排序方式: 共有12条查询结果,搜索用时 31 毫秒
1.
2.
南昌县农机管理局在各级政府和业务部门的大力支持下,自1997年以来,已投入资金100多万元用于购置联合收割机、抛秧机、板田开沟机、化肥深施器和工厂化育秧设备等,为农业生产全过程机械化上了新水平。 南昌县是全国商品粮基地县之一,年产粮食超15亿斤。农田作业机械化有着悠久的历史。现在,全县农业机械拥有量已达34.6万千瓦,农田作业、植保、脱粒、灌溉、农村运输、农副产品加工等基本实现了机械化和半机械化。1997年,被农业部定 相似文献
3.
4.
5.
应用近红外光谱结合化学计量学方法对蜂蜜产地进行了判别分析。kennard-Stone法划分训练集和预测集。光谱用一阶导数加自归一化预处理后,再用小波变换(WT)进行压缩和滤噪。结合滤波后光谱信息,分别用径向基神经网络(RBFNN)和偏最小二乘-线性判别分析(PLS-LDA)建立了苹果蜜产地和油菜蜜产地判别模型。对不同小波基和分解尺度进行了详细讨论。对苹果蜜,WT-RBFNN模型和WT-PLS-LDA模型都是小波基为db1、分解尺度为2时的预测精度最好,都为96.2%。对油菜蜜:WT-RBFNN模型在小波基为db4和分解尺度为1时,预测精度最好;WT-PLS-LDA模型在小波基为db9、分解尺度也为1时,预测精度最好,为90.5%;预测精度WT-PLS-LDA模型优于WT-RBFNN模型。研究表明:WT结合线性的PLS-LDA建模比WT结合非线性的RBFNN建模更适于蜂蜜产地鉴别;近红外光谱结合WT-PLS-LDA可实现对蜂蜜产地的快速无损检测,为蜂蜜产地鉴别提供了一种新方法。 相似文献
6.
拉曼光谱法无损检测蜂蜜中的果糖和葡萄糖含量 总被引:5,自引:3,他引:2
应用拉曼光谱结合化学计量学方法对蜂蜜果糖和葡萄糖含量进行了定量分析。用自适应迭代重加权惩罚最小二乘(adaptive iteratively reweighted penalized least squares,airPLS)算法进行基线校正,用竞争性自适应重加权采样(competitive adaptive reweighted sampling,CARS)算法筛选变量,分别用线性的偏最小二乘(partial least squares,PLS)回归算法和非线性的支持向量机(support vector machines,SVM)回归算法建立定量校正模型,并进行预测。2种模型都有较好的预测结果。对果糖,SVM模型预测值与高效液相色谱法(high performance liquid chromatography,HPLC)测定值的相关系数(R)和预测均方根误差(root mean square error of prediction,RMSEP)分别为0.902和1.401,略优于PLS模型(R为0.892,RMSEP为1.604);对葡萄糖,PLS模型的R和RMSEP分别为0.968和0.669,优于SVM模型(R为0.933,RMSEP为1.410)。结果表明拉曼光谱结合化学计量学方法可快速无损测定蜂蜜果糖和葡萄糖含量。 相似文献
7.
以CaCl2为沉淀剂,加入适量FeCl3作絮凝剂,对钽铌厂矿石分解工序含氟量为1596mg/L的碱性废水进行除氟试验.研究了Ca2+/F-摩尔比、絮凝剂种类、絮凝剂用量、废水pH值、混凝搅拌时间等因素对水中残氟量的影响.结果表明:按Ca2+/F-摩尔比为3加入CaCl2,按30mg/L加入FeCl3,混凝搅拌5min,静置1h后,废水含氟量可降至8.1mg/L,达到国家污水综合排放标准中的一级标准. 相似文献
8.
建立了一种离子选择性电极法测定氟的新方法.该方法在体积为100.0 mL、量浓度为1.000×10-4 mol·L-1的标准溶液中加入1.000 mL 较高浓度试样,加入前后测定其电动势,由这两个电动势和溶液体积计算试样的含氟量.10次测定的标准偏差S为0.0 027~0.0 039,相对标准偏差SR为0.017~0.039,3个水平、6次测定的回收率在95.0 %~100.8 %之间.该方法用于分析工业废水和化学试剂简便快速、准确可靠,得到了满意的结果. 相似文献
9.
用N aNO2-A l(NO3)3比色法在510 nm处测定箬竹叶乙醇提取液吸光度,以芦丁为标准品,建立了芦丁标准工作曲线回归方程:c(m g.L-1)=95.43A-0.735 9,相关系数r=0.999 8.通过稳定性实验确定了显色后溶液吸光度的测定时间;通过正交实验确定了水浴提取和超声提取的最佳条件,并实验了提取次数对箬竹叶总黄酮含量的影响,测得箬竹叶总黄酮含量为1.38%;通过回收率实验,表明此法测定箬竹叶总黄酮含量准确可靠. 相似文献
10.
近红外光谱结合化学计量学方法检测蜂蜜产地 总被引:8,自引:4,他引:4
为了实现蜂蜜产地的快速判别,应用近红外光谱结合化学计量学方法对蜂蜜产地进行了判别分析。kennard-Stone法划分训练集和预测集。光谱用一阶导数加自归一化预处理后,再用小波变换(WT)进行压缩和滤噪。结合滤波后光谱信息,分别用径向基神经网络(RBFNN)和偏最小二乘-线性判别分析(PLS-LDA)建立了苹果蜜产地和油菜蜜产地的判别模型。对不同小波基和分解尺度进行了讨论。对苹果蜜,WT-RBFNN模型和WT-PLS-LDA模型都是小波基为db1、分解尺度为2时的预测精度较好,都为96.2%。对油菜蜜:WT-RBFNN模型在小波基为db4和分解尺度为1时,预测精度较好,为85.7%;WT-PLS-LDA模型在小波基为db9、分解尺度也为1时,预测精度较好,为90.5%。研究表明:WT结合线性的PLS-LDA建模比WT结合非线性的RBFNN建模更适于蜂蜜产地判别;近红外光谱技术具有快速判别蜂蜜产地的潜力。 相似文献