

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、鈣和鎂是海水中的常量元素,也是考查水體硬度的重要參數(shù),因此簡便快速的同時測定這兩種元素具有重要的實際意義。鐵和錳是人體必需的微量元素,在海水中屬于痕量金屬營養(yǎng)鹽,對海洋生物的生長有重要作用。因此,研究測定痕量鐵和錳的分析方法也具有重要的意義。
本論文將化學計量學中的人工神經網絡法分別與分光光度法和催化動力學分光光度法相結合,對海水中主要成分鈣和鎂的雙組分體系和痕量金屬元素鐵和錳的雙組份體系進行了研究,分別建立了一種能同時測
2、定鈣和鎂雙組分的人工神經網絡-分光光度法的分析方法和一種能同時測定鐵和錳的人工神經網絡-催化光度法的分析方法,并將所建兩種方法應用到實際水體系中進行測定,得到了令人滿意的結果。
本論文取得的主要成果有:
1.成功建立了一種能同時測定鈣和鎂雙組分的人工神經網絡-分光光度法的分析方法。
(1)確定了一種能同時測定鈣和鎂雙組分的反應體系。
該體系為:顯示劑為偶氮胂(Ⅲ),緩沖溶液為硼砂-
3、鹽酸,掩蔽劑為鄰菲羅琳。
(2)確定了最佳的測定條件。
該最佳條件為:偶氮胂(Ⅲ)的質量分數(shù)為w=0.010%,緩沖溶液硼砂-鹽酸的濃度為c=1.5×10-3mol/L(pH=9.10),鄰菲羅琳的質量分數(shù)為w=0.40%,測定波長為λ=610~660nm,顯色時間為t=10min,溫度為室溫。在此條件下,14種常見陰陽離子對測定結果均無明顯的干擾。
(3)確定了進行數(shù)據(jù)處理的人工神經網絡的結構
4、和算法。
經研究,人工神經網絡采用誤差反向傳播網絡(back-propagation network) BP網絡,數(shù)據(jù)處理采用Levenberg-Marquardt(L-M)算法,網絡結構定為13-14-2,μ的初始值設為0.001,并自編了程序應用MATLAB軟件進行數(shù)據(jù)處理。
(4)成功地將所建方法應用于實際水體系。
應用本文所建方法同時測定鈣和鎂混合物時的相對標準偏差RSD分別為鈣2.31
5、%和鎂2.14%。將所建方法應用到實際水體系時,鈣和鎂的加標回收率結果表明:①自來水介質,鈣為101.1%~103.6%,鎂為100.8%~102.4%,RSD=0.082%~1.43%;②黃河水介質,鈣為100.7%~103.2%,鎂為96.6%~101.3%,RSD=0.14%~0.33%;③海水介質,鈣為98.8%~103.3%,鎂為98.4%~103.4%,RSD=0.22%~2.21%。
2.成功建立了一種能同時
6、測定痕量鐵和錳雙組分的人工神經網絡-催化光度法的分析方法。
(1)確定了一種能同時測定痕量鐵和錳的雙組分的反應體系。
該體系為:指示劑為羅丹明B,氧化劑為KIO4,活化劑為氨三乙酸和鄰菲羅琳,緩沖溶液為HAc-NaAc。
(2)確定了最佳的測定條件。
該最佳條件為,羅丹明B的質量濃度為ρ=4.00×10-3g/L,pH=3.85,KIO4的濃度為c=2.00×10-4mol/L,鄰
7、菲羅琳的濃度為c=2.00×10-3mol/L,氨三乙酸的濃度為c=1.00×10-5 mol/L,測定波長為九=555nm,測定時間為t=6min(間隔15s),反應起始溫度為35℃。在此條件下,21種常見陰陽離子對測定結果均無明顯的干擾。
(3)確定了進行數(shù)據(jù)處理的人工神經網絡的結構和算法。
經研究,人工神經網絡采用誤差反向傳播網絡(back-propagation network)BP網絡,數(shù)據(jù)處理采用
8、Levenberg-Marquardt(L-M)算法,網絡結構定為15-16-2,μ的初始值設為0.001,并自編了程序應用MATLAB軟件進行數(shù)據(jù)處理。
(4)成功地將所建方法應用于實際水體系。
應用本文所建方法同時測定鐵和錳混合物時的相對標準偏差RSD分別為鐵2.30%和錳2.67%。將所建方法應用到實際水體系時,鐵和錳的加標回收率結果表明:①自來水介質,鐵為98.0%~104.3%,錳為96.5%~10
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于神經網絡的自錨式懸索—斜拉混合體系橋梁施工監(jiān)控方法研究.pdf
- 大跨混合體系斜拉橋靜力性能分析.pdf
- Majorana超導混合體系的輸運性質研究.pdf
- 心率變異性信號頻域及人工神經網絡分析.pdf
- 凝聚態(tài)混合體系純氣體
- 灰色系統(tǒng)與神經網絡分析方法及其應用研究.pdf
- 港口航道回淤分析中人工神經網絡預測模型的建立.pdf
- 應用人工神經網絡分析共面波導中的電磁阻帶結構.pdf
- 低頻振蕩模式的傅里葉及神經網絡分析方法研究.pdf
- 柴油組分對車用柴油機排放特性影響的模糊集-神經網絡分析方法研究.pdf
- 二元磁性混合體系的相變問題研究.pdf
- 基于人工神經網絡的瘢痕增生的色度分析方法研究.pdf
- 含雙組分微膠囊自愈合體系的環(huán)氧樹脂材料.pdf
- 稠油-水混合體系聲化學降粘試驗研究.pdf
- 61787.湖南洛塔巖溶水系統(tǒng)人工神經網絡分析
- 基于人工神經網絡的圖像壓縮方法研究.pdf
- 醫(yī)學多元資料分析中的人工神經網絡方法研究.pdf
- 土石混合體的剪切強度試驗研究.pdf
- 19354.吸附法分離丁烷丁烯混合體系的研究
- 離子液體-水混合體系的分子動力學研究.pdf
評論
0/150
提交評論