贵大研究生岩矿分析测试题(资环13) - 带有答案

贵州大学2013-2014学年第二学期研究生

岩矿分析测试题

班级学号姓名成绩

一、以岩矿分析为例说明对于复杂物质分析如何拟定和选择分析方案及分析方法。（10分）

答：结合我在前些天所做的煤样分析来具体说明对于复杂物质分析如何拟定和选择分析方案及分析方法。

⑴样品的采集

我的煤样的采集是根据相关国家标准从研究区取来的，采集过程中，尽量取到了具有代表性的样品。

⑵试样的制备

按上述过程所采集的试样质量较大，必须通过多次破碎、过筛、混均、缩分等步骤制成少量均匀而有代表性的分析试样。我用配有钵杵的研钵工具粉碎煤块至粉碎状态，然后用200目的筛子进行筛分，每次粉碎后都要通过相应的筛子，未通过筛孔的粗粒不能抛弃，需要进一步粉碎，直至全部通过，以保证所得样品能代表整个被测物料的平均组成。

试样经破碎至所需的粒度后，将试样仔细混匀后再进行缩分。混匀的方法是把已破碎、过筛的试样用平板铁铲铲起堆成圆锥体，再交互地从试样堆两边对角贴底逐锹铲起堆成另一个圆锥，并分两三次撒落在新锥顶端，使之均匀地落在锥四周。如此反复堆掺三次后用“四分法”进行人工缩分。四分法是将物料堆成圆锥体，然后压成厚度均匀的圆饼，通过中心将其平均分成四个相等的扇形体。弃去对角的两份，保留余下两份。

制好的试样分装在四个样品袋中，贴上标签，注明样品的名称和采样日期。样品整理好后即准备送样分析，以避免试样受潮，风干或变质。

⑶试样分解

在定量化学分析中一般要将试样分解，制成溶液（干法分析除外）后再分析，因此试样的分解是重要的步骤之一。它不仅直接关系到待测组分转变为适合的测定形态，也关系到以后的分离和测定。如果分解方法选择不当，就会增加不必

要的分离手续，给测定造成困难和增大误差，有时甚至使测定无法进行。

对试样进行分解的过程中，待测组分不应挥发损失，也不能引入被测组分和干扰物质。分解要完全，处理后的溶液中不得残留原试样的细屑或粉末。

实际工作中，应根据试样的性质与测定方法的不同选择合适的分解方法。常用的分解方法主要有溶解法和熔融法。

⑷测定方法的选择

通过查阅文献及参考相同专业方向师兄的建议，我选择了用ICP-Ms来对微量元素进行测定；选择化学方法进行全硫含量的测定；选择XRF对煤矸石样进行常量元素的测定，而对煤样中的常量元素则选择ICP-AES来进行测定，其实用XRF也能对煤样中的常量元素进行测定，但由于测试单位的实验室条件和技术人员的测试能力，再加上由于煤样中硫的含量较高等一系列原因，所以对不同样品性质的常量元素的测定采用了不同的技术手段。

有上述实际经历可以总结出：根据样品性质、测试要求、共存组分的影响及待测组分的含量范围的不同，需要选择不同的测试方法。我的煤样需要测微量元素、常量元素以及全硫的含量，由于它们的性质及测试要求不一样，故不能采用同一个方法来进行测定。

⑸数据处理以及报告分析结果

对于数据的处理非常重要，因为这直接关系到你的研究成败。我的数据主要分为三大部分，即微量元素、常量元素和全硫含量等。对这些数据的处理我采用了表格以及稀土配分模式图来进行分析、探讨。具体通过含量异常的元素来分析其富集成因。最终的报告分析结果则以一篇论文的形式来呈现。不同的要求，则有不同的报告分析结果的形式

二、用原子吸收法测定Zn2+标准溶液，相应的浓度和吸光度见表所示：

表 Zn2+标准溶液浓度及其相应吸光度

注：c-Zn2+浓度；A-吸光度。

用回归方程表示含量与吸光度的关系，绘制拟合标准曲线，并检查方程是否有意义？并求吸光度A为0.30时Zn的质量分数为多少？（10分）

答：原理及方法选择：吸光度A与吸光物质的含量成正比，这是光度法进行定量分析的基础，标准曲线是以c为横坐标、A为纵坐标的图形。分光光度法中通常是用已知溶液测定吸光度,通过几组测定数据制作标准曲线。测定待测溶液吸光度,从标准曲线上查得该溶液浓度,通过计算便可知试样含量。但是绘制标准曲线繁杂,加之所测的数据难免有偏离曲线的点,因而导致误差。用一元线性回归方程可减少误差,特别是人为因素造成的误差。分光光度法中吸光度与溶液浓度之间的关系,在这两个变量中,被测浓度（c）我们称自变量,用x表示;吸光度（A）我们称因变量,用y表示。因变量y随自变量x变化呈现规律性,为减小误差,可用一元线性回归方程y=a+bx来处理这两个变量之间的关系。

解题步骤：

⑴根据上述原理及方法，我们设一元线性回归方程为y=a+bx。在Excel2003中根据上述表格中的数据制作散点图。因为只有当数据具有线性分布特征时，才能采用线性回归分析法。如图一所示，本次数据具有线性分布趋势，故可以进行线性回归。

图一数据散点图

⑵然后得到线性回归结果如下图二所示，读取回归结果如下：

截距：a=-0.0059；斜率：b=0.3752；相关系数：R=0.9996；测定系数：R2=0.9992；F值：F=6641.439

图二线性回归结果

⑶最后由Excel2003得到的最终的回归模型如下图三所示：

⑷显著性检验

当0.80.755(根据课本表7-7检验相关系数的临界值表，置信度为99.9%)，R2=0.9992>0.999，所以这是一个线性特征特别明显的实验模型，即说明拟合直线能够以大于99.9%的测定系数即拟合优度以及大于99.9%的相关性解释、涵盖实测数据，具有非常好的一般性，可认为这种线性关系是有意义的，即初步判断方程：y=0.3752x+0.0059有意义。

⑸回归模型的检验

回归方程建立以后还需要对模型进行检验, 检验回归模型的代表性, 用 t

检验法, 若两个变量之间相关程度为高度相关, 方程有很高的代表性, 还不能说明这种直线相关关系是否可靠, 为了说明这种相关关系的可靠性, 必须对相关系数进行 t 检验。公式为: 212

t r n r --=; 设, 统计量 t 服从 t(n- 2)分布。

根据一组样本量计算出 t 值, 再根据所给定的显著性水平 α和自由度 n- 2, 查 t 分布表, 找到相应的临界值t α,n-2。若t ≥t α,n -2。表明 t 在统计上是显著的, 即总体的两个变量间存在线性关系, 这种关系是可靠的, 否则就认为两个变量间不存在线性关系

根据上述检验步骤，得到如下结果：

212

t r n r --===t 212--n r

r =279996.019996.02--=>50.18）

（1571.2t 5,05.0= 因为t=79.03>t 0.05,5=2.571,故总体的两个变量间存在线性关系, 这种关系是可靠的。至于检验, R 、R 2、F 值、t 值等均可以直接从回归结果中读出。实际上, R=0.999, R 2>0.90 检验通过。有了 R 值, F 值和 t 值均可计算出来,其中: t 值已得出见上面公式（1），

=F 显然与图二中结果一致5,05.022

2205.544.66411

179996

.019996.011F k n R R =>=---=--- 回归结果中给出了残差（图四），据此可以计算标准离差。首先求残差的平方

图四

2^

2

)y (i i i y -=ε,然后求残差平方和：