【摘 要】
：
目的:简化测定生活饮用水中铝含量的铬天青S分光光度法,提高工作效率.方法:适当提高缓冲液浓度、减小反应体系体积、优化试剂配制方式、减少实验步骤,针对不同类型的水样采取
【机 构】
：
广东省云浮市疾病预防控制中心 广东 云浮 527300
论文部分内容阅读
目的:简化测定生活饮用水中铝含量的铬天青S分光光度法,提高工作效率.方法:适当提高缓冲液浓度、减小反应体系体积、优化试剂配制方式、减少实验步骤,针对不同类型的水样采取不同的处理.结果:该法反应体系总体为4 mL,铝含量在0.01～0.40mg/L范围内,线性相关系数r≥0.9994,相对标准偏差0.98％～2.93％,回收率98.0％～104.0％,检测结果与国标法无显著性差异;单人单次可在2.5h内测定60个水样.结论:简化后的铬天青S分光光度法精密度和准确度好,便捷高效,适用范围广.
其他文献
目的:观察面部毛孔粗大临床治疗工作现状,分析光子嫩肤联合果酸治疗的临床疗效.方法:行数字表法将我院2020年1月-2020年12月收治的100例面部毛孔粗大患者分为两组,对照组行光
人体行为识别与人体姿态有很强的相关性,由于许多公开的行为识别的数据集并未提供相关姿态数据,因此很少有将姿态数据进行训练并与其它模态进行融合的识别方法.针对当今主流基于深度学习的人体行为识别方法采用RGB与光流融合的现状,提出一种融合人体姿态特征的多流卷积神经网络人体行为识别算法.首先,用姿态估计算法从包含人的静态图片生成人体关键点数据,并对关键点连接构建姿态;其次,分别将RGB、光流、姿态数据对多
目的:探讨对老年帕金森患者实施问题导向干预模式的临床效果,评级该干预模式对患者心理、睡眠和生活质量的影响.方法:选择我院收治的老年帕金森患者180例参与本次研究,在2019
无人机晃动是视觉传感器提取生命体征造成误差的重要原因.针对该问题,本文提出一种基于变分模态分解(VMD)的抗无人机晃动呼吸率检测方法.首先,采用复可控金字塔提取呼吸率的初始特征,其次,设计一种基于变分模态分解的呼吸信号提取方法,获得候选的呼吸模态信号,最后,选择方差最小的本征模态实现呼吸率检测.本文实验结果表明,在无人机自身正常晃动情况下,本文方法能够有效提取本征呼吸信号.本文方法能在不同受测距离
本文以计算机显示设备泄漏电磁信号为研究对象,对于人工提取特征识别电磁泄漏信号存在的主观性强、特征冗余的问题,区别于传统基于经验的人工特征提取模式,利用人工智能深度学习方法,使用处理图像的深度学习技术应用于电磁信息泄漏特征识别,提出了一种基于卷积神经网络的识别方法.该方法首先提取电磁泄漏信号的时频谱信息作为卷积神经网络模型的输入,然后利用模型的自学习能力提取深层特征,实现对不同分辨率来源电磁泄漏信号的识别,识别准确率达到98%,单信号检测时间仅需40 ms,验证了卷积神经网络应用于电磁泄漏信号识别的有效性,
目的:探讨在外科护理中存在的问题以及处理对策,为后期治疗提供科学的参考依据.方法:选择我院收治的30例神经外科患者,于2019年1月至2020年12月按照随机分组法分为两组,对照
为解决单机环境下海量地震观测数据计算和分析效率低下的问题,提出一种基于分布式架构的地震观测数据的存储、计算和分析处理方法,选择噪声功率谱复杂计算过程的应用场景进行实现.基于Hadoop在海量数据处理上的性能优势,在分布式文件存储系统HDFS上进行地震观测数据的存储和调度,研究测震数据噪声功率谱的质量评估方法在Spark分布式计算架构上的实现,采用弹性数据集Spark RDD将计算任务自动分配到计算
蜉蝣算法(Mayfly Algorithm,MA)作为一种新型群智能优化算法,具有较好的寻优性能.但在高维非线性复杂问题上,蜉蝣算法依然容易出现早熟收敛现象.本文提出一种基于倒位变异的蜉蝣算法(Inversion Variation Mayfly Algorithm,IVMA),改变原算法在变异上的操作,随机选择个体的随机维度向全局最优个体的随机维度靠近,同时利用精英策略保留进化成果.利用倒位操作,将最优个体某一维度段内位置发生倒转,提高了算法跳出局部最优的能力.通过对10个测试函数的结果分析,表明本文所
目的:探讨加速康复外科护理对肝炎肝移植手术患者术后疼痛的影响.方法:实施双色球分组法将本院收治的116例肝炎肝移植手术患者进行分组,时间段为2020年2月至2020年11月,其中
准确的风速预测在风能转换和电力分配中起着至关重要的作用.但是,风的固有间歇性使其难以实现高精度的预测.现有研究方法大都考虑了风速的时间相关性,但忽略了气象因素随空间变化对风速的影响.为获得准确可靠的预测结果,结合卷积神经网络和长短期记忆网络,提出了一种多因素时空风速预测相关(MFSTC)模型.同时,还构建了一种基于三维矩阵的数据表示方法.针对多个站点,利用改进的PCA-LASSO算法提取特征气象要素,然后,采用卷积神经网络建立各个站点之间的空间特征关系,采用长短期记忆网络建立历史时间点之间的时间特征关系,