简介:针对空气污染物氨气、乙醇、氨气乙醇混合气体,搭建在线检测电子鼻系统.采用不同的特征提取方法得出特征,并利用主成分分析(PCA)和线性判别式分析(LDA)做类别区分.结果显示,利用传感器响应最大值特征和LDA能更好地区分三类气体.利用最大响应值特征,采用多层感知器(MLP)神经网络和粒子群(POS)优化的支持向量机(SVM)对110个测试样本分类.结果显示,MLP神经网络的正确率为70%,POS优化的SVM正确率为96.3640%.最后,根据Loadings分析,剔除了TGS2602,MQ138,MQ3传感器,优化了传感器阵列.结果表明,该在线电子鼻系统能够应用到这三类空气污染物分类.
简介:用NH3-TPD、CO2-TPD和了PR方法表征了乙醇一步合成乙酸乙酯时混合氧化物催化剂物种和还原特性。结果表明,催化剂表面同时存在酸中心和碱中心,在Cu/ZnO/CoO/Al2O3催化剂体系中添加TiO2和ZrO2或以NiO代替CoO,导致NH3-TPD和CO2-TPD谱的变化,TPR谱的还原峰温度大大降低并由一个还原峰分裂为二个还原峰,这些变化已被反应动力学数据证实是有利于催化性能的提高。
简介:域自适应算法是一种能有效解决训练集(源域)和测试集(目标域)样本分布不一样但是具有相关性的方法.文章提出一个跨领域分布适配超限学习机(DDM-ELM)用于解决域自适应问题.DDM-ELM旨在基于超限学习机的框架下,充分利用丰富的有标签源域样本和无标签目标域样本,得出一个精确的目标域分类器.具体来说,DDM-ELM同时满足以下目标:1)最小化源域样本的分类误差;2)通过最小化投影最大化均值偏差来有效减小源域和目标域的分布差距;3)利用目标域样本的流形正则化来探索目标域样本的几何机构特性.这使得DDM-ELM能在同时继承超限学习机优点的前提下更加适合于目标域样本.经过大量的实验结果证明,相比于几种先进的域自适应方法,DDM-ELM在分类准确率和效率上均有所提高.
简介:建立了一个同时测定纺织品中硫酸二甲酯(DMS)和硫酸二乙酯(DES)残留量的气相色谱-串联质谱(GCMS/MS)方法,该方法以甲醇作为萃取溶剂,40℃下超声萃取纺织品中的DMS和DES,萃取液经滤膜0.22μm过滤后直接进行GC-MS/MS测定,外标法定量。在信噪比(S/N)=10的条件下,DMS和DES的定量限分别为10、5μg/kg。在三个加标水平下,该方法的加标平均回收率为82.2~95.8%,相对标准偏差(RSD)为1.2~6.6%(n=9)。该方法简便快捷,灵敏度高,定量限低,可完全满足纺织品中DMS和DES残留量检测的工作要求。
简介:为了提高企业生产效率,经过试验,采用能量色散型X荧光光谱仪(ED-XRF)测定聚苯二甲酸丁二醇酯(PBT)中的钛含量,该方法试样无需进行复杂的前处理,对试样直接测试,分析速度快,操作简单,精密度、准确度符合企业要求,满足了企业工业生产大批量,高密度的测试要求。