AMPP500的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列包括價格和評價等資訊懶人包

利用脈衝電源驅動之水溶液電漿建立水質檢測與機器學習電漿光譜平台

為了解決AMPP500的問題，作者王靖宇 這樣論述：

水溶液電漿由於其廣泛的應用近年來被大家關注，本研究包含三個部分，分別為利用雙極脈衝電源驅動水溶液電漿特徵化電漿行為、利用水溶液電漿放射光譜建立連續微量重金屬分析系統、利用機器學習分析電漿光譜。本研究第一部分為利用雙極脈衝電源驅動水溶液電漿特徵化電漿行為，我們使用具有不同電壓波形的脈衝電源模式以改變電漿的行為，結果顯示，使用prepulse於高壓脈衝之前，prepulse產生的氣體顯著改變電漿於高壓脈衝中的行為，此外，當使用正極之prepulse時，光譜中Pb放光強度增加10倍，此增加可能歸因於prepusle經電化學反應產生的氧氣提供不同的反應路徑，這些發現使水溶液電漿系統被更深入的理解並且

提供一新穎的方法於環境分析應用。本研究第二部分為利用水溶液電漿放射光譜建立連續微量重金屬分析系統，目標為在不同導電度之水溶液中控制電漿與放光行為，我們利用主動調控式脈衝電源驅動電漿，此電源現地測量導電度並即時根據導電度調控脈衝時間寬度，我們進行連續Pb與Zn偵測，濃度與導電度範圍分別為0.5-250 ppm與300-1200 μS/cm，結果顯示多種重金屬能在不同導電度的水溶液中被獨立且即時的偵測，我們認為應用此主動調控式脈衝電源於連續式重金屬偵測提供環境分析重大的影響。本研究第三部分為利用機器學習分析電漿光譜，我們建立高效率取得水溶液電漿光譜的平台並使用演算法分析電漿，光譜激發於具有特定導電

度與pH值範圍2.2-5.2水溶液，40k張光譜被使用於主成分分析與人工神經網路以預測水溶液導電度。主成分分析結果顯示，在第一主成分與第二主成分所形成之分數圖中，大部分數據重疊，暗示主成分分析無法分辨導電度的特徵。人工神經網路結果顯示，深層神經網路大幅增加導電度預測之準確性，均方誤差相較使用單一波長之值進步三個數量級。我們將探討使用機器學習電漿光譜特徵化電漿之意義與展望。