高效液相色谱法测定膨化食品中7种合成色素

目的建立高效液相色谱法同时测定膨化食品中7种人工合成色素的含量。方法将样品粉碎均匀后,加入乙醇:氨水(4:1,V:V)提取剂超声提取,采用Diamonsil-C18色谱柱分离,以乙腈和0.05 mol/L的乙酸铵水溶液为流动相进行梯度洗脱,流速为1.0 m L/min,柱温为25℃,经二极管阵列检测器检测,以外标法定量。结果本方法的检测限是0.1~0.4 mg/kg,7种人工合成色素在0.5~300μg/m L浓度范围内线性关系良好,相关系数为0.9996~0.9999,在6、12和18μg 3个加标水平上的平均回收率为86.1%~101.8%,相对标准偏差为0.93%~3.80%,与GB方法的检测结果比较无显著性差异。结论该方法前处理简单、快速、准确,适用于膨化食品中7种人工合成色素的定量分析。     

车联网区块链吞吐量优化的深度强化学习方法研究

区块链应用于车联网（IoV）可以有效解决车联网数据安全和隐私等问题。但是,区块链吞吐量低的问题阻碍了其在车联网中的广泛应用。已有的区块链吞吐量优化研究大都存在决策行为空间爆炸的问题,可扩展性较差。针对上述问题,提出了一种基于深度强化学习（DRL）的区块链车联网吞吐量优化方法,通过选择区块生产者和共识算法,调整区块大小和区块间隔优化区块链的吞吐量,同时保证IoV区块链的去中心化、延迟和安全性。该方法通过引入BDQ框架将行为空间进行细粒度划分,解决了区块链使用传统深度强化学习方法对吞吐量进行优化时出现的行为空间爆炸问题。仿真结果表明,提出的方法可以有效地提高IoV区块链系统的吞吐量。