过程、熟料煅烧过程中水溶性铬(Ⅵ)带入率,水泥每种原材料中水溶性铬(Ⅵ)具体含量以及粉磨过程中带入的水溶性铬(Ⅵ)含量。以ZQ公司和SF公司模型应用案例验证模型效果,结果表明运用水溶性铬(Ⅵ)来源确定试验模型可快速定量分析水溶性铬(Ⅵ)具体来源,为下一步采取控制措施提供数据基础。 相似文献
6.
7.
8.
9.
目的 建立一种基于近红外光谱(near-infrared spectroscopy,NIR)分析技术快速定量茶叶中高氯酸盐污染水平的预测模型。方法 采集不同产地的91份茶叶干样,通过傅里叶变换近红外光谱扫描获得样品的近红外漫反射光谱,使用液相色谱质谱法测定茶叶样品中的高氯酸盐含量,以参考量限0.75 mg/kg为标准将样品分为两类;利用偏最小二乘判别分析(partial least squares-discriminant analysis, PLS-DA)建模建立高氯酸盐含量范围的预测模型,同时使用一阶导(1st)、连续小波变换(continuous wavelet transform, CWT)、多元散射校正(multiplicative scatter correction,MSC)、标准正态变换(standard normal variate,SNV)等光谱预处理和竞争自适应重加权(competitive adaptive reweighted sampling,CARS)采样波长筛选技术对判别模型进行优化,最后通过预测集样品对模型进行验证。结果 使用原始光谱建立的模型能够初步实现对高氯酸盐含量范围的预测,而使用光谱预处理扣除光谱中的背景信息,结合MSC和CARS方法共同处理后,模型的预测正确度显著改善,误判样品下降至3个,预测正确率提高至88.5%。结论 本方法表明近红外光谱技术可以为茶叶中高氯酸盐污染水平分析提供一种新方法,对茶叶产业高质量发展具有重要的实际意义。 相似文献
10.