河北礦土檢測 燈用熒光粉檢測

礦石檢測

礦石一般分為貧礦石、普通礦石和富礦石。有時僅分為貧礦石和富礦石，這種劃分沒有統一的標準，一般每個工業部門和礦區都有各自的計算范圍。按所含有用礦物性質和利用的特征分為有色金屬礦、貴金屬礦、黑色金屬礦、和非金屬礦。

  檢測項目及檢測范圍                              

    品位檢測：礦石中有用成分（元素或礦物）重量和礦石重量之比稱為礦石品位，金、鉑等貴金屬礦石用克/噸表示，其他礦石常用百分數表示。常用礦石品位來衡量礦石的價值，但同時礦物中有害雜質的多少也影響礦石價值。 

    礦石定性半定量分析：對于未知礦石，可采用定性半定量分析，初步判定該礦物為何種礦石。      

     分析方法：

     1、干法分析  所用的試樣無須制成溶液，如微譜分析、焰色分析、原子發射光譜法、X射線熒光光譜分析法等。

     2、濕法分析  需將試樣配成溶液，常用的溶劑有水、酸、堿溶液。不溶于上述溶劑的試樣可用碳酸鈉、、liusuan鉀等助熔劑使試樣熔融分解，然后再溶于水或稀酸。

    礦石全元素定量分析：在定性分析完成之后，通過化學分析以及一系列儀器，對該礦樣進行所有元素含量的準確測定（包括礦物中有害雜質的含量測定及微量元素的含量測定）。

    分析方法：

   1、化學分析法

  （1）容量分析法：酸堿滴定法，氧化還原滴定法，絡合滴定法，沉淀滴定法等。

  （2）重量分析法

   2、儀器分析法

  （1）色譜分析法：氣相色譜法，高效液相色譜法

  （2）電化學分析法：伏安分析法，庫侖分析法，電位分析法

  （3）光學分析法：原子吸收法，原子發射法，紅外光譜法，紫外光譜法，吸光光度法，拉曼光譜法

    更多檢測詳情，歡迎來電咨詢了解！

我司可為各位新老客戶檢測的油品有八大類19小類166種產品500多個參數，其中燃料油類18種（含車用、航空、船用、爐用和其它燃料），潤滑油類42種（含內燃機油、齒輪油、液壓油、變壓器油等），潤滑脂類40種，石蠟類17種（含石蠟、白油、和凡士林等），瀝青類7種，溶劑油類6種，有機化工類35種（含醇、醚、酮、酸及酯、芳烴等）和煤產品，還可檢測石腦油、汽油潤滑油及重質油品的Fe、Ni、V、Cr、Pb、Al、Cu、Zn、Na、Ca、Mg、P、Si、Hg、As等元素，其中能按國際**標準進行檢測的參數有100多個。

       鑒聯檢測有良好的內部機制，優良的工作環境以及良好的激勵機制，由一批高素質、高水平、高效率的人才組成，擁有完善的技術研發力量、專 業的實驗設備和成熟的售后服務團隊。在檢驗檢測領域有著豐富經驗，擁有許多種檢測手段，覆蓋金屬材料、有機分析，無機分析，儀器分析等檢測手段。熟悉現行的GB/ISO/JIS/STMA/EN/DIN/BS/GOST等國內外**的技術標準，掌握著新的檢測方法。并與多家檢測認證機構保持長期緊密合作關系，由鑒聯檢測出具的檢測報告得到眾多國際機構認可，我們有能力為客戶提供一站式解決檢測問題的解決方案。

檢驗請資詢本公司李工

行業資訊：

　基于HHC的差異代謝物分析　為去除冗余特征，建立了HHC模型對ADB－BUTINACA在不同 時間段斑馬魚體內產生的代謝物進行聚類分析，以直觀獲得差異代謝物間的相關性聯系。對原始數據 進行 UV 歸一化處理，而后采用 Spearman 聚類　差異代謝物鑒定　基于非靶向代謝組學方法對 ADB－BUTINACA 在不同時間段斑馬魚體內的 差異代謝物進行分析，結果見表1。結合圖1和圖2可知，在OPLS－DA和HHC方法中均為潛在差異代 謝物的共有 7種，分別為 M10、M16、M20、M3、M21、M6和 M1，其結構如圖 3所示。從代謝途徑角 度分析，M10是原藥在酰胺水解和N-烷基側鏈上發生羥基化反應后形成的；M16是原藥先發生環氧化 和水解反應生成二氫二醇（M15），再在N-烷基側鏈上發生羥基化反應后形成的；M21是M15與葡萄糖 醛酸結合得到的代謝物；M20是以M14為基礎，在叔丁基鏈上發生羥基化反應的Ⅱ相代謝產物；M3是 來自原藥吲唑環上的 N 原子脫離丁烷基側鏈*終形成的代謝產物；M6 是由原藥酰胺水解得到的代謝 物；M1是原藥在甲酰胺處發生水解反應的代謝產物。 2. 2　基于Stacking集成模型的靶向代謝組學建模分析　 為使模型的預測性能更穩定，實驗對 Stacking集成模型進行超參數檢驗和敏感度分析，以基分類 器對測試集的預測準確率和受試者工作特征曲線（ROC）下的面積值（AUC）作為模型性能評價指標，從 而找到模型在**狀態時基分類器的*優參數（見表 2）。其中，測試集在基分類器的**狀態時的預 測準確率和AUC值如表3所示。 將表2中達到*優參數條件下的DT、LSSVM和KNN作為基分類器，并將其預測結果作為元分類器方法對預處理后的數據進行分析。分析結果（見圖 2）顯 示，M10、M16、M3、M20、M21、M1和M6（結構見圖3）在4類樣本中具有顯著性差異，其P值均小于 0. 05，因此選為潛在差異代謝物。