简介:建立了一种在线富集-液相色谱法检测水体中多环芳烃的方法,通过优化色谱条件,可不经萃取浓缩直接上机检测水样,取样体积仅为2.5ml.除苊烯不能用荧光检测器检测外,其余15种多环芳烃的加标回收率为70.24%(苊)-117.25%(二苯并(a,h)蒽),相对标准偏差(n=5)在1.70%([艹屈])-11.21%(茚并(1,2,3-c,d)芘)之间,检出限在1.51ng/L(苯并(k)荧蒽)-44.4ng/L(茚并(1,2,3-c,d)芘)之间,基本满足痕量分析要求.利用该方法测定实际样品中多环芳烃的浓度为0.053ng/L(苊)-2.751ng/L(芴).
简介:为了给工业界提供一种快速预测二元混合液体自燃温度的有效途径,将试验所测不同组分及配比的168个二元混合液体的自燃温度作为期望输出,将基于电性拓扑状态指数(ETSI)理论、引入混合ETSI概念而计算出的9种原子类型所对应的混合ETSI作为输入,采用三层BP神经网络技术建立了根据原子类型混合ETSI来预测混合液体自燃温度的BP神经网络模型,并应用改进的Garson算法进行多参数敏感性分析。经模型评价验证及稳定性分析,得到训练集的决定系数R2为0.965,平均绝对误差MAE为11.892K,测试集的交叉验证系数Q2ext为0.923,平均绝对误差MAE为15.530K,发现该模型的预测性能优于已有的多元非线性回归(MNR)模型,表明BP神经网络模型具有较好的拟合能力和预测能力,对烷、醇类混合体系自燃温度的预测精度最佳。