简介:通过对电感耦合等离子体发射光谱法(ICP-OES)测定首饰中镍释放量不确定度的评定,建立了该分析过程的相应数学模型,对数学模型中各个参数进行不确定度来源分析。研究结果表明:测量重复性、标准工作曲线拟合线性方程以及配制标准工作溶液是不确定度的主要来源。通过计算,首饰中镍释放量的合成标准不确定度为0.0486μg/(cm^2.week),当包含因子k=2,置信水平为95%时,扩展不确定度为0.0971μg/(cm^2.week)。
简介:运用N2O-C2H2火焰原子吸收光谱法进行氢镍电池材料用氧化锆布膜中铁的测试研究。介绍了铁的最佳测试条件,对样品的消化处理,以及在测试过程中对样品干扰因素进行了分析。测定样品中铁含量相对标准偏差均小于1.0%(测定次数n=6),加标回收率均在97.0%~98.3%(n=6)范围。该方法具有简便、快速、灵敏度高、重现性好等特点,准确度与精密度均能满足氢镍电池研制工作的要求。
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。
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.