一、系数补偿双波长分光光度法同时测定亚硝酸盐和硝酸盐(论文文献综述)
干方群,吴珂,马菲,杜昌文[1](2022)在《水体硝酸盐检测方法的研究进展》文中认为硝酸盐是活性氮中导致水体富营养化以及危害人体健康的重要形式,因此水体硝酸盐的检测在水体质量表征中一直备受关注。水体硝酸盐的常规检测主要是借助传统的分光光度法,这类方法经典权威,分析结果可靠,然而大都破坏样品、耗时、成本高,并且在硝酸盐定量分析中的干扰因素也较多。近年来,现代光谱技术的应用得到迅速发展,也已经在水体硝酸盐检测中有了较好的尝试,为海量水体质量信息的获取提供新的技术支撑。在介绍了水体硝酸盐检测方法的基础上,就水体硝酸盐检测方法的研究进展以及现代光谱技术在水体硝酸盐检测中的应用前景进行了归纳、分析和介绍,并指出傅里叶变换衰减全反射光谱(FTIR-ATR)可以实现快速适时的水体信息定量传感和质量监测,在水体硝酸盐的分析实践中具有广阔的应用空间。
贺琳杰[2](2021)在《皂河黑臭水脱氨氮技术研究》文中认为皂河是渭河支流之一,是肩负着西安市主城区生活污水排污泄洪功能的主要河流,承载雨水污水面积达256km2。近年来沿途污水在一定程度上得到了管控,皂河水质有了一定的改善,然而水体黑臭、氨氮与磷含量高的现象依然存在。本着降低水中氨氮含量、改善水质的目的,本文以皂河水为研究对象,采用氧化还原法去除水体中NH3-N进行了研究。主要结论如下:1、皂河水体中,硝酸盐氮为5.016mg/L,亚硝酸盐氮含量为0.473mg/L,NH3-N含量为13.520 mg/L,总值高于国家标准控制值。2、对不同方法对氨氮的检测极限进行了分析,其中纳氏试剂分光光度法测定氨氮的线性范围为0.02~2mg/L,回归方程A=85.415C-0.0003,相关系数R2=0.9993,检出下限为0.02mg/L;水体中钙、镁和铁等金属离子、硫化物、醛和酮类、颜色及混浊度等均干扰测量结果,测定过程中样品先用次氯酸钠氧化絮凝后进行过滤处理再测定其吸光度;紫外分光光度法测定黑臭水体中硝酸盐氮的去除率,测定硝酸盐氮的线性范围为0.08~4mg/L,回归方程A=0.2613C-0.0017,相关系数R2=0.9999,检出限为0.08mg/L;N-(1-萘基)-乙二胺光度法测定水体中亚硝酸盐氮的含量,线性范围为0.003~0.20mg/L,标准曲线A=0.0205C+0.0049,相关系数R2=0.9973,检出下限为0.003mg/L。3、通过对氧化剂及其反应条件的优选,可得:Na Cl O作为氧化剂去除黑臭水体氨氮时,当原水中氨氮含量为15.00mg/L时,Na Cl O加量为1500 mg/L,反应时间为90 min,反应p H值为6,原水中氨氮含量可降至7.65 mg/L,去除效果达到49.00%。4、通过对絮凝剂种类及其加量的优选可得:在氧化体系保持不变的情况下,以PAC为絮凝剂,其加量为100 mg/L,经氧化絮凝后,原水中氨氮含量可降至6.88 mg/L,去除效果达到54.13%。5、在氧化絮凝体系不变的情况下,对除氨氮药剂的加量及反应条件进行优化,可得:在氧化絮凝结束后,保持除氨氮药剂加量为50 mg/L,反应时间为4 h,反应p H为6时,水中氨氮含量可降至1.94 mg/L,满足国家水体排放氨氮含量的一级标准。6、西安皂河水体中,硝酸盐氮为5.016mg/L,亚硝酸盐氮含量为0.473mg/L。次氯酸钠对水中亚硝酸盐氮有一定的去除作用,但对硝酸盐氮的去除效果较差。除氨氮药剂的作用情况与次氯酸钠相类似。在除氨氮药剂反应4 h处,硝酸盐氮含量最低为4.297mg/L,除氨氮药剂对水中硝酸盐氮的去除几乎没有效果;在除氨氮药剂反应2 h处,亚硝酸盐氮含量最低为0.276 mg/L,去除率58.35%。
任方涛[3](2020)在《基于紫外吸收光谱的水质硝酸盐氮含量检测技术研究》文中研究说明近年来,水质污染问题日益严重,硝酸盐氮作为工业废水中的第二大污染物,其是衡量水体毒性和富营养化程度的重要指标。传统的水质硝酸盐氮(NO3--N)检测过程繁琐、耗时长、成本高、易产生二次污染,难以满足水质监测的要求。在水资源匮乏的今天,提高水质监测是保证用水安全的重要一环。故本文针对紫外吸收光谱的水质硝酸盐氮检测进行以下研究工作。本文提出使用一种紫外光谱水质检测系统,并进行水质硝酸盐氮标准溶液的制备、光谱采集、训练集与预测集的合理划分。为了有效提高模型的预测性能,对原始光谱进行平滑、标准正态变换、去趋势等6种预处理方法结合偏最小二乘回归(PLSR)和多元线性回归(MLR)建立紫外全光谱法的线性预测模型。实验结果表明,线性模型对于低浓度样本预测误差大,去趋势结合PLSR建立的紫外全光谱模型预测性能较佳。由于水质硝酸盐氮光谱数据与浓度值具有复杂的非线性,基于PLS提取的主成分上建立了BP神经网络和RBF神经网络非线性预测模型。实验结果表明,经过PLS降维预处理可以有效提高模型预测准确度。相比较于PLS-BPNN模型,PLS-RBFNN模型性能稳定、可调节参数少、误差小,适用于水质硝酸盐氮的非线性建模。通过光谱面积积分筛选出临界浓度值3mg/L,建立低浓度样本浓度值与光谱积分面积拟合的一元线性回归预测和高浓度样本PLS-RBF神经网络非线性预测的组合模型,并与PLSR模型和PLS-RBFNN模型相比较。结果显示,组合模型性能最佳,其预测值与真实值的均方根误差(RMSE)为0.3831,平均绝对百分比误差(MAPE)为0.99%,平均绝对误差(MAE)为0.2967,三种参数为模型中最小,相对误差整体较小。相比较于单一模型,组合模型可以实现更准确地预测硝酸盐氮的含量,检测上限高达几百mg/L,并且对“三氮”的另外一种组分亚硝酸盐氮的检测具有一定适用性。鉴于硝酸盐氮和亚硝酸盐氮光谱的相似性,运用PLS-ELM建立一个二分类模型,识别率在一定程度上高达100%。
王雪霁[4](2019)在《基于复杂水体的硝酸盐浓度精细光谱定量分析与预测方法研究》文中认为目前,水资源水环境保护已经引起了世界各国共同关注和高度重视,越来越多的学者开展了水质监测相关研究。近年来,紫外可见光谱技术依据化学法标准并结合回归模型,以其测量程序简单,且可以在不产生二次污染的基础上做到快速检测等优点,被广泛的用于水中硝酸盐及其它参数含量的测量。本文结合自主研发的双光路主动校正连续谱精细获取光谱仪,以全光谱精细分析技术为切入点,详细阐述了水质参数预测中的标准化数据采集流程、光谱数据预处理与分析方法。深入研究了基于峰面积、偏最小二乘法、反向传播神经网络等方法的预测性能,从建模区间优化、建模特征波长筛选、数据降维等角度提出了各类水体中硝酸盐浓度预测的优化算法,并在实际应用中对提出的算法及优化模型进行了验证。体现了紫外可见吸收光谱法预测水中硝酸盐浓度广阔的应用前景和研究价值。本文的主要研究成果和创新点如下:(1)提出了一套针对多样化水体的标准原始光谱数据预处理方法,包括待测样本光谱信息提取及光谱数据预处理。根据双光路主动校正连续谱精细获取光谱仪的特点,从包含光源、暗背景噪声的原始光谱数据中,突出了待测溶液中的硝酸盐的光谱信息,并结合硝酸盐的光谱特征及待测水体的类型,提出了分别适用于低浊度水体和高浊度水体的光谱数据预处理方案。(2)提出了间隔偏最小二乘法-峰面积(iPLS-PA)海水中硝酸盐浓度预测算法。针对目前海水中硝酸盐浓度预测的实际应用中采用的单波长法易受水样中其它物质的干扰的问题,提出采用特征峰面代替特征峰点,并嵌入iPLS进行吸光度区间选择的建模方法,同时,利用小麦岛典型海域海水样本对iPLS-PA算法进行建模验证,最终交叉验证的R2达到了0.9986。(3)提出了局部线性嵌入-反向传播神经网络(LLE-BPNN)高浊度色度水体中硝酸盐浓度预测算法。水体中过高的浊度和色度会使硝酸盐的特征光谱位置发生偏移,同时影响其吸光度与浓度间的线性关系。针对这一问题提出使用BPNN对此类水体中的硝酸盐浓度建模预测以提高预测精度,结合了LLE非线性降维,在保持光谱数据间局部特征的同时将BPNN建模的耗时大幅缩短。利用实验室配制的不同浊度色度及硝酸盐浓度的样本对提出的LLE-BPNN算法进行了实验验证,对其中硝酸盐浓度交叉验证预测的R2由0.7274提升至0.9556,RMSECV由1.3259降低至0.6585,同时建模耗时由991.91s缩短至4.46s。
董辰杨[5](2019)在《基于分光光度法的海水营养盐自动测定系统设计》文中认为海水营养盐一般指海水中的无机氮、磷,硅。作为海洋初级生产力和食物链的基础,海水营养盐的低成本、快速、准确检测对于地球化学、海洋生物学的研究具有重要意义。本文以海水营养盐中的亚硝酸盐、磷酸盐和硅酸盐作为检测对象,搭建了基于分光光度法和流动批量分析技术的海水营养盐自动测定系统。主要研究内容如下:(1)海水营养盐自动测定系统设计制作。主要包括流路及光电检测部分设计、数据采集及驱动电路设计以及LabVIEW上位机软件设计。流路设计部分选用配有2.5mL玻璃注射器及六位分配阀的高精度注射泵作为液体推进装置,液体输送管路均由聚四氟乙烯(PTFE)管构成。光程为15 mm的“Z”型流通池由AutoCAD软件设计并采用石英材质进行制作,LED光源和光电检测器分别连接在流通池两端进行光电检测。在数据采集及驱动电路部分中,恒流驱动电路是基于恒流源芯片进行设计,对作为光源的LED进行恒流驱动。数据采集电路是基于16位模数转换器和STM32系列控制芯片设计,负责对光电检测器输出的电压信号进行采集,数据经处理后由控制芯片通过串口通信发送给上位机软件。基于LabVIEW编写的上位机软件负责整个自动测定系统的运行、暂停、停止和实验参数的输入,通过串口通信完成对注射泵命令的发送及实验数据的接收,同时对实验数据进行处理并转化为实时的曲线显示。(2)海水营养盐自动测定系统对亚硝酸盐、磷酸盐、硅酸盐的定量检测。分别配制三种物质所需要的实验试剂并对实验条件进行了优化。在最优实验条件下连续三天使用自动测定系统分别对亚硝酸盐(0-12μmol/L)、磷酸盐(0-8μmol/L)以及硅酸盐(0-24μmol/L)标准溶液进行了测定,并绘制了工作曲线。结果显示三种物质标准工作曲线的线性拟合度R2均大于0.998,相对标准偏差(RSD)均小于5%。系统对于亚硝酸盐、磷酸盐以及硅酸盐的检出限分别为0.02μmol/L,0.08μmol/L以及0.13μmol/L。对实际海水样品中的亚硝酸盐、磷酸盐及硅酸盐分别进行加标回收率的测定,结果分别为102.7%至106.0%,92.0%至108.7%以及93.4%至102.2%。
何磊[6](2019)在《基于紫外光谱的水体硝酸盐氮预测模型及浊度补偿研究》文中研究表明近年来,水污染问题日益严重,硝酸盐氮污染是主要原因之一。水体中硝酸盐氮的含量过高会造成水体的富营养化,对生态环境造成破坏,饮用水中含量过高时,硝酸盐氮会被还原成亚硝酸盐,对人的身体健康造成很大威胁,因此对此污染物的检测至关重要。紫外吸收光谱法可以实现硝酸盐氮的检测,具有检测速度快、不需要化学试剂辅助造成二次污染等优点。通过实验室的紫外分光光度计采集硝酸盐氮、浊度、以及两者混合溶液的紫外吸收光谱课题主要的研究工作如下:首先,提出了一种基于区间偏最小二乘算法(iPLS)与最小二乘支持向量机算法(LS-SVM)相结合的定量分析模型。通过所有样本的光谱积分分析,筛选出临界浓度值,将样本分低浓度与高浓度两个部分,分别建立不同的预测模型。低浓度样本光谱线性度较好,建立线性的iPLS的回归预测模型,高浓度样本光谱重叠严重,建立LS-SVM的预测模型,然后对iPLS与LS-SVM进行模型融合,并与其他几种定量分析模型进行了对比。该混合预测模型的预测值与真实浓度值的相关系数的平方(R2)为0.9998,预测均方根误差(RMSEP)为0.428,平均绝对误差(MAE)为4.27%,预测效果明显优于其他的定量分析模型。其次,考虑到紫外吸收光谱容易受到浊度的干扰,通过实验分析了硝酸盐氮与不同浊度的混合溶液的紫外吸收光谱,基于此提出一种基于光谱积分的浊度解算模型,通过分析混合溶液的归一化光谱,250260nm与335370nm波段的归一化光谱基本重叠,建立了这两个波段的光谱积分与浊度值的回归模型,通过此回归模型可以解算出混合溶液中的浊度值,进而进行相应的浊度补偿。最后,提出了一种基于补偿曲线的硝酸盐氮浊度补偿方法。通过引入0到1之间的补偿系数k N(?)表征浊度对硝酸盐氮吸收谱的影响。根据实验采集的光谱数据求出不同浊度在硝酸盐氮主要吸收谱区的补偿系数,即可得到不同浊度的补偿曲线。通过浊度解算模型得到混合溶液中的浊度值之后,利用此浊度值的补偿曲线对硝酸盐氮吸收光谱进行浊度补偿,并与其他补偿方法进行了对比,补偿效果明显优于其他方法。
苗攀登[7](2019)在《基于功能化金纳米颗粒的亚硝酸盐纳米传感器的研究及应用》文中进行了进一步梳理亚硝酸盐是一种常见的食品添加剂,主要用于防腐和着色。亚硝酸盐也是一种剧毒物,近年来,与亚硝酸盐有关的食品安全问题时有发生,然而亚硝酸盐的检测方法还不够完备,因此本课题在传统比色法的基础上,将对氨基苯硫酚和萘基乙二胺盐分别修饰到金纳米颗粒上,通过与NO2-的重氮化耦合反应,使金纳米颗粒发生聚集,改变其光学性质,并且改变程度与NO2-的浓度呈正相关,达到检测NO2-的目的。相比于传统比色法,新型检测方法的显色更加明显,可用于裸眼检测,检测线更低,适用于食品中微量亚硝酸盐的快速检测。以亚硝酸钠为研究对象,本课题基于金纳米颗粒的不同的制备方法,建立了三种检测方法:对氨基苯硫酚修饰到水相金纳米颗粒,萘乙二胺反应连接到谷胱甘肽功能化金纳米颗粒上,组成第一种检测方法。标准曲线:y=0.7186x+0.0038,R2=0.9992;对氨基苯硫酚修饰到水相金纳米颗粒,萘乙二胺反应连接到巯基丙酸功能化的金纳米颗粒上,组成第二种检测方法。标准曲线:y=0.767x+0.0029,R2=0.9978;对氨基苯硫酚修饰到水相金纳米颗粒,萘乙二胺反应连接到包被过的油相金纳米颗粒上,组成第三种检测方法。标准曲线:y=0.4634x+0.0403,R2=0.995。三种检测方法的检测限分别为3.06 ng/mL、4.82 ng/mL、10.14 ng/mL,加标回收率分别为94.96-102.76%、94.42-103.29%、93.09-104.75%,相对标准偏差分别是3.76%、3.81%、4.60%。三种检测方法具有良好的准确性、稳定性以及抗干扰能力。用三种检测方法对腌辣白菜的亚硝酸盐含量进行了30天的追踪记录,发现辣白菜中亚硝酸盐的含量呈现先升高再降低的过程,在10天达到最高200μg/g之后逐渐降低,在第23天亚硝酸盐含量降低到18μg/mL达到国家标准要求。对本校周边部分小吃店做了抽样调查,发现50%左右的商家存在亚硝酸盐超标的食品安全问题,并且有亚硝酸盐成倍超标的情况。
徐熠刚[8](2018)在《地下水水质多参数在线监测仪研究与设计》文中研究表明自“一五”计划以来,我国在工业领域取得了长足进步,然而快速的发展带来了一系列的环境问题,其中地下水污染问题是其中之一。近年来,随着国民环保意识的增强,地下水污染问题开始得到广泛的关注。在最新的五年计划中,国家已经将地下水资源监测工作列为主要任务之一,其中实现地下水水质在线监测是该任务的关键。地下水水质在线监测作为水资源保护的重要一环,能够为监测人员提供实时水质数据,当水资源受到污染时,能及时发出预警信息。本课题根据国内外地下水水质在线检测系统的发展现状,提出了一种基于紫外-分光光度法的地下水水质多参数远程在线监测的方案,并根据方案设计了监测样机。具体研究内容可归为以下几点:(1)根据国内外水质监测发展现状,对几种常用的水质监测方法进行比对。结合地下水监测的特点,介绍紫外-分光光度法检测水质的原理及数据处理方法,并对监测系统的光电二极管前置放大电路噪声进行理论分析。(2)完成对地下水水质化学需氧量(COD)、总有机碳(TOC)、硝态氮(NO3-N)、浊度(TURB)四种参数在线监测样机的开发与调试,包括系统结构流程设计、系统硬件电路设计及系统软件设计三部分。(3)根据噪声理论分析,完成光电二极管前置放大电路各元器件参数的配置,并运用PSpice软件进行仿真及验证;完成TOC与COD相关性的数学建模及验证性实验(杭州城区两处地下水水源);完成浊度在0100NTU范围内的地下水浊度补偿数学建模及验证性实验。(4)依据《紫外(UV)吸收水质自动在线监测仪技术要求》规范标准,对监测样机性能指标进行测试。(5)总结课题研究内容,并对仍需研究的问题进行分析与展望。
付泰然[9](2018)在《基于SAE-BP神经网络的水体“三氮”在线预测模型研究》文中指出氨氮、亚硝酸盐氮和硝酸盐氮统称为“三氮”。“三氮”,特别是氨氮和亚硝酸盐氮对于水产养殖动物具有很高的毒性,对于其含量的及时监控非常重要。传统的“三氮”检测法存在价格昂贵、操作繁琐、耗时长等缺点,难以大面积推广,因此急需研发一种能快速的预测养殖水体“三氮”的模型,本文结合物联网以及人工神经网络的技术特点,展开了对“三氮”浓度实时预测模型的研究,本文的主要内容如下:1、建立水质参数实时监控系统。通过铺设传感器实时采集水体中水质参数的数据,建立基于物联网的水质参数实时监控系统用于温度、pH值、溶解氧、氧化还原电位的实时测定。2、“三氮”浓度数据的采集。本文分别通过纳氏试剂光度法、α-萘胺比色法及双波长紫外分光光度法分别对水中氨氮、亚硝酸盐氮及硝酸盐氮浓度进行测定。通过分析不同试验组中同一时间点的“三氮”浓度,以及四种水质参数:pH值、温度、氧化还原电位、溶解氧的数据,得到以下结论:pH值的升高会使得水体氧化还原电位下降,温度下降会使得水中溶解氧浓度升高,“三氮”浓度受pH值、温度影响较大。3、“三氮”浓度预测模型研究。对“三氮”浓度预测的关键在于获得各种水质参数与“三氮”浓度之间的关联,即提取水质参数数据与“三氮”浓度数据之间的关联,通过一般的经验方法无法完成。本文采用栈式自动编码器(Stacked autoencoder)提取数据的特征,训练采用无监督贪婪训练,在各层网络独立训练完成后,通过监督训练SAE-BP神经网络将预测误差反向传播至SAE网络,实现全局的微调,优化神经网络的各种参数并提升预测准确性。建立“三氮”浓度预测模型的流程:获取水中“三氮”浓度及四种水质参数的数据;进行数据的预处理及归一化处理;使用K折交互验证法将数据分为测试数据集与验证数据集;使用测试集数据对SAE-BP神经网络进行训练及微调;使用验证集数据验证神经网络的预测效果,得到如下结果:氨氮浓度预测结果的R2为0.86757,均方根误差RMSEP为0.1405,预测效果较好;亚硝酸盐氮浓度预测结果的R2为0.95,均方根误差RMSEP为0.099709,可以较为精确的预测亚硝酸盐氮浓度;硝酸盐氮浓度预测结果的R2为0.71824,均方根误差RMSEP为0.29729,预测效果不理想。本研究为建立更完善的“三氮”浓度预测模型提供了参考。
杨努[10](2018)在《海水氮营养盐快速检测技术研究》文中进行了进一步梳理海水氮营养盐包括亚硝酸盐氮、硝酸盐氮、氨氮,多种方法可用于海水氮营养盐的检测,其中传统分光光度法可实现对三种氮营养盐的共同测定,我国《海洋监测规范》等国标中就有相应方法。然而测定海水氮营养盐的传统分光光度法,存在操作繁琐复杂、镉柱制备困难、需多次配制多种试剂等问题,难以用于大洋海水的原位分析,检测结果的时效性差。开发了一种可见分光光度计比色装置,适用于海水氮营养盐(亚硝酸盐氮、硝酸盐氮、氨氮)的检测,可显着提高检测效率和灵敏度。基于亚硝酸盐的重氮-偶合显色反应,氨氮的次溴酸盐氧化法和硝酸盐的硫酸肼还原法,实现了对三种氮营养盐的快速检测。研制了混合显色剂、氧化剂、还原剂等试剂,对各检测条件进行了优化,部分实验条件如下:应用于亚硝酸盐氮快速检测的混合显色剂R1,其主要组成为:0.30 mol/L盐酸、0.03 mol/L磺胺和2.00×10-4 mol/L盐酸萘乙二胺。应用于氨氮快速检测的混合氧化剂,即次溴酸钠氧化液,由溴水溶液和氢氧化钠溶液等体积混合反应得到;其中溴水溶液由盐酸、溴化钾、溴酸钾溶液反应得到,其主要组成为:0.22 mol/L盐酸、2.40×10-3 mol/L溴化钾和4.50× 1 0-4 mol/L溴酸钾;氢氧化钠溶液浓度为1.20 mol/L。应用于硝酸盐氮快速检测的混合还原剂,包括HS-Cu还原液和EDTA碱溶液;其中HS-Cu还原液的主要组成为3.50×l0-3 mol/L硫酸肼(HS)和1.25×10-3 mol/L硫酸铜,EDTA碱溶液的主要组成为0.01 mol/L EDTA和0.30 mol/L氢氧化钠。实验所配混合显色剂、氧化剂、还原剂等试剂均可保持至少35天效果稳定。亚硝酸盐的显色时间为20 min,氨氮的氧化时间为40 min,硝酸盐氮的还原时间和温度分别为40 min、65℃。另外,检测氨氮和硝酸盐氮时,通过加入碱性碳酸钠溶液、进行离心沉淀、取上清液测定的预处理方式,可去除海水中钙镁离子的干扰,碱性碳酸钠溶液的主要组成为:0.28 mol/L碳酸钠和2.80 mol/L氢氧化钠。采用该检测方法,经实际检测试验,取得如下结果:亚硝酸盐氮(NO2--N)检测的线性范围为0~0.05 mg/L,检出限为2.0 μg/L,实际海水样品测定的加标回收率为90%~105%,测定浓度为0.01 mg/L和0.03 mg/L的NO2--N标样所得相对标准偏差RSD分别为6.90%和4.24%:氨氮(NH4+-N)检测的线性范围为0~0.10 mg/L,检出限为2.9 μg/L,实际海水样品测定的加标回收率为90%~1 10%,测定浓度为0.02 mg/L和0.04 mg/L的NH4+-N标样所得相对标准偏差RSD分别为6.73%和5.40%;硝酸盐氮(N03--N)检测的线性范围为0~0.20 mg/L,检出限为3.6μg/L,实际海水样品测定的加标回收率为88%~110%,测定浓度为0.05 mg/L和0.10 mg/L的NO3--N标样所得相对标准偏差RSD分别为6.87%和4.43%。以上结果符合我国现行标准《海洋监测规范》和《海洋调查规范》中对三种氮营养盐的检测方法精密度、准确度等的要求。采用该检测方法对青岛近岸海水进行了实际检测,取得了良好的效果。此海水氮营养盐快速检测技术具有设备简单、操作简便、检测快速、灵敏度高等优点,尤其在大洋海水氮营养盐的原位分析中具有较好的应用价值。
二、系数补偿双波长分光光度法同时测定亚硝酸盐和硝酸盐(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、系数补偿双波长分光光度法同时测定亚硝酸盐和硝酸盐(论文提纲范文)
(1)水体硝酸盐检测方法的研究进展(论文提纲范文)
2 水体硝酸盐的检测方法 |
2.1 光学分析法 |
2.1.1 分光光度法 |
1)酚二磺酸分光光度法 |
2)麝香草酚分光光度法 |
3)紫外分光光度法 |
4)还原法 |
2.1.2 分子发光分析法 |
2.1.3 光谱法 |
2.2 色谱法 |
2.2.1 高效液相色谱法(HPLC) |
2.2.2 离子色谱法 |
2.3 电化学法 |
2.3.1 离子选择电极法 |
2.3.2 极谱法 |
2.3.3 毛细管电泳法 |
2.4 现代光谱方法 |
3 结语与展望 |
(2)皂河黑臭水脱氨氮技术研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 课题研究目的及意义 |
1.2 黑臭水的成因和环境条件 |
1.3 城市污水中氨氮的成因及其危害 |
1.4 西安市皂河污水现状分析 |
1.5 氨氮的测定方法 |
1.6 水体中脱氨氮技术研究进展 |
1.6.1 吹脱法除氨氮技术 |
1.6.2 吸附法(离子交换法) |
1.6.3 折点加氯法 |
1.6.4 化学沉淀法 |
1.6.5 生物法脱氨氮技术 |
1.7 论文研究内容、方法及意义 |
第二章 实验方法 |
2.1 试剂及仪器 |
2.1.1 测量水中氨氮的试剂与仪器 |
2.1.2 测量水中硝酸盐氮主要试剂与仪器 |
2.1.3 测定水中亚硝酸盐氮的试剂与仪器 |
2.2 水中氨氮及COD含量的分析 |
2.2.1 实验步骤 |
2.2.2 测定方法原理 |
2.2.3 干扰及消除 |
2.2.4 试剂配制 |
2.2.5 实验过程 |
2.3 硝酸盐氮的含量分析 |
2.3.1 实验步骤 |
2.3.2 方法原理 |
2.4 亚硝酸盐氮的分析方法 |
2.4.1 实验步骤 |
2.4.2 方法原理 |
2.5 化学氧化去除氨氮实验方法 |
2.6 化学氧化—絮凝处理氨氮实验方法 |
第三章 化学氧化法去除氨氮实验研究 |
3.1 引言 |
3.2 化学氧化去除氨氮研究结果与讨论 |
3.2.1 原水中的氨氮含量分析 |
3.2.2 不同氨氮含量情况下氧化剂及其加量对水中氨氮含量的影响 |
3.2.3 Na Cl O氧化时间对水中氨氮含量的影响 |
3.2.4 原水p H值 Na Cl O去除水中氨氮的影响 |
3.3 小结 |
第四章 化学氧化—絮凝去除氨氮实验研究 |
4.1 引言 |
4.2 实验部分 |
4.2.1 试剂及仪器 |
4.2.2 试验方法 |
4.3 结果与讨论 |
4.3.1 絮凝剂种类及加量的优选 |
4.3.2 不同除氨氮药剂加量对氨氮的去除效果 |
4.3.3 除氨氮药剂加量对COD影响 |
4.3.4 除氨氮药剂作用时间对水中氨氮含量的影响 |
4.3.5 pH值优选 |
4.3.6 加药顺序对处理效果的影响 |
4.4 小结 |
第五章 药剂处理硝酸盐氮、亚硝酸盐氮探究 |
5.1 引言 |
5.2 结果与讨论 |
5.2.1 原水硝酸盐氮测定 |
5.2.2 水中硝酸盐氮去除效果分析 |
5.3 水中亚硝酸盐氮去除效果分析 |
5.3.1 次氯酸钠对水体亚硝酸盐氮含量影响 |
5.3.2 除氨氮药剂加量对水体亚硝酸盐氮含量影响 |
5.3.3 除氨氮药剂反应时间对水体亚硝酸盐氮含量去除效果 |
5.4 小结 |
第六章 探究氨氮去除的反应机理 |
6.1 导语 |
6.2 氮转化规律 |
6.2.1 氨氮去除结果分析 |
6.2.2 COD去除结果分析 |
6.2.3 硝酸盐氮转化结果分析 |
6.2.4 亚硝酸盐氮转化结果分析 |
6.3 皂河黑臭水氮循环规律 |
6.4 药剂促进氨氮转化机理分析 |
6.5 小结 |
第七章 结论 |
致谢 |
参考文献 |
攻读学位期间参加科研情况及获得的学术成果 |
(3)基于紫外吸收光谱的水质硝酸盐氮含量检测技术研究(论文提纲范文)
摘要 |
abstract |
1 绪论 |
1.1 课题研究背景及意义 |
1.1.1 水资源概况 |
1.1.2 课题研究意义 |
1.2 水质硝酸盐氮测定方法概述 |
1.3 国内外研究现状 |
1.3.1 国内外研究进展 |
1.3.2 紫外吸收光谱法研究进展 |
1.4 论文研究内容与章节组织 |
1.4.1 论文的研究内容 |
1.4.2 论文的章节安排 |
2 光谱系统与光谱采集 |
2.1 理论基础 |
2.1.1 分子吸收光谱原理 |
2.1.2 朗伯-比尔定律 |
2.1.3 紫外光谱法的特点 |
2.2 紫外分光光度计 |
2.2.1 系统总体结构 |
2.2.2 分光光度计类型 |
2.2.3 紫外分光光度计测定原理 |
2.3 实验仪器 |
2.4 光谱采集 |
2.4.1 实验室样本制备 |
2.4.2 水质硝酸盐氮标准溶液配制 |
2.4.3 水质硝酸盐氮光谱采集 |
2.5 本章小结 |
3 紫外吸收光谱的水质硝酸盐氮线性预测模型 |
3.1 光谱去噪方法与评价参数 |
3.1.1 光谱去噪方法 |
3.1.2 评价参数 |
3.2 建模方法 |
3.2.1 偏最小二乘法 |
3.2.2 多元线性回归 |
3.3 最佳去噪选择及主成分 |
3.3.1 最佳去噪选择 |
3.3.2 主成分 |
3.4 建模结果 |
3.4.1 PLS预测结果分析 |
3.4.2 多元线性回归预测结果分析 |
3.5 模型比较与结论 |
3.5.1 定量模型评价参数 |
3.5.2 评价结果 |
3.6 本章小结 |
4 紫外吸收光谱的水质硝酸盐氮非线性预测模型 |
4.1 光谱数据的选取及思路 |
4.2 人工神经网络 |
4.3 建模方法 |
4.3.1 BP神经网络 |
4.3.2 RBF神经网路 |
4.4 BP神经网络仿真与实现 |
4.4.1 BP神经网络参数选取 |
4.4.2 预测结果分析 |
4.5 RBF神经网络仿真与实现 |
4.5.1 RBF神经网络参数选取 |
4.5.2 预测结果分析 |
4.6 模型比较与分析 |
4.7 本章小结 |
5 组合模型的建立及对比性研究 |
5.1 组合模型 |
5.2 组合模型与单一模型的对比分析 |
5.3 最优模型的适用性 |
5.3.1 水质亚硝酸盐氮光谱采集 |
5.3.2 模型定量分析结果 |
5.4 水质硝酸盐氮和亚硝酸盐氮的分类识别研究 |
5.4.1 ELM理论基础 |
5.4.2 ELM分类识别结果 |
5.5 本章小结 |
6 总结与展望 |
6.1 全文总结 |
6.2 展望 |
参考文献 |
致谢 |
作者简介、攻读硕士学位期间取得的学术成果 |
(4)基于复杂水体的硝酸盐浓度精细光谱定量分析与预测方法研究(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 研究背景与意义 |
1.1.1 水质监测及意义 |
1.1.2 常用监测方法 |
1.1.3 紫外可见光谱吸收法 |
1.2 国内外研究进展 |
1.2.1 国外研究进展 |
1.2.2 国内研究进展 |
1.3 论文创新点 |
1.4 论文组织结构 |
第2章 光谱数据采集分析系统 |
2.1 传统的紫外可见吸收光谱仪系统设计 |
2.2 双光路主动校正连续谱精细获取光谱仪系统设计 |
2.3 光谱数据采集软件 |
2.4 本章小结 |
第3章 原始光谱数据预处理算法设计 |
3.1 待测溶液光谱信息提取 |
3.2 光谱数据预处理 |
3.2.1 常用的预处理算法 |
3.2.2 预处理算法选择 |
3.3 水质光谱数据预处理流程 |
3.4 本章小结 |
第4章 低浊度水体中硝酸盐浓度预测方法设计 |
4.1 自来水中硝酸盐浓度预测优化模型 |
4.1.1 偏最小二乘法 |
4.1.2 特征波长选择方法 |
4.1.3 自来水中硝酸盐浓度预测模型优化流程 |
4.2 海水中硝酸盐浓度预测算法设计 |
4.2.1 光谱曲线的峰面积 |
4.2.2 间隔偏最小二乘法 |
4.2.3 基于iPLS-PA海水硝酸盐浓度的预测算法 |
4.3 本章小结 |
第5章 高浊度色度水体中硝酸盐浓度预测方法设计 |
5.1 基于流形学习的数据降维方法 |
5.2 反向传播神经网络 |
5.2.1 反向传播神经网络的结构 |
5.2.2 反向传播神经网络的学习算法 |
5.2.3 反向传播神经网络的参数设置 |
5.3 高浊度色度溶液中LLE-BPNN硝酸盐浓度预测算法 |
5.4 本章小结 |
第6章 模型评价与验证应用 |
6.1 模型评价方法 |
6.1.1 交叉验证 |
6.1.2 评价指标 |
6.2 实验样本配制采集流程 |
6.2.1 水样配制 |
6.2.2 实验数据采集 |
6.3 提出模型的验证与应用 |
6.3.1 自来水中硝酸盐浓度预测模型优化的验证 |
6.3.2 iPLS-PA算法在小麦岛海水样本集中的验证 |
6.3.3 LLE-BPNN算法在高浊度色度样本集中的验证 |
6.4 本章小结 |
第7章 总结与展望 |
7.1 总结 |
7.2 展望 |
参考文献 |
附录 |
Ⅰ.自来水样本浓度设置表 |
Ⅱ.小麦岛海水样本浓度设置表 |
Ⅲ.高浊度色度溶液样本浓度设置表 |
致谢 |
作者简历及攻读学位期间发表的学术论文与研究成果 |
(5)基于分光光度法的海水营养盐自动测定系统设计(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
§1.1 海水营养盐概述 |
§1.2 海水营养盐检测意义 |
§1.3 海水营养盐检测技术及方法 |
§1.3.1 分光光度法 |
§1.3.2 其他检测方法 |
§1.4 研究主要内容和本文创新点 |
§1.4.1 研究主要内容 |
§1.4.2 本文创新点 |
第二章 海水营养盐自动测定系统设计 |
§2.1 引言 |
§2.2 系统总体设计 |
§2.3 流路及光电检测部分设计 |
§2.3.1 流路部分设计 |
§2.3.2 光电检测部分设计 |
§2.4 数据采集及驱动电路设计 |
§2.4.1 数据采集电路设计 |
§2.4.2 驱动电路设计 |
§2.5 基于Lab VIEW上位机软件设计 |
§2.5.1 上位机软件逻辑流程 |
§2.5.2 程序前面板设计 |
§2.5.3 数据采集及泵阀控制信号输出 |
§2.5.4 数据处理及曲线实时绘制 |
§2.6 本章小结 |
第三章 海水营养盐自动测定系统对亚硝酸盐的检测 |
§3.1 引言 |
§3.2 实验部分 |
§3.2.1 试剂与仪器 |
§3.2.2 实验方法及原理 |
§3.3 结果与讨论 |
§3.3.1 实验参数的优化 |
§3.3.2 工作曲线的绘制 |
§3.3.3 样品回收率检测 |
§3.4 本章小结 |
第四章 海水营养盐自动测定系统对磷酸盐的检测 |
§4.1 引言 |
§4.2 实验部分 |
§4.2.1 试剂与仪器 |
§4.2.2 实验方法及原理 |
§4.3 结果与讨论 |
§4.3.1 实验参数的优化 |
§4.3.2 工作曲线的绘制 |
§4.3.3 样品回收率检测 |
§4.4 本章小结 |
第五章 海水营养盐自动测定系统对硅酸盐的检测 |
§5.1 引言 |
§5.2 实验部分 |
§5.2.1 试剂与仪器 |
§5.2.2 实验方法及原理 |
§5.3 结果与讨论 |
§5.3.1 实验参数的优化 |
§5.3.2 工作曲线的绘制 |
§5.3.3 样品回收率检测 |
§5.4 本章小结 |
第六章 总结与展望 |
§6.1 总结 |
§6.2 展望 |
参考文献 |
致谢 |
作者在攻读硕士期间的主要研究成果 |
(6)基于紫外光谱的水体硝酸盐氮预测模型及浊度补偿研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 课题研究背景与意义 |
1.2 国内外研究现状及分析 |
1.2.1 硝酸盐氮检测方法进展 |
1.2.2 紫外吸收光谱法研究进展 |
1.3 课题来源和论文主要工作 |
第2章 紫外吸收光谱法水质检测原理 |
2.1 分子吸收光谱原理 |
2.2 紫外光谱法吸收原理 |
2.2.1 朗伯-比尔定律 |
2.2.2 朗伯-比尔定律偏离因素分析 |
2.3 紫外吸收光谱采集 |
2.4 本章小结 |
第3章 光谱分析与建模基础理论 |
3.1 数据预处理 |
3.2 建模算法 |
3.2.1 多元线性回归 |
3.2.2 主成分回归 |
3.2.3 偏最小二乘回归 |
3.2.4 支持向量机回归 |
3.2.5 最小二乘支持向量机回归 |
3.3 模型评价标准 |
3.4 本章小结 |
第4章 基于紫外光谱的硝酸盐氮预测模型研究 |
4.1 硝酸盐氮紫外吸收光谱 |
4.2 硝酸盐氮双波长法回归分析 |
4.3 基于紫外光谱的硝酸盐氮混合预测模型 |
4.3.1 硝酸盐氮光谱积分分析 |
4.3.2 线性回归预测模型 |
4.3.3 非线性回归预测模型 |
4.3.4 混合预测模型分析 |
4.4 本章小结 |
第5章 基于紫外光谱的硝酸盐氮浊度补偿研究 |
5.1 浊度溶液与混合溶液紫外吸收光谱 |
5.1.1 浊度吸收光谱 |
5.1.2 混合溶液吸收光谱 |
5.2 浊度解算模型 |
5.2.1 浊度归一化光谱分析 |
5.2.2 基于光谱积分浊度解算模型 |
5.3 基于补偿曲线的浊度补偿 |
5.3.1 浊度补偿原理 |
5.3.2 补偿结果分析 |
5.4 本章小结 |
结论 |
参考文献 |
攻读硕士学位期间承担的科研任务与主要成果 |
致谢 |
作者简介 |
(7)基于功能化金纳米颗粒的亚硝酸盐纳米传感器的研究及应用(论文提纲范文)
摘要 |
abstracts |
缩略词表 |
第一章 绪论 |
1.1 研究背景和意义 |
1.2 研究现状 |
1.2.1 亚硝酸盐概述 |
1.2.2 亚硝酸盐检测方法的研究现状 |
1.2.3 金纳米颗粒及其功能化应用的研究现状 |
1.3 研究目标 |
1.4 研究内容 |
第二章 功能化金纳米颗粒的制备以及检测方法的建立 |
2.1 试验材料 |
2.1.1 主要试验试剂 |
2.1.2 主要试验仪器 |
2.2 试验方法 |
2.2.1 试验原理 |
2.2.2 功能化水相金纳米颗粒 |
2.2.1.1 水相金纳米颗粒的制备 |
2.2.1.2 ρ-ATP修饰水相金纳米颗粒 |
2.2.3 油相金纳米颗粒的制备以及包被 |
2.2.4 NED修饰(水、油)金纳米颗粒 |
2.2.5 三种检测方法的建立 |
2.3 试验结果 |
2.3.1 功能化金纳米颗粒的透射电子显微镜表征 |
2.3.2 功能化金纳米颗粒的紫外吸收图谱 |
2.3.3 功能化金纳米颗粒的粒径和电位表征 |
2.3.4 功能化金纳米颗粒的琼脂糖电泳表征 |
2.4 本章小结 |
第三章 三种检测方法的研究 |
3.1 试验材料 |
3.1.1 主要试验试剂 |
3.1.2 主要试验仪器 |
3.2 试验方法 |
3.2.1 三种检测方法的标准曲线及其检测限 |
3.2.2 三种检测方法的稳定性试验 |
3.2.3 三种检测方法的加标回收试验 |
3.2.4 亚硝酸盐传统比色法 |
3.3 试验结果 |
3.3.1 第二种检测方法的标准曲线以及检测限 |
3.3.2 第二种检测方法的标准曲线以及检测限 |
3.3.3 第三种检测方法的标准曲线以及检测限 |
3.3.4 三种检测方法的稳定性 |
3.3.5 三种方法的加标回收试验 |
3.3.6 三种检测方法与传统比色法的对比 |
3.4 本章小结 |
第四章 三种检测方法的应用研究以及与传统比色法的比较 |
4.1 试验材料 |
4.1.1 试验原料 |
4.1.2 试验试剂 |
4.1.3 试验仪器 |
4.2 试验方法 |
4.2.1 样品前处理方法 |
4.2.2 白菜的腌制过程和取样 |
4.2.3 学校周边小吃店调查取样 |
4.3 试验结果 |
4.3.1 腌辣白菜的亚硝酸盐含量追踪记录 |
4.3.2 学校周边小吃店调查取样检测结果 |
4.4 本章小结 |
结论与展望 |
结论 |
展望 |
创新点 |
参考文献 |
致谢 |
个人简介 |
(8)地下水水质多参数在线监测仪研究与设计(论文提纲范文)
致谢 |
摘要 |
abstract |
1 绪论 |
1.1 课题研究背景与意义 |
1.2 地下水水质多参数在线监测的基本概念及意义 |
1.3 地下水水质监测仪研究现状 |
1.3.1 国外地下水水质监测技术的发展现状 |
1.3.2 我国地下水水质监测技术的发展现状及存在的问题 |
1.4 研究内容与全文安排 |
1.4.1 研究内容 |
1.4.2 全文安排 |
2 水质检测方法与光电电路噪声介绍 |
2.1 水质分析方法 |
2.2 分光光度法概述及原理分析 |
2.2.1 物质对光的选择性吸收 |
2.2.2 朗伯-比尔定律 |
2.3 分光光度法测量污染物的方法及原理分析 |
2.3.1 COD测量方法及原理 |
2.3.2 TOC测量方法及原理 |
2.3.3 NO3-N测量方法及原理 |
2.3.4 TURB测量方法及原理 |
2.4 基于分光光度法的数据分析方法介绍 |
2.4.1 线性回归方法 |
2.5 光电二极管前置放大电路噪声原理分析 |
2.5.1 光电二极管噪声原理分析 |
2.5.2 光电放大电路噪声原理分析 |
3 系统结构流程设计与软硬件设计介绍 |
3.1 系统结构流程设计介绍 |
3.1.1 检测子系统 |
3.1.2 管路子系统 |
3.1.3 控制子系统 |
3.2 系统硬件设计介绍 |
3.2.1 基于STM32最小系统设计 |
3.2.2 液位检测模块设计 |
3.2.3 水泵控制模块设计 |
3.2.4 电机控制模块设计 |
3.2.5 光强检测模块 |
3.2.6 RS-232串口传输模块设计 |
3.2.7 GPRS传输模块介绍 |
3.3 软件设计介绍 |
3.3.1 人机交互触摸屏与控制模块通讯子程序设计 |
3.3.2 控制脉冲子程序设计 |
3.3.3 人机交互触摸屏界面设计 |
4 低噪声光电放大电路设计与水质数据建模分析及验证 |
4.1 低噪声光电放大电路设计 |
4.1.2 光电放大电路参数选择 |
4.1.3 光电放大电路仿真验证 |
4.2 COD与TOC线性相关性建模与验证 |
4.2.1 COD与TOC线性相关性建模 |
4.2.2 COD与TOC回归模型验证 |
4.3 COD浊度补偿分析与验证 |
4.3.1 COD吸光度与浊度关系建模 |
4.3.2 COD吸光度与浊度关系模型验证 |
5 系统性能指标测试研究 |
5.1 地下水水质多参数在线监测仪性能测试要求及介绍 |
5.1.1 地下水水质多参数在线监测仪性能指标要求 |
5.1.2 地下水水质多参数在线监测仪性能指标介绍 |
5.2 地下水水质多参数在线监测仪性能测试 |
5.2.1 系统性能测试 |
5.2.2 COD检测性能指标测试 |
5.2.3 TOC检测性能指标测试 |
5.2.4 NO3-N检测性能指标测试 |
5.2.5 TURB检测性能指标测试 |
6 总结与展望 |
6.1 全文总结 |
6.2 展望 |
参考文献 |
附录 地下水水质多参数在线监测仪样机实物 |
作者简介 |
(9)基于SAE-BP神经网络的水体“三氮”在线预测模型研究(论文提纲范文)
摘要 |
Abstract |
缩略语表(Abbreviation) |
第一章 文献综述 |
1.1 养殖水体“三氮”概述 |
1.1.1 水体氮的来源以及存在形式 |
1.1.2 氨氮的危害 |
1.1.3 亚硝酸盐的危害 |
1.1.4 硝酸盐的危害 |
1.1.5 影响水体“三氮”含量的因素 |
1.2 水质预测研究概述 |
1.3 神经网络概述 |
1.3.1 神经网络概念 |
1.3.2 传统BP神经网络 |
1.3.3 自动编码器 |
1.3.4 栈式自动编码器 |
1.4 研究目的和意义 |
第二章 水质参数及“三氮”数据采集 |
2.1 预测模型参数的选择 |
2.2 水质参数监测平台概述 |
2.2.1 水质参数监测系统总体架构与工作原理 |
2.2.2 前端监测设备硬件结构 |
2.3 “三氮”含量测定方法的选择 |
2.4 “三氮”浓度测定及原理 |
2.4.1 纳氏比色法测定氨氮浓度 |
2.4.2 α-萘胺比色法测定亚硝酸盐氮浓度 |
2.4.3 双波长紫外分光光度法测定硝酸盐氮浓度 |
2.4.4 “三氮”测定的标准曲线 |
2.5 水样的预处理 |
2.6 试验分组及结果 |
2.6.1 氨氮 |
2.6.2 亚硝酸盐氮 |
2.6.3 硝酸盐氮 |
2.7 水质参数与“三氮”之间的相关性 |
2.7.1 水质参数彼此之间的相关性 |
2.7.2 pH以及温度与氨氮浓度之间的相关性 |
2.7.3 pH值以及温度与亚硝酸盐氮浓度之间的相关性 |
2.7.4 温度与硝酸盐氮浓度之间的相关性 |
第三章 建立基于SAE-BP神经网络的水质预测模型 |
3.1 建模所用软件的选择 |
3.2 原始数据的预处理 |
3.3 训练样本集与预测样本集的选择 |
3.4 确定神经网络的各项参数 |
3.5 SAE-BP神经网络的网络结构 |
3.6 模型的训练结果 |
3.6.1 SAE-BP神经网络对氨氮的预测 |
3.6.2 SAE-BP神经网络对亚硝酸盐氮的预测 |
3.6.3 SAE-BP神经网络对硝酸盐氮的预测 |
第四章 讨论 |
4.1 与其他“三氮”预测模型的分析对比 |
4.1.1 氨氮预测模型 |
4.1.2 亚硝酸盐氮预测模型 |
4.2 水质参数选取讨论 |
4.3 模型优化讨论 |
4.4 模型应用讨论 |
全文总结 |
参考文献 |
硕士期间发表论文 |
致谢 |
(10)海水氮营养盐快速检测技术研究(论文提纲范文)
摘要 |
ABSTRACT |
1 绪论 |
1.1 选题背景 |
1.2 课题提出 |
1.3 国内外研究进展 |
1.4 研究目的和意义 |
1.5 技术路线 |
2 海水亚硝酸盐氮快速检测研究 |
2.1 原理 |
2.2 实验部分 |
2.3 结果与讨论 |
2.4 方法评价和海水实测 |
3 海水氨氮快速检测研究 |
3.1 原理 |
3.2 实验部分 |
3.3 结果与讨论 |
3.4 方法评价及海水实测 |
4 海水硝酸盐氮快速检测研究 |
4.1 原理 |
4.2 实验部分 |
4.3 结果与讨论 |
4.4 方法评价和海水实测 |
5 结论 |
参考文献 |
致谢 |
攻读硕士期间取得的学术成果和获奖情况 |
学位论文数据集 |
四、系数补偿双波长分光光度法同时测定亚硝酸盐和硝酸盐(论文参考文献)
- [1]水体硝酸盐检测方法的研究进展[J]. 干方群,吴珂,马菲,杜昌文. 中国无机分析化学, 2022
- [2]皂河黑臭水脱氨氮技术研究[D]. 贺琳杰. 西安石油大学, 2021(09)
- [3]基于紫外吸收光谱的水质硝酸盐氮含量检测技术研究[D]. 任方涛. 河南工业大学, 2020(01)
- [4]基于复杂水体的硝酸盐浓度精细光谱定量分析与预测方法研究[D]. 王雪霁. 中国科学院大学(中国科学院西安光学精密机械研究所), 2019(05)
- [5]基于分光光度法的海水营养盐自动测定系统设计[D]. 董辰杨. 桂林电子科技大学, 2019(01)
- [6]基于紫外光谱的水体硝酸盐氮预测模型及浊度补偿研究[D]. 何磊. 燕山大学, 2019(03)
- [7]基于功能化金纳米颗粒的亚硝酸盐纳米传感器的研究及应用[D]. 苗攀登. 河南工业大学, 2019(02)
- [8]地下水水质多参数在线监测仪研究与设计[D]. 徐熠刚. 中国计量大学, 2018(01)
- [9]基于SAE-BP神经网络的水体“三氮”在线预测模型研究[D]. 付泰然. 华中农业大学, 2018(02)
- [10]海水氮营养盐快速检测技术研究[D]. 杨努. 山东科技大学, 2018(03)
标签:亚硝酸盐论文; 紫外-可见分光光度法论文; 水质检测论文; 海水温度论文;