大米水分测量结果不确定度的评定

对大米水分的测量结果标准不确定度、扩展不确定度及不确定度表述进行了系统的分析和评定,并编写了相应的计算程序,对测量结果不确定度评定中的建模、分量计算、合成标准不确定度、扩展不确定度的评定和计算方面作了有益的尝试.描述了影响大米水分测定结果各分量对其不确定度的相对贡献.     

石墨炉原子吸收光谱法测定稻谷中镉含量的不确定度评价

对石墨炉原子吸收光谱法测定稻谷中镉含量进行不确定度评价。稻谷镉含量不确定度的评估最终结果为:镉含量为0.18 mg/kg的样品中,扩展不确定度为0.0036 mg/kg。实验所引入的不确定度各分量中,标准曲线拟合所引入的不确定度对最终结果的不确定度影响最大,其次是重复性实验所引入的不确定度分量,称量和样品溶液定容所引入的不确定度分量非常小。     

气相色谱法测定黄酒中β-苯乙醇含量的不确定度分析

通过气相色谱内标法测定黄酒中β-苯乙醇含量的整个过程进行研究,分析测量过程的不确定度来源,并且对不确定度的各个分量进行评估和合成。结果表明,标样和重复性操作引入的不确定度分量是影响β-苯乙醇含量测定不确定度的主要原因,当β-苯乙醇含量为68.001 mg/L时,扩展不确定度为3.265 mg/L。该样品中β-苯乙醇含量的测量结果为C=(68.001±3.265)mg/L,k=2,P=95%。     

氨基酸分析仪测量水产饲料中赖氨酸的不确定度评定

分析氨基酸自动分析仪测量水产饲料中赖氨酸含量不确定度的影响因素,建立数学模型,对不确定度的来源进行分析和计算得出其扩展不确定度。当饲料中赖氨酸的含量为3.08%时,赖氨酸含量测量结果的扩展不确定度为0.020%(k=2)。     

高效液相色谱法测定玉米中黄曲霉毒素B1含量的不确定度评价

对玉米样品中高效液相色谱法测定黄曲霉毒素B_1含量进行不确定度评价。评价结果为黄曲霉毒素含量为5.39μg/kg的样品中,扩展不确定度为0.28μg/kg。试验所引入的不确定度各分量中,回收率所引入的不确定度分量对最终结果的不确定度影响最大,其次是溶液稀释所引入的不确定度分量,称量和溶液移取,重复性实验所引入的不确定度分量非常小。     

对乳粉中脂肪含量不确定度的评定

对乳粉中脂肪含量进行不确定度的评定,建立不确定度评定程序和方法。依据GB 5413.3-2010《食品安全国家标准婴幼儿食品和乳品中脂肪的测定》建立数学模型,进行不确定度的计算并合成不确定度。找出了影响乳粉中脂肪含量的主要因素,分析了不确定度分量的主要来源,并对结果予以讨论。评定程序和方法符合规范要求,适用于同类型试验不确定度评定。     

火焰原子吸收光谱法测定奶粉中铜的不确定度评定

对火焰原子吸收光谱法测定奶粉中铜含量的测量不确定度进行评定,建立火焰原子吸收光谱法测定奶粉中铜含量的不确定度分析方法,以评定测定结果的质量,分析了该测量过程的测量不确定度来源,建立数学模型,找出了主要影响因素。结果表明,回收率及拟和直线求样品溶液浓度时产生的测量不确定度影响因素最大。     

不确定度评定在油菜籽水分测定中的应用

根据GB 5497-85对油菜籽中的水分含量进行测定,分析得出测量过程中的不确定度主要来源为测量重复性、铝盒质量、干燥前试样及铝盒质量、干燥后试样及铝盒质量,结果显示油菜籽中的水分含量为（7.0±0.3）％,k=2.     

全自动定氮仪测定植物油料粗蛋白质含量的不确定度评估

通过对全自动定氮仪测定植物油料中粗蛋白质含量的检验过程进行分析,找出影响测定不确定度的因素,对各个不确定度分类进行评估和计算合成,并最终给出样品中粗蛋白质的合成标准不确定度及扩展不确定度。     

凯氏定氮法测定豆粕中蛋白质的不确定度评定

粗蛋白是评定饲料原料及其产品的重要指标之一,在理化分析中,测定结果存在不确定度。找出影响测量不确定度的因素,对各个不确定度分量进行评估和计算合成,并最终得出豆粕中蛋白质含量的合成标准不确定度和扩展不确定度。分析了不确定度的来源,提出减小不确定度的方法。     

黑曲霉产β-磷酸甘油酯酶固体发酵条件的研究

对一株高产β-磷酸甘油酯酶的黑曲霉进行最适培养方法和培养条件的研究。分别研究了底物浓度、氮源、培养基的含水量,以及培养基中的米糠和玉米粉的比例对黑曲霉产β-磷酸甘油酯酶的影响。实验结果表明,固体培养基中,用纱布覆盖培养基更适合黑曲霉产β-磷酸甘油酯酶的发酵,覆盖单层纱布的效果优于双层纱布。底物浓度在0.15%时,黑曲霉产酶活性最高。培养基中最佳米糠和玉米粉比例为6∶2。8g(干质量)培养基中的加水体积为21.5mL左右时,最利于黑曲霉产β-磷酸甘油酯酶的发酵。培养基中无机氮优于有机氮,且以硫酸氨最优。黑曲霉培养120h后再进行低温(4℃)处理72h的产酶活性最高。接种时搅拌和培养24h后的翻曲对黑曲霉产β-磷酸甘油酯酶都有促进作用,且接种时将菌种与培养基拌匀对产酶效率的提高比较明显。     

Combining input uncertainty and residual error in crop model predictions: A case study on vineyards

As crop modelling has matured and been proposed as a tool for many practical applications, there is increased need to evaluate the uncertainty in model predictions. A particular case of interest that has not been treated before is that where one takes into account both uncertainty in the model explanatory variables and model residual error (the uncertainty in model predictions even when the explanatory variables are perfectly known). The specific case we consider is that of a model for predicting water stress of a vineyard. For many of the model explanatory variables, the vine grower (or the farmer advisor) has a choice between approximate values which are easily obtainable and more precise values that are more difficult (and more expensive) to obtain. We specifically discuss the explanatory variable “initial water stress” which is directly based on the initial soil water content and can be estimated or measured (precise but expensive). The vine grower is interested in the decrease in uncertainty that would result from measuring initial water stress, but it is the decrease in total uncertainty, including model residual error, that is of importance.We propose using accurate measurements of water stress over time in multiple vineyards, to estimate model residual error. The uncertainty in initial water stress can be estimated if one has approximate and precise values of initial water stress in several vineyards. We then combine the two sources of error by simulation thanks to an independence hypothesis; the model is run multiple times with a distribution of values for initial water stress, and on each day a distribution of model residual errors is added to the result.The results show that the resulting uncertainty is quite different in different fields. In some cases, uncertainty in initial water stress becomes negligible a short time after the start of simulations, in other cases that uncertainty remains important, compared to model residual error, throughout the growing season. In all cases, residual error is a substantial percentage of overall error and thus should be taken into account.     

分光光度法测定油脂中磷脂含量的不确定度评定

探讨了分光光度法测定油脂中磷脂含量的不确定度评定方法.根据测量不确定度的评定原理和测定方法,建立数学模型,评估了各不确定度分量并计算合成标准不确定度及扩展不确定度.对磷脂含量为0.334%的油脂样品,其扩展不确定度为0.010%.该方法的不确定度主要来源于由标准曲线查磷量、总重复性测定.     

鲁东地区冬小麦水分利用效率及品质的研究

[目的] 研究旨在探究品种、灌水模式、播期、播量、氮肥用量对小麦水分利用及品质的影响,进一步明确内外部条件对小麦水分利用及品质的作用,为实现水肥高效奠定研究基础。[方法]试验在大田条件下采用5因素4水平正交优化设计研究了品种、灌水模式、播期、播量、氮肥用量对不同冬小麦水分利用效率及品质的影响。[结果]结果表明： 1）影响冬小麦水分利用效率的因素从大到小依次为：灌水模式、播量、品种、播期、纯氮用量。灌1水时可获得较高的水分利用效率。2）品种是影响小麦籽粒蛋白质含量的关键因素,其次为氮肥用量和灌水模式,播期和播量影响不明显。3）品种是决定湿面筋含量的主要因素,烟农19的湿面筋含量最高;随氮肥施用量和灌水次数的增加,湿面筋含量增加。[结论]试验得到灌水模式对水分利用效率影响程度最大,品种是影响品质的主要因素,为水肥高效利用模式的选择奠定基础。     

花岗岩残积土的土-水特征曲线参数概率

土-水特征曲线（SWCC）用于描述非饱和土中含水量与基质吸力的关系,在非饱和土力学中具有重要的作用。在SWCC拟合模型中有多个拟合参数,各值通过实验方法获得且具有很大的不确定性。采用贝叶斯理论对拟合参数的不确定性进行分析,将SWCC拟合参数作为随机变量,采用Van Genuchten模型拟合花岗岩残积土的土-水特征曲线试验数据。以马尔可夫链蒙特卡罗方法的延迟拒绝适应性算法获得模型参数后验分布抽样,获得了不同置信区间的SWCC及其对应参数值。     

氢化物原子荧光光谱法测定粮食中铅含量的不确定度评定

根据测量不确定度的评定与表示方法,针对氢化物原子荧光光谱法测定粮食中的铅含量结合实际作了探索,对其不确定度分量、合成标准不确定度与扩展不确定度进行了评定,得出铅含量为0.166 mg/kg的粮食样品扩展不确定度为0.000338 mg/kg.该方法测定粮食中铅含量不确定度的主要来源为标准曲线的拟合.     

原子荧光法测定总砷含量不确定度评定

以圆白菜标准物质为材料,评估原子荧光法测定总砷含量的不确定度。根据不确定度分量大小可以得出,砷测定值的不确定度主要来源于测定过程中校准曲线的不确定度。该方法测定总砷含量的扩展不确定度为0.0098 mg/kg,检测结果为(0.066±0.010) mg/kg,在标准物质含量(0.062±0.014) mg/kg的范围内,表明方法的分析过程处于质控状态,结果可靠。     

大豆水溶性蛋白含量测定的不确定度评定

建立大豆水溶性蛋白含量测定（NY/T 1205-2006）不确定度评定的数学模型,对检测过程中带来的各个不确定度分量进行识别和量化,提出应用该方法检测的不确定度评定结果。