一种利用多壁碳纳米管检测烟草中多种农药残留的方法

    公开(公告)号:CN104777251A

    公开(公告)日:2015-07-15

    申请号:CN201510170622.3

    申请日:2015-04-13

    IPC分类号: G01N30/02

    摘要: 一种利用多壁碳纳米管检测烟草中多种农药残留的方法,其特征在于:该方法用有机溶剂提取,以多壁碳纳米管作为逆固相分散吸附剂,通过涡旋、离心对烟草样品进行净化,并结合高效液相色谱-串联质谱联用技术、气相色谱-串联质谱联用技术实现对烟草中多种农药残留量的同时检测。本发明用多壁碳纳米管作为逆固相分散吸附剂,净化效果好,在降低基质效应的同时,亦排除了常用的极性吸附剂PSA对目标分析物吸附而造成的影响,并提供更干净的上机溶液,减少了仪器在使用过程中的维护;多壁碳纳米管制备成本低,用量少,极大降低了实验成本;本发明具有测定准确、快速、灵敏度高、重复性好,可满足对大批量样品进行快速分析检测的需要。

    一种卷烟烟气中砷元素形态的分析方法

    公开(公告)号:CN103954707A

    公开(公告)日:2014-07-30

    申请号:CN201410206285.4

    申请日:2014-05-16

    IPC分类号: G01N30/02 G01N30/08

    摘要: 一种卷烟烟气中砷元素形态的分析方法,其特征在于:采用带有静电捕集装置的转盘吸烟机捕集烟气粒相物中的砷,用磷酸氢二铵溶液萃取粒相物中不同形态的砷化合物,再用HPLC-ICP-MS联用技术定量分析不同形态砷元素的释放量,从而实现卷烟主流烟气中砷元素形态释放量的定量分析。本发明的优点在于:样品前处理简便快速、萃取试剂消耗少、As元素形态分离效果佳,分析干扰少、灵敏高、线性范围宽、精密度高,为准确评估卷烟主流烟气中As元素的安全风险评估提供技术支撑。

    一种测定卷烟主流烟气中氨的方法

    公开(公告)号:CN102012418A

    公开(公告)日:2011-04-13

    申请号:CN201010530910.2

    申请日:2010-11-04

    IPC分类号: G01N33/00 G01N1/28 G01N1/38

    摘要: 一种测定卷烟主流烟气中氨的方法,其特征在于:所述方法包括以下步骤:a、卷烟主流烟气中氨的捕集:采用剑桥滤片捕集主流烟气中粒相物的氨,用盛有20mL0.01mon/LHCl溶液的吸收瓶捕集气相物中的氨;b、样品前处理:将捕集烟气粒相物的剑桥滤片放入容器中,加入20mL0.01mol/LHCl,置于振荡器上振荡40min,然后分别移取粒相物萃取液和气相吸收液各5mL,混合于容器中,混合均匀,得到卷烟主流烟气中氨的制备液;c、氨的制备液经0.45um微膜过滤后,即可直接用连续流动分析仪分析,每个样品测定仅需要2min,即可测定出卷烟主流烟气中氨的释放量。

    一种检测烟草中有机磷农药残留量的方法

    公开(公告)号:CN101799460A

    公开(公告)日:2010-08-11

    申请号:CN201010158559.9

    申请日:2010-04-28

    IPC分类号: G01N30/02 G01N30/72 G01N1/34

    摘要: 本发明公开了一种检测烟草中有机磷农药残留量的方法,包括如下样品前处理:加入烟草样品重量5-15倍的水浸泡,再加入每克烟草样品10-20ml的萃取剂进行萃取,萃取后进行离心取部分上层有机相清液经净化处理、氮气吹拂浓缩,然后加入丙酮溶液,经0.22μm有机相滤膜过滤得到样品溶液;其中萃取剂为乙腈和丙酮的混合液,乙腈与丙酮的体积比为1-2:1;前处理后,将得到的样品溶液以氯唑磷为内标物采用气相色谱质谱法检测样品溶液中的有机磷农药残留量。本发明的方法,采用以乙腈和丙酮的混合液为萃取剂的前处理步骤,能够有效的将样品中的目标物萃取到有机相中,大大提高了检测的精准度。

    一种热词提取方法及装置
    8.
    发明公开

    公开(公告)号:CN113988053A

    公开(公告)日:2022-01-28

    申请号:CN202111235555.0

    申请日:2021-10-22

    摘要: 本发明属于软科学技术领域,具体涉及一种热词提取方法及装置。该方法首先获取所有候选词,统计各个候选词在不同时间段内出现的频率数据;对于每个候选词,按照时间顺序对频率数据进行排序得到原始序列,按照频率大小关系对频率数据进行排序得到排序序列;进而计算每个候选词的增长量能和重排损失,以计算得到每个候选词的热度,从中挑选出热度高的候选词作为热词。该方法热词提取精准度较高;而且,该方法基于排序序列进行分析,排除了噪声性波动的干扰,进一步提升了热词提取的准确性;另外,该方法不依赖任何数据集,对参数不敏感,普适性较高。