实验分析及心得6篇
通过写心得体会，我们可以更好地发现和发展自己的潜能和才能，写心得体会是对自己学习成果的一种展示和证明，小文学范文网小编今天就为您带来了实验分析及心得6篇，相信一定会对你有所帮助。
实验分析及心得篇1
通过这门课程的学习，我首先充分认识到了excel在我们以后工作中的重要性，能够熟练的掌握excel软件是我以后从事财务工作不可缺少的一种专业技能。随着市场经济的发展，市场竞争的加剧，各个企业的经济环境不断地发生变化，企业对会计职能的要求，已从单纯的会计核算型向财务管理型发展。这要求企业必须充分利用现有的财务信息资源，准确地分析当前的财务状况，并对未来的财务状况进行预测分析，以便为管理层提供较好的决策方案。 而excel满足了企业这个需要，因为人们可以利用它方便地记录和分析财务数据，编辑数学公式，绘制图表及编辑文本等，还可以建立财务分析模型，能够为管理层提供决策信息。 在学习的过程中，我觉得最重要的一点就是上课必须集中精神，观察老师在课堂上操作的流程和步骤，这样才能更顺利的完成实验。受条件的限制，我们不能在课堂上在老师的指导下操作，所以上课集中精力听课是非常重要的。在实验课程上，至少应自主完成课本上要求的实验，在这个基础上，我还在课外通过网络等补充了课程上的不足，了解了课本上没有提及的excel其他工具及函数。在学习中我掌握了我们平时所不知懂的知识，同时加强和巩固了我对excei在财务中的运用。实验报告也是我学习的一个部分，课前预习时写好实验报告，这样就可以在实验前能够把握实验的基本流程，就能够提高完成实验的速度。完成实验后对实验的补充也是很重要的，在补充实验报告的过程中，尽量不要翻阅课本，凭自己的对实验的记忆完成是最有效的。
在所有的实验课程中，我都能够按时完成实验，但我明白，仅仅依靠实验上学到的操作知识是不够的，而且光在实验中练习，没有课后的复习，时间长了也会遗忘，所以我认为，在以后的学习和工作中应该注意积累，及时复习巩固所学知识。在我们其他的专业课程中，有很多值得分析的财务资料，比如财务报表分析这门课程，书本上提供了很多案例报表，我们可以此建立财务分析模型，或者在网上下载相关资料练习，还可以在网上搜索网上课程学习。还有一点值得注意，微软公司提供了多种版本，它们虽然是大同小异，但毕竟还是有区别的，我们应该熟练掌握各种版本的使用。
总之，在以后的工作和学习中，应该在巩固的基础上不断的完善。
实验分析及心得篇2
本文主要讲述的内容是线性回归，它是一种回归拟合问题，会对连续性数据做出预测，而非判别某个样本属于哪一类。
本文主要包括的内容有如下几部分：
回归预测，回归预测，说到底就包括两个部分。
一个是回归（拟合），另一个是预测。回归是为预测做准备或者说是铺垫，只有基于已有的数据集我们才能构建一个的回归模型，然后根据这个回归模型来处理新样本数据的过程就是预测。
而线性回归就是我们的回归模型属于线性的，也就是说我们样本的每个属性特征都最多是一次的（进来的读者 应该都知道吧）
为了让读者对线性回归有个基本的了解，我们来聊聊小姐姐的相亲故事。
故事是这样的。
在很久很久以前，有位小姐姐打算去相亲，她比较在意对象的薪资情况，但这种事情也不太好意思直入主题，你说是吧？所以呢，她就想着通过相亲对象本身的属性特征来达到一个预测薪资的目的。
假如说这位小姐姐认为对象的薪资主要有两个部分的数据的组成，分别是对象的年龄和头发量。对此，小姐姐想要构建出这么一个关于薪资的线性模型：
中文形式的描述就是：
所以呢，小姐姐现在的目的就是想要得到这么一个东西
的值，然后观察和询问相亲对象的发量以及年龄，就可以根据这个线性模型计算得出其相亲对象的薪资情况。
那么，该如何得到
的值呢？？？就在小姐姐脑阔疼得厉害之时，我是这么手握手教小姐姐的：“小姐姐，你可以先相亲1000个对象，观察并询问对象的发量和年龄之后，然后通过社会工程学来得到他的薪资情况。有了这1000组对象数据之后，你就能训练出
的值，从而得到误差达到最小值的这个线性模型”
小姐姐听完我的讲述之后，真的是一语惊醒梦中人啊，心想：妙啊，就这么干！！！
以上例子中的内容纯属我胡扯，只为描述线性回归的过程，不代表任何观点。
通过上述小姐姐的相亲故事，相信大家都已经对线性回归的过程有了一个基本的认识，而要具体操作线性回归，我们还需明白一个在机器学习领域中比较重要的算法，也就是梯度下降算法。
要理解梯度下降算法，我们可以将其类比成一个人下山的过程，这也是我们理解梯度下降算法时候最常用的一个例子，也就是这么一个场景：
有个人被困在山上，他现在要做的就是下山，也就是到达山的最低点。但是呢，现在整座山烟雾缭绕，可见度非常的低，
所以下山的路径暂时无法确定，他必须通过自己此刻所在地的一些信息来一步步找到下山的路径。此时，就是梯度下降算法大显身手的时候了。具体怎么做呢？
是这样的，首先会以他当前所在地为基准，寻找此刻所处位置的最陡峭的地方，然后朝着下降的方向按照自己的设定走一步。
走一步之后，就来到了一个新的位置，然后将这个新的位置作为基准，再找到最陡峭的地方，沿着这个方向再走一步，如此循环往复，知道走到最低点。这就是梯度下降算法的类别过程，上山同理也是一样，只不过变成了梯度上升算法。
梯度下降算法的基本过程就类似于上述下山的场景。
首先，我们会有一个可微分的函数。这个函数就类似于上述的一座山。我们的目标就是找到这个函数的最小值，也就是上述中山的最低点。
根据之前的场景假设，最快的下山的方式就是找到当前位置最陡峭的方向，然后沿着此方向向下走，在这个可微分函数中，梯度反方向就代表这此山最陡峭的方向，也就是函数下降最快的方向。因为梯度的方向就是函数变化最快的方向(在后面会详细解释)
所以，我们重复利用这个方法，在达到一个新的位置之后，反复求取梯度，最后就能到达局部的最小值，这就类似于我们下山的过程。
而求取梯度就确定了最陡峭的方向，也就是场景中测量方向的手段。那么为什么梯度的方向就是最陡峭的方向呢？接下来，我们从微分开始讲起：
对于单变量微分来讲，由于函数只有一个变量，所以此时的梯度就是函数的微分，所代表的意义就是在该点所对应的斜率。
对于多变量函数来讲，此时的梯度就不再是一个具体的值，而是一个向量。我们都知道，向量是有方向的，而该梯度的方向就代表着函数在指定点中上升最快的方向。
这也就说明了为什么我们需要千方百计地求取梯度！我们需要到达山底，就需要在每一步观测到此时最陡峭的地方，梯度就恰巧告诉了我们这个方向。
梯度的方向是函数在给定点上升最快的方向，那么梯度的反方向就是函数在给定点下降最快的方向，这正是我们所需要的。所以我们只要沿着梯度的方向一直走，就能走到局部的最低点！
现在，我们不妨通过代码来模拟实现这个过程。假如说，我们现在的目标函数是：
则其对对应的梯度为：
对此，我们可以通过如下代码来模拟梯度下降的过程，以寻找出到达最低点时候的 x 值：
通过上述代码，我们可以发现，当函数值达到最低点的时候，此时我们的 x=-0.9999517797740893，与我们手动计算的 x=-1基本可以划等号，这就是梯度下降所解决的问题。
针对上述代码，这里我们主要说两个点：
①：x_new = x_old - learning_rate * gradient(x_old)
在前进过程中更新x_new的时候，是通过x_old来进行的，之所以在梯度前加一个fuhao，主要是为了朝着梯度相反的方向前进。
梯度的反方向就是函数在此点下降最快的方向。那么如果是上坡，也就是梯度上升算法，此时x_new的更新过程也就不需要加上fuhao了。
至于什么时候是梯度上升，什么时候是梯度下降，这个是根据我们实际情况是求最小值，还是最大值来决定的。
②：learning_rate
learning_rate在梯度下降算法中被称作为学习率或者说是步长，意味着我们可以通过learning_rate来控制每一步走的距离，其实就是不要走太快，从而错过了最低点。
同时也要保证不要走得太慢，导致我们打到最低点需要花费大量的时间，也就是效率太低了，需要迭代很多次才能满足我们的需求。所以learning_rate的选择在梯度下降法中往往是很重要的！
需要合理的选择learning_rate值，一般来讲可取0.01，具体问题还需具体分析。
总而言之，梯度下降算法主要是根据函数的梯度来对x的值进行不断的更新迭代，以求得函数到达最小值时候的x值。
当然了，以上是该算法的一般形式，同时各位研究者也是提出了一些梯度下降算法的变种形式，主要有以下三种：
我们都知道，人的大脑中包含了大量的神经元细胞，每个神经元都通过树突来获取输入的信号，然后通过轴突传递并输出信号，而神经元与神经元之间相互连接从而构成了巨大的神经网络。生物神经元的结构如下图所示：
图片来源：维基百科
1943年，心理学家沃伦·麦卡洛克(warren mcculloch)和数理逻辑学家沃尔特·皮茨(walter pitts)通过对生物神经元的研究，提出了模拟生物神经元机制的人工神经网络的数学模型，这一成果被美国神经学家弗兰克·罗森布拉特(frank rosenblatt)进一步发展成感知机(perceptron)模型，这也是现代深度学习的基石。
我们从神经元的结构出发，来模拟这个神经元的信号处理过程。
如下图a所示，神经元输入向量
，经过函数映射：fθ：x->y 后来得到y，其中θ为函数f的自身参数。在这里，我们考虑一种简化的情况，也就是线性变换：
因为其中的w和x都是向量，所以我们将其展开为标量形式可表示为：
上述计算的逻辑过程可通过下图b直观展现
以上神经元含有多个输入，为了方便理解，我们不妨进一步简化模型，此时的n=1，即我们假设该线性模型为：y=wx+b其中 w 体现的是模型的斜率，而b体现的是截距，或者在这里我们说是偏置。
我们知道，对于一条直线来讲，我们只需要已知两个点，求解二元一次方程组，就能得到该直线的具体表达式，也就是求解出 w,b 的值。
理想状态下的确是这样的，但是现实总是残酷的，我们所获取到的数据可能存在一定的误差，此时我们就根本无法构建出这么一条完美的直线来切合这些数据点。我们不妨用 ε 来表示该观测误差，假设该误差满足
的高斯分布，则我们的模型可转换为：
虽然我们不可能通过一条直线来完美的通过这些数据点，所以我们现在的需求就是尽可能找到这么一条直线，使得所有数据点到这条直线的“距离”最小，那么得到的这条直线就是我们比较满意的模型。
那么如何衡量所有数据点到达这条直线的“距离”最小？如何衡量这个模型的“好”与“不好”呢？这个时候就需要引出我们的损失函数了，
一个很自然的想法就是求出当前模型的所有采样点上的预测值与真实值之间差的平方和的均值来作为这个模型的损失函数，也就是我们常常所提到的均方误差，损失函数 l 表达如下：
当我们的损失函数计算的值比较大的时候，此时说明该直线的拟合效果并不好，当我们的损失函数计算的值比较小的时候，说明此时的拟合效果达到了一个不错的程度。
所以，我们不妨令损失函数值达到最小时，此时的模型参数为
，则为：
读到这里，各位看官是不是知道下文如何走笔的了。没错，接下来就是通过梯度下降算法来求解该损失函数的最小值，
对此，我们需要求解出损失函数分别对 w,b 的偏导，求解过程如下：
即：
得到偏导之后，我们就可以根据旧的 w,b 更新得到新的 w,b ，这就是一次更新迭代过程。更新之后，我们再次重新计算偏导并更新参数，如此不断循环往复，知道我们计算的损失函数的值得到一个我们可接受的范围，即达到了我们的目的。
下面，我们通过代码来模拟实现这个过程。
运行结果如下，可以看出数据分布大致可通过一条直线来进行拟合：
根据数据和当前的w、b值计算均方误差""" explain: 计算均方误差 parameters: x_data: 数据样本的一个属性 y_data: 数据样本的另一个属性 w_now: 当前的w参数 b_now: 当前的b参数 return: mse_value: 均方误差值"""def calc_mse(x_data, y_data, w_now, b_now): x_data, y_data = np.mat(x_data), np.mat(y_data) _, data_number = x_data.shape return np.power(w_now * x_data + b_now - y_data, 2).sum() / float(data_number)单次对w、b参数进行更新迭代""" explain: 更新迭代一次w、b parameters: x_data: 数据样本的一个属性 y_data: 数据样本的另一个属性 w_now: 当前的w参数 b_now: 当前的b参数 learning_rate: 学习率 return： w_new: 更新迭代之后的w b_new: 更新迭代之后的b"""def step_gradient(x_data, y_data, w_now, b_now, learning_rate): x_data, y_data = np.mat(x_data), np.mat(y_data) w = (w_now * x_data + b_now - y_data) * x_data.t * 2 / x_data.shape[1] b = (w_now * x_data + b_now - y_data).sum() * 2 / x_data.shape[1] return w_now - w * learning_rate, b_now - b * learning_rate多次迭代更新w、b（外循环）""" explain: 多次迭代更新w、b（外循环） parameters: x_data: 数据样本的一个属性 y_data: 数据样本的另一个属性 starting_w: 初始的w参数 starting_b: 初试的b参数 learning_rate: 学习率 max_iter：最大迭代次数 return： w：得到的最终w b: 得到的最终b loss_list： 每次迭代计算的损失值"""def gradient_descent(x_data, y_data, starting_b, starting_w, learning_rate, max_iter): b, w = starting_b, starting_w loss_list = list() for step in range(max_iter): w, b = step_gradient(x_data, y_data, w, b, learning_rate) loss = calc_mse(x_data, y_data, w, b) loss_list.append(loss) return w, b, np.array(loss_list)拟合结果的可视化""" explain: 拟合结果的可视化 parameters: x_data: 数据样本的一个属性 y_data: 数据样本的另一个属性 w: 拟合得到的模型w参数 b: 拟合得到的模型b参数 loss_list: 每次更新迭代得到的损失函数的值"""def plot_result(x_data, y_data, w, b, loss_list): from matplotlib import pyplot as plt %matplotlib inline plt.subplot(2, 1, 1) plt.scatter(x_data, y_data) x_line_data = np.linspace(-10, 10, 1000) y_line_data = x_line_data * w + b plt.plot(x_line_data, y_line_data, "--", color = "red") plt.subplot(2, 1, 2) plt.plot(np.arange(loss_list.shape[0]), loss_list) plt.show()程序运行结果如下：
从上方的运行结果来看，我们可以分析得到线性回归模型的拟合效果还不错，完全能够体现出数据的分布规律。
另外，通过损失函数的变化图以及具体数值，我们可以观察到，前期损失值的变化非常的大，到了后期基本居于平缓，
看比如说第一次到后面计算的损失值分别为14.215、4.0139、1.941188…..,这就是梯度下降法所体现出来的效果，也就是说我们的损失函数值越大，我们梯度下降法优化的效果也就越明显。
完整代码：
以上就是本文线性回归的全部内容了，
这里我们对线性回归做一个简单的总结：
优点：结果比较容易理解，计算上并不复杂，没有太多复杂的公式和花里胡哨的内容缺点：对非线性的数据拟合不好，时间复杂度还有一定的优化空间适用数据类型：数值型和标称型数据
我是老贤，爱专研，爱分享，热衷于各种技术，学习之余喜欢下棋、听音乐、聊动漫，希望借此一亩三分地记录自己的成长过程以及生活点滴，也希望能结实更多志同道合的圈内朋友！
原文链接：
pick/
实验分析及心得篇3
在遥远的过去，有一个孤独的村落，村落中的女孩出嫁时，女方不收彩礼，但是要求男方必须能够当场回答出女方提出的一个学术问题。
这次，女方提出的问题是：“请男方简述一元线性回归分析的原理及其应用范围”。
男方回答：“一元线性回归分析属于一种回归方法应用的简单情况。研究一个随机变量y是另一个变量x(普通的或随机的变量)之间关系的一种统计方法。在某些问题(包括思维问题〉中,带有“原因”性质的自变量x，和带有“结果”性质的因变量y之间,如果大体上具有线性关系的话,则研究y与r间统计关系的回归方法，就叫做一元线性回归方法。这里的一元是指自变量工只有一个。
例如，在一定范围内，小麦的亩产量y和每亩施肥量x之间，可认为大体上是具有线性关系的。由于y还会受到其他变量的可预见和不可预见因素的影响，所以，更确切的是应该把y表示为: y=a+bx+c。这里c是个随机变量,常称为随机误差,它反映了除肥料外,其他不可控制或未加控制的因素的影响。这个方程称为一元线性回归方程，其中a、b都是未知数,b为因变量y对自变量x的回归系数,a为常数项。它们的值取决于观测样本的统计估算。常用的一种统计估算法是最小二乘法。
线性回归方法是一类应用很广的统计分析模型,有相当多的回归问题,可以通过引入新变量等方法,转化为线性回归方程。例如非线性回归方程y=a+blogx+c,如果令r=logx.就可得到线性回归方程y=a十br十t。利用一元线性回归方法，可以从大量的统计数据中找到两变量之间所存在但不明显和直接表现出的线性关系。它是人们从思维上去找寻并把握对象事物之间变化规律的一种很重要的方法。”
女方对男方的回答很满意，于是马上定下了婚约。
实验分析及心得篇4
无论实验性研究还是观察性研究，线性回归分析十分重要，尤其是现况调查和队列研究。在现况调查中，回归分析既可以初步探索变量与变量的关系，也可以通过多变量的回归分析开展复杂关联性分析。
现况调查的分析过程及回归分析的位置
学习回归分析，首先得了解回归的历史，模型的定义，建模的意义等，本文将基于简单线性回归，来帮助大家全面了解线性回归分析。
回归分析的历史
“回归”是由英国著名生物学家兼统计学家高尔顿(francis galton，1822～1911.生物学家达尔文的表弟)在研究人类遗传问题时提出来的。为了研究父代与子代身高的关系，高尔顿搜集了1078对父亲及其儿子的身高数据。他发现这些数据的散点图大致呈直线状态，也就是说，总的趋势是父亲的身高增加时，儿子的身高也倾向于增加。
1855年， 高尔顿发表《遗传的身高向平均数方向的回归》一文，他和他的同事通过观察1078对夫妇的身高数据，他发现这些数据的散点图大致呈直线状态，也就是说，总的趋势是父亲的身高增加时，儿子的身高也倾向于增加。当父母越高或越矮时，子女的身高会比一般儿童高或矮。他将儿子与父母身高的这种现象拟合出一种线形关系，分析出儿子的身高y与父亲的身高x大致可归结为一下关系：
y= 0.8567+0.516*x (单位为米);
假如父母辈的平均身高为1.75米，则预测子女的身高为1.7597米。 这种趋势及回归方程表明父母身高每增加一个单位时，其成年儿子的身高平均增加0.516个单位。这就是回归一词最初在遗传学上的含义。
有趣的是，通过观察，高尔顿还注意到，尽管这是一种拟合较好的线形关系，但仍然存在例外现象：矮个父母所 生的儿子比其父要高，身材较高的父母所生子女的身高却回降到多数人的平均身高。换句话说，当父母身高走向极端，子女的身高不会象父母身高那样极端化，其身高要比父母们的身高更接近平均身高，即有“回归”到平均数去的趋势，这就是统计学上最初出现“回归”时的涵义，高尔顿把这一现象叫做“向平均数方向的回归”(regression toward mediocrity)。
“回归”一词正式流传下来，不过后来的统计学看重的不是“向平均数方向的回归”而是高尔顿建立起来的回归方程。这个回归方程是一个函数，它不能准确反映父亲身高和子代身高的关系，但是却可以大致判断，并且在一个群体水平计算父亲身高对子女的影响的平均值，可以从数据上反映父亲身高与子女身高的因果关系。
“回归”逐渐成为根据一种变量(父母身高)预测另一种变量(子女身高)或多种变量关系的描述方法，成为百年来经久不衰的统计学方法。
回归关系，即一种用数学函数描述的变量的数量依存关系，而且主要是因果关系。
线性回归分析的模型
▌什么是模型？
模型(model)模型是指对于某个实际问题或客观事物、规律进行抽象后的一种形式化表达方式比如，地球仪是一个模型，它代表着用物理球体来反应真实的地球。
最常见的是用数学的方式来反映客观事物。因此，全球各国有一个注明的数学比赛，叫做数学建模大赛！用数学方法来拟合现实事件发生的一般规律。
统计模型也是一种数学的方式。比如，高尔顿的子代身高问题，我们想关心的是，子代身高到底受什么影响？我们能否预测它，能否用数学的方式预测它？此时，便需要构建数学模型。
高尔顿给出了最为经典，但有十分简单的方式，用一元一次，或者多元一次模型来构建子代身高的模型：
y= 0.8567+0.516*x (单位为米);
回归模型或者回归函数是一类统计学分析最重要的模型，除了线性回归模型，还有不计其数的各种回归模型，典型还有logistic回归模型，cox模型，poisson模型等。本文以线性回归模型为例，来探讨模型结构。
▌线性回归模型定义
线性回归按变量数量的多少可以分为：简单线性回归和多重线性回归。简单线性回归，也就是有一个自变量，数学上表达为一元一次函数，其模型可以表示如下：
上述公式是基于样本得到的结果，b0和b1均为统计量，若该公式拓展到总体人群，则为
公式中参数解释如下：
x：自变量
ŷ：y的预测值
b0 、β0：截距
b1、β1：变量回归系数
其中，关键的指标即为b1和β1，他们称之为回归系数，反映的是x对y的影响力，是当x每改变一个观测单位时所引起y的改变量。
值得注意的是，这里x是真实的变量值x，而y带了一顶帽子，并非是y的真实值，而是成为y的预测值或者估计值。
实际上，世界上所有的x和y没有严格上一一对应的关系，通过x产生的预测值ŷ，是接近于y但不等于y。
y预测值与y直接的差值我们称之为残差。
残差反映了除了x和y之间的线性关系之外的随机因素对y的影响，是不能由x和y之间的线性关系所解释的变异性。
可以这么来理解ϵ：我们对y的预测是不可能达到与真实值完全一样的，这个真实值只有上天知道，因此必然会产生误差，我们就用ϵ来表示这个无法预测的误差。我们通过引入了ϵ可以让模型达到完美状态，也就是理论的回归模型。
残差ϵ就是没有被解释的部分，是剩下来的变异，是边角料。
再通俗来说，就是x和y完美的关系是不存在的，通过x只能差不多预测y。真实和模型总是有点差别，有些差别大，有些差别小。就如，现在的美女们，照片的美女和实际真人残差很大，很以前的美女，照片和真实简直一摸一样，残差小。以前的照片，残差是粉底；现在的照片，残差都是手机惹的祸，你想要怎么美都行！结合残差，真实的y和x关系如下：
同样的，多个自变量存在的情况下，多重线性回归模型的表示如下：
其中，bk、、βk：回归系数，在多重线性回归中，被称之为偏回归系数，表示每个自变量都对y部分的产生了影响。意义与简单线性回归结果相似，反映的是x对y的影响力，是当x每改变一个观测单位时所引起y的改变量。
一个回归模型，必然有残差，成功的模型必然也有相应的变量来解释y的变异，但是残差可大可小。一般来说，建立回归模型时，总希望残差尽可能小。残差越小，往往意味着更多的y的变异被解释掉了，预测模型更加真实，即y预测值更接近于y真实值。
这一“残差越小越好”的思维被运用回归分析中，便成为了回归建模的基本原则，最小二乘原则。
实验分析及心得篇5
时间过的很快，一学期的计算机网络实验课要结束了。通过这一学期的学习，使得自己在计算机网络这一方面有了更多的了解也有了更深刻的体会，对计算机网络也有了更多的兴趣。我们本学期做的实验基本上全面介绍了搭建网络过程中所涉及的各种重要的硬件设备，了解其特点、适用、连接和配置，给出了很多的规划方案、应用实例和配置策略。这学期我们做了七次实验，每个实验都有一些总结和体会。
第一次实验是计算机网络与internet网络测试与ftp服务的设置，其中了解了网络设置的一些基本应用，熟悉了常用网络测试命令及其用法，掌握了浏览器的安装以及设置，掌握cuteftp2.01的用法。实验第一次黄老师就跟我们强调了实验的注意事项，交代了每次实验要两个人一组，在操作过程中让我们了解的团队合作的重要性。
第二次实验是局域网和iis网络配置，在这次实验中我们学习的电子邮件与局域网的资料库，同时我们掌握了掌握，并了解个人电子邮件申请及其相关操作，掌握了net meeting的配置及使用。
第三次实验是计算机网络的双绞线的制作，本次实验是制作双绞线，利用压线钳等工具将双绞线插入rj-45水晶头完成网线的制作。实验主要涉及剪线，剥皮，插入，压制等操作，虽然实验看上去很简单。但要一次性成功的就要把每个过程多要做到位，每一步都小心。在实验当中的一些注意事项：剥皮时应该多剥一些，这样捋线时比较方便，一定要把所有的线的弄的很直，这样有利于后面的剪线，剪线应该做到十分平整，这样插进水晶头是才能完全接触到，在插线的时候的一定要保证两个同学之间的线的顺序要准确和一样，插进后应用压线钳使劲压，听到“咔“一声才表示固定到位。
第四次实验是linux 的使用与 dns 服务器的配置与管理，在此实验中，我们接触了以前从没接触过的 linus 操作系统，了解 linux 操作系统。学会了 ip 配置，此操作系 统下的 office 软件和万维网的使用。其次我们了解了 dns 的概念和原理。学生来说，必须有较广的社交圈和开阔的知识面，所以要把电脑作为一个重点来抓! 然而，在我参加培训的第一晚上，我就发现自己错了，此次的电脑培训与以前参加过的培训大相径庭。以前的培训都是应付考试的，实用性不强，而且那时学的东西，在工作中用的不多，时间长了不用也就忘记了。而这次培训的内容最显著的特点，就是实用性和工具性很强，都是平时工作中经常用到的。参加培训的第一课时，我就专心致志地听讲，把学习内容与以前操作不规范或不熟练的地方进行对比，感觉学习效果很好，受益匪浅。特别是excel的学习，因为平时用得比较少，掌握的也不多，不想去进一步的学习，所以对excel的操作不熟悉。这一次正好帮我解决了这一问题。通过次培训，使我的excil的操作有了新的认识，也掌握了几种方法。还有幻灯片的制作，原来从没有制作过，通过这次学习发现也不是想象中的那么难。简单的制作我已经基本上掌握。现在想起来这种培训是必要的，正所谓“磨刀不误砍柴工”。
正因为学习上有所收获，思想上也就豁然开朗起来。说实话，近几年，觉得自已也不再年轻了，还学什么啊?得过且过吧。虽然对待工作还是尽心尽力地去做，但对于学习的态度则是能应付就应付，不想应付就是偷点懒吧。因为这种思想的存在，在学习上的动力就不足了。通过这次培训，我觉得要改变这一错误的思想，想把各项工作做好，就必需要不断的学习，不断的充电，也只有不断的学习、充电，才能提高自已的工作能力。古人云，“活到老、学到老”，这句话是很有道理的。
电脑培训暂告一个段落，闲暇之余，我开始静静地长思。由于学校的信任，我从上学期中段到校办工作。尽管我全力以赴，不辞辛苦，做了很多的工作，但我知道自已离“出色”。
实验分析及心得篇6
实验心得体会推荐度：实验心得体会推荐度：实验总结推荐度：会计模拟实验心得体会推荐度：儿科护理学实验心得体会推荐度：相关推荐
分析化学实验教案
对教师的要求：
必须仔细阅读实验教材，认真备课。准时出席集体备课会，若因事不能出席必须事先请假。
每次实验应提前 10 分钟进入实验室，检查实验设施，熟悉药品摆放，准备试剂、试样。检查天平水平、预热情况。实验过程中不得擅自离开，若临时有事须向领班主讲教师教员请假。实验结束后，提醒学生归还钥匙；检查水、电、气、门窗、钥匙柜。
着白色实验服（夏天不可穿短裤、拖鞋上岗）。关闭手机、呼机。
热情、负责地对待每一位学生。严格要求，态度和蔼，为人师表。
课程目的 1 ．正确、熟练地掌握定量化学分析实验的基本操作技能，学习并掌握典型的分析方法。
2 ．充分运用所学的理论知识指导实验；培养手脑并用能力和统筹安排能力。 3 ．确立 “ 量 ” 、 “ 误差 ” 、和 “ 有效数字 ” 的概念；学会正确、合理地选择实验条件和实验仪器，以保证实验结果的可靠性。
4 ．通过自拟方案实验，培养综合能力。如信息、资料的收集与整理，数据的记录与分析，问题的提出与证明，观点的表达与讨论；树立敢于质疑，勇于探究的意识。
5 ．培养严谨的科学态度和实事求是、一丝不苟的科学作风；培养科学工作者应有的基本素质。
课程要求
1 ．课前必须认真预习。理解实验原理，了解实验步骤，探寻影响实验结果的关键环节，做好必要的预习笔记。未预习者不得进行实验。
2 ．所有实验数据，尤其是各种测量的原始数据，必须随时记录在专用的、预先编好页码的实验记录本上。不得记录在其他任何地方，不得涂改原始实验数据。 3 ．认真阅读 “ 实验室安全制度 ” 和 “ 化学实验课学生守则 ” ，遵守实验室的各项规章制度。了解消防设施和安全通道的位置。树立环境保护意识，尽量降低化学物质（特别是有毒有害试剂以及洗液、洗衣粉等）的消耗。
4 ．保持实验室内安静、实验台面清洁整齐。爱护仪器和公共设施，树立良好的公共道德。
5、 每次实验不得迟到。迟到超过 15 分钟取消此次实验资格。因病、因事缺席，必须请假。
实验课评分标准： 实验数据及结果 30%
实验操作及技能 35%
预习、记录及其他 30%
纪律与卫生 5%
实验
一、分析化学实验基本技能讲授（仪器的认识、洗涤）
一、实验目的 1 ．熟悉分析化学实验室规则和安全守则， 了解分析化学实验课的基本要求 2 ．通过看录像和教师讲解，熟悉常用滴定分析仪器的使用方法和容量器皿的校正方法
3、 熟悉常用仪器的洗涤和干燥方法。
请预先认真阅读实验教材中分析天平页的内容以及相关资料。
本次实验是学生第一次进实验室。介绍、说明、检查以下事宜：
1 、水、电、煤气开关以及洗眼器的使用。
2 、灭火器、安全通道的位置。
3 、钥匙的存放与使用，要求实验结束后还回。
在学生中推选一名 “ 实验组长 ” ，负责安排值日。每次四名值日生。值日生的职责是：擦拭所有台面，包括窗台；清扫、擦洗地面；清洁天平室台面、地面（勿用湿布）；检查煤气开关；检查柜门及钥匙；检查门窗是否关好。最后须经老师允许后方能离开。
实验室内不得大声喧哗，不得吃东西。必须将手机、呼机关闭。
检查学生的实验记录本是否编号。
本次实验分别进行天平称量练习和清点、洗涤仪器。但事先一起介绍如何清点、洗涤玻璃仪器、如何使用天然气灯等事宜。
演示所需仪器物品： 烧杯、锥形瓶、容量瓶、移液管、酸、碱式滴定管、称量瓶、干燥器
二、清点仪器： 对照 “ 仪器清单 ” ，核查各类仪器的规格、数量、质量。首先在实验室内 “ 多退少补 ” ，互相补充。若不能满足则去实验准备室领取。若此次不清点好，以后再有缺损情况，按赔偿条例处理。
三、仪器洗涤 ：
1、 按照实验教材常用洗涤剂的 “ 铬酸洗液 ” 和 “ 合成洗涤剂 ” 中介绍的方法分别讲解不同玻璃器皿的洗涤。注意碱式滴定管的洗涤方法。强调 “ 少量多次 ” 的冲洗原则。强调使用铬酸洗液的注意事项（铬酸洗液为公用）。
2、 演示如何为酸式滴定管的旋塞涂渍凡士林和试漏；演示如何为碱式滴定管排气泡和试漏。滴定管中灌水至最高标线， 10 分钟后观察是否漏水。若有滴漏，酸式滴定管须重新涂油；碱式滴定管需更换玻璃珠或乳胶管。强调滴定管上口与下端出口尖部的保护。
100ml 容量瓶洗干净后，倒挂空干，为下次实验的仪器校准做准备。
四、分析用水
蒸馏水、去离子水、石英亚沸蒸馏水 去离子后又蒸馏的水
五、化学试剂规格
iupac 分五级： a b c d e
我国化学试剂规格及标识：
试剂级别 中文名称 英文名称 标签颜色
一级试剂 优级纯 gr 深绿色
红色
蓝色
咖啡色
特殊用途的化学试剂：光谱纯试剂、色谱纯试剂
实验
二、分析天平称量练习 用途 精密分析实验 二级试剂纯 ar 一般分析实验 三级试剂 化学纯 生化试剂 cr br 一般化学实验实验
分析生化
一、实验目的 1. 通过看录像，熟悉半自动电光分析天平的构造和使用方法
2 ．掌握半自动电光分析天平和电子分析天平的基本操作及常用的称量方法，做到快而准。
3、 培养准确 。 整齐 。 简明的记录实验原始数据的习惯。
二、实验原理
1 ．半自动电光分析天平的构造原理及使用
天平是根据杠杆原理制成的，它用已知质量的砝码来衡量被称物体的质量。 基本构造：
（1） 天平梁
是天平的主要部件，在梁的中下方装有细长而垂直的指针，梁的中间和等距离的两端装有三个玛瑙三棱体，中间三棱体刀口向下，两端三棱体刀口向上，三个刀口的棱边完全平行且位于同一水平面上。梁的两边装有两个平衡螺丝，用来调整梁的平衡位置 （ 也即调节零点 ） 。
（2） 吊耳和称盘
两个承重刀上各挂一吊耳，吊耳的上钩挂着称盘，在称盘和吊耳之间装有空气阻尼器。空气阻尼器的内筒比外筒略小，两圆筒间有均匀的空隙，内筒能自由地上下移动。当天平启动时，利用筒内空气的阻力产生阻尼作用，使天平很快达到平衡。
(3 开关旋钮 （ 升降枢 ） 和盘托
升降枢：用于启动和关闭天平。
启动时，顺时针旋转开关旋钮，带动升降枢，控制与其连接的托叶下降，天平梁放下，刀口与刀承相承接，天平处于工作状态。关闭时，逆时针旋转开关旋钮，使托叶升起，天平梁被托起，刀口与刀承脱离，天平处于关闭状态。
盘托：安在称盘下方的底板上，受开关旋钮控制。关闭时，盘托支持着称盘，防止称盘摆动，可保护刀口。
（4） 机械加码装置
通过转动指数盘加减环形码 （ 亦称环码 ） 。
环码分别挂在码钩上。称量时，转动指数盘旋钮将砝码加到承受架上。环码的质量可以直接在砝码指数盘上读出。指数盘转动时可经天平梁上加 10-990mg 砝码，内层由 10-90mg 组合，外层由 100-900mg 组合。大于 1g 的砝码则要从与天平配套的砝码盒中取用 （ 用镊子夹取 ） 。
（5） 光学读数装置
固定在支柱的前方。称量时，固定在天平指针上微分标尺的平衡位置，可以通过光学系统放大投影到光屏上。标尺上的读数直接表示 10mg 以下的质量，每一大格代表 1mg ，每一小格代表 0.1mg 。
从投影屏上可直接读出 0.1-10mg 以内的数值。
（6） 天平箱
能保证天平在稳定气流中称量，并能防尘、防潮。
天平箱的前门一般在清理或修理天平时使用，左右两侧的门分别供取放样品和砝码用。箱座下装有三个支脚，后面的一个支脚固定不动，前面的两个支脚可以上下调节，通过观察天平内的水平仪，使天平调节到水平状态。
使用方法
天平室要保持干燥清洁。进入天平室后，对照天平号坐在自己需用的天平前，按下述方法进行操作：
（1） 掀开防尘罩，叠放在天平箱上方。
检查天平是否正常：天平是否水平；称盘是否洁净，否则，用软毛刷小心清扫；指数盘是否在 “000” 位；环码有无脱落；吊耳是否错位等。
（2） 调节零点 接通电源，轻轻顺时针旋转升降枢，启动天平，光屏上标尺停稳后，其中央的黑线若与标尺中的 “0” 线重合，即为零点 （ 天平空载时平衡点 ） 。如不在零点，差距小时，可调节微动调节杆，移动屏的位置，调至零点；如差距大时，关闭天平，调节横梁上的平衡螺丝，再开启天平，反复调节，直至零点。
（ 3) 称量 零点调好后，关闭天平。把称量物放在左盘中央，关闭左门；打开右门，根据估计的称量物的质量，把相应质量的砝码放入右盘中央，然后将天平升降枢半打开，观察标尺移动方向 （ 标尺迅速往哪边跑，哪边就重 ） ，以判断所加砝码是否合适并确定如何调整。当调整到两边相关的质量小于 1g 时，应关好右门，再依次调整 100mg 组和 10mg 组环码，按照 “ 减半加减码 ” 的顺序加减砝码，可迅速找到物体的质量范围。调节环码至 10mg 以后，完全启动天平，准备读数。
称量过程中必须注意以下事项：
a. 称量未知物的质量时，一般要在台秤上粗称。这样即可以加快称量速度，又可保护分析天平的刀口。
b. 加减砝码的顺序是：由大到小，折半加入。在取、放称量物或加减砝码时 （ 包括环码 ） ，必须关闭天平。启动开关旋钮时，一定要缓慢均匀，避免天平剧烈摆动。以保护天平刀口不受损伤。
c. 称量物和砝码必须放在称盘中央，避免称盘左右摆动。不能称量过冷或过热的物体，以免引起空气对流，使称量的结果不准确。称取具腐蚀性、易挥发物体时，必须放在密闭容器内称量。
d. 同一实验中，所有的称量要使用同一架天平，以减少称量的系统误差。 e. 天平称量不能超过最大载重，以免损坏天平。
f. 加减砝码必须用镊子夹取，不可用手直接拿取，以免沾污砝码。砝码只能放在天平称盘上或砝码盒内，不得随意乱放。在使用机械加码旋钮时，要轻轻逐格旋转，避免环码脱落。
（4） 读数
砝码＋环码的质量＋标尺读数 （ 均以克计 ） ＝被称物质量。
天平平衡后，关闭天平门，待标尺在投影屏上停稳后再读数，并及时记录在记录本上。读数完毕，应立即关闭天平。
（5） 复原 称量完毕，取出被称物放到指定位置，将砝码放回盒内，指数盘退回到 “000” 位，关闭两侧门，盖上防尘罩。登记，教师签字，凳子放回原处，再离开天平室。
2 ．电子天平的构造原理及特点
据电磁力平衡原理直接称量。
特点：性能稳定、操作简便、称量速度快、灵敏度高。
能进行自动校正、去皮及质量电信号输出。
1 ． 型电子天平的使用方法
（ 1 ）水平调节 水泡应位于水平仪中心。
（ 2 ）接通电源，预热 30 分钟。
（ 3 ）打开关 on ，使显示器亮，并显示称量模式 0.0000g
（ 4 ）称量 按 tar 键 ，显示为零后。 将称量物放入盘中央，待读数稳定后，该数字即为称物体的质量。
（ 5 ）去皮称量 按 tar 键清零， 将空容器 放在盘中央， 按 tar 键 显示零，即去皮。 将称量物放入 空容器中 ，待读数稳定后，此时天平所示读数即为所称物体的质量。
三、称量方法
1 ．直接称量法
用于直接称量某一固体物体的质量。如小烧杯。
要求：所称物体洁净、干燥，不易潮解、升华，并无腐蚀性。
方法： 天平零点调好以后，关闭天平，把被称物用一干净的纸条套住 （ 也可采用戴专用手套 ） ，放在天平左盘中央。调整砝码使天平平衡，所得读数即为被称物的质量。
？ 2 ．固定质量称量法
用于称量指定质量的试样。如称量基准物质，来配制一定浓度和体积的标准溶液。 要求：试样不吸水，在空气中性质稳定，颗粒细小（粉末）。
方法：先称出容器的质量，关闭天平。然后加入固定质量的砝码于右盘中，再用牛角勺
将试样慢慢加入盛放试样的容器中，半开天平进行称重。当所加试样与指定质量相差不到 10mg 时，完全打开天平，极其小心地将盛有试样的牛角勺伸向左称盘的容器上方约 2-3cm 处，勺的另一端顶在掌心上，用拇指、中指及掌心拿稳牛角勺，并用食指轻弹勺柄，将试样慢慢抖入容器中，直至天平平衡。此操作必须十分仔细。
3 ．递减称量法
用于称量一定质量范围的试样。适于称取多份易吸水、易氧化或易于和 co 2 反应的物质。
方法：（ 1 ） 用小纸条夹住 已 干燥好的称量瓶，在 用台秤上粗称其质量 （ 2 ） 将稍多于需要量的试样用牛角匙加入称量瓶，在台秤上粗称。
（ 3 ） 将称量瓶放到天平左盘的中央，在右盘上加适量的砝码或环码使之平衡，称出称量瓶及试样的准确质量 （ 准确到 0.1mg） ，记下读数，设为 m 1 g 。关闭天平，将右盘砝码或环码减去需称量的最小值。将称量瓶从拿到接受器上方， 右手用纸片夹住瓶盖柄，打开瓶盖。将瓶身慢慢向下倾斜，并用瓶盖轻轻敲击瓶口，使试样慢慢落入容器内（不要把试样撒在容器外）。当估计倾出的试样已接近所要求的质量时 （ 可从体积上估计 ） ，慢慢将称量瓶竖起，并用盖轻轻敲瓶口，使粘附在瓶口上部的试样落入瓶内，盖好瓶盖，将称量瓶放回天平左盘上称量。若左边重，则需重新敲击，若左边轻，则不能再敲。准确称取其质量，设此时质量为 m 2 g 。则倒入接受器中的质量为 （m 1 -m 2 ）g 。重复以上操作，可称取多份试样。
四、主要试剂和仪器
nacl ， k 2 c r o 7
分析天平，表面皿 ， 台秤 ， 称量瓶， 50 ml 小烧杯， 牛角匙
五、 实验步骤
1、 固定质量称量法
称取 0.5000g k 2 c r o 7 两份。
（ 1 ）将干燥洁净的表面皿或小烧杯，在台秤上粗称其质量，再在天平上准确称出其质量，记录称量数据。
（ 2 ）在右盘增加 500 mg 的砝码或环码。
（ 3 ）用药匙将试样慢慢加到左盘表面皿的中央，直到平衡点与称量表面皿的平衡点一致（误差范围 ≦ 0.2mg ）。记录称量数据和试样的实际质量。 反复练习几次，至熟练。
2 ． 递减称量法
称取 0.3-0.4g naci 两份。
（ 1 ）在天平上准确称取两个干燥洁净的小烧杯的质量，记录称量数据 m 0 和 m 0 / g 。
（ 2 ）将干燥洁净的称量瓶，在台秤上粗称其质量，再加入约 1.2g 试样，在天平上准确称出其质量，记录称量数据 m 1 g 。
转移 0.3-0.4g naci （约占试样总体积的 ）至第一个已称量的小烧杯中，称量并记录称量瓶和剩余试样的质量 m 2 g 。用相同的方法，再称出 0.3-0.4g 的 naci 于第二个已称量的小烧杯中。
六、 数据记录与结果的处理
有效数字的记录与处理
七、思考题
1 ．称量结果应记录至几位有效数字 ？ 为什么 ？
2、 称量时 ， 应每次将砝码和物体放在天平盘的中央，为什么 ？
3、 本实验中要求称量偏差不大于 0.4 mg, 为什么 ？
答案 :1. 小数点后 4 位 。 因 称量误差 ≦ 0.1%
2、 因为是等臂天平 。 放在天平盘的中央 ， 才能保证等臂 ， 使称量准确 。
3、 因为 称量一次 ， 允许产生 ±0.2 mg 的偏差 ， 用 递减称量法 称量一份试样时 ， 需要连续两次称取容器 + 试样的质量 ， 故允许产生 ±0.4 mg 的偏差
八、实验指导
1、 强调 加减物体或砝码 ， 一定要先关闭天平 。
2、 强调 保持天平洁净 。
实验
三、 滴定分析仪器基本操作练习
一、实验目的 1 ．通过看录像和教师讲解，熟悉常用滴定分析仪器的使用方法和容量器皿的校正方法
2、 熟悉常用仪器的洗涤和干燥方法。
二、主要试剂和仪器
k 2 cr 2 o 7 (s)，h 2 so 4 （ 浓 ） 、 naoh(s) 、去污粉、丙酮、无水乙醇、乙醚。
酸式滴定管，碱式滴定管，锥形瓶，洗瓶，容量瓶，吸移管，吸耳球，烧杯，试剂瓶，分析天平，称量瓶
* 请预先认真阅读实验教材中的玻璃量器和实验二的内容及相关资料。总结上一次实验的情况（包括纪律、卫生）。再次强调天平的操作规程和操作中出现的问题。
本实验的目的是学习滴定操作和滴定终点判断；半滴滴定剂即可改变终点是此次实验的要求。
1 ．首先复习天然气灯的空气量、天然气量的调节（普化实验中已使用过）。在铁架台下铺垫橡皮板；在铁架台上安装铁环，放上石棉网；将天然气灯放在铁架台台面上。点火前，先将风口调至最小。
2 ．用 1000ml 烧杯煮沸 500ml 水（盖表皿）。冷却至室温后，倒入带有橡皮塞的试剂瓶中。所用水可直接用量筒到通风橱内的塑料桶中取。
问题：此水做何用？用自来水还是去离子水？
3 ．烧水的同时，配制 naoh 和 hcl 溶液。告诫 : 永远是将相对较浓的 naoh 和 hcl 溶液倒入水中，尤其不能将水倒入酸中！ naoh 和 hcl 溶液稀释后一定要摇匀；试剂瓶磨口处不能沾有浓溶液！
4 ．演示如何用所配的溶液润洗滴定管和移液管，如何调零和读数（背景的选择）。每次润洗滴定管的溶液体积应在 10ml 左右。润洗移液管的溶液，每次为 3ml 左右。移液管取放溶液时，注意尖部紧贴盛放溶液的器皿壁，且呈一定角度。溶液放完后，等候 15 秒方可取出移液管。若用滤纸片擦去移液管外壁的溶液，则必须先擦，再调零。
滴定操作是容量分析的重要基本功之一。要求同学们利用一切可能的机会练习滴定操作。
注意（ 1) 体积读数要读至小数点后两位
（2） 滴定速度 : 不要成流水线
（3） 近终点时 ， 半滴操作有效数字计算式溴甲酚绿混合指示剂 ， 硼砂 ， 置于含有 nacl 和蔗糖的饱和液的干燥器内保存 。
酸式滴定管，锥形瓶，洗瓶，容量瓶，吸移管，吸耳球，烧杯，试剂瓶，分析天平，称量瓶
四、分析步骤
1 ． 0.1 mol/l hcl 溶液的标定
（ 1 ）用无水 na 2 co 3 标定
用差减法准确称取 0.15 ～ 0.20 克无水碳酸钠三份 （ 称样时 ， 称量瓶要带盖 ） ，分别放在 250ml 锥形瓶内，加水 30 毫升溶解， 加甲基橙指示剂1～2滴，然后用盐酸溶液滴定至溶液由黄色变为橙色，即为终点，由碳酸钠的质量及实际消耗的盐酸体积 ， 计算 hcl 溶液的浓度 和测定结果的相对偏差。
（2） 用硼砂标定
用差减法准确称取 0.4 ～ 0.6 克 硼砂 三份，分别放在 250ml 锥形瓶内，加水 50 毫升 ， 微热溶解，冷却后 ， 加2滴甲基红指示剂，然后用盐酸溶液滴定至溶液由黄色变为浅红色，即为终点，由 硼砂 的质量及实际消耗的盐酸体积 ， 计算 hcl 溶液的浓度 和测定结果的相对偏差。
2 ． 工业纯碱中总碱度的测定
准确称取 2 克试样于小烧杯中，用适量蒸馏水溶解 （ 必要时，可稍加热以促进溶解 ， 冷却后 ）， 定量地转移至 250 ml 溶量瓶中，用蒸馏水稀释至刻度，摇匀。 用移液管移取试液 25 ml 于锥形瓶中，加 20 ml 水 ， 加1～2滴甲基橙指示剂， 用 0.1 mol/l 的 hcl 标准溶液滴定至恰变为橙色 ， 即为终点 。 记录滴定所消耗的 hci 溶液的体积，平行做 3 次。计算试样中 na 2 o 或 na 2 co 3 的含量 ， 即为 总碱度 ， 测定各次的相对偏差应在 ±0.5% 内。
五、思考题
1、 无水 na 2 co 3 保存不当 ， 吸收了 1% 的水分 ， 用此 基准物质标定盐酸溶液的浓度时 ， 对其结果产生何种影响 ？
2、 标定盐酸的两种基准物质 无水 na 2 co 3 和硼砂 ， 各有什么优缺点 ？ 答案 : 1. 未 吸水分时 ，
吸收了 1% 的水分后 ，
v hci / =99%v
结果偏高 1%
2、 硼砂 : 前处理麻烦 ， 但称量容易 ， 摩尔质量大 ， 称样的相对误差小 ， 且性质稳定 。
无水 na 2 co 3 : 前处理简单 ， 但易吸水和二氧化碳 ， 需带盖称量 。
六、实验指导
1、 强调甲醛中的游离酸和 （nh 4 ） 2 so 4 试样中的游离酸的处理方法
2、 强调 试样中含氮量的测定中终点颜色的变化。
3 ．强调 工业纯碱 中含有杂质和水分 ， 组成不太均匀 ， 应多称一些 ， 使之具有代表性 。 并应预先在 270 ～ 300 ℃中处理成干基试样。
实验
六、 edta 标准溶液的配制和标定
水硬度的测定
一、实验目的 1 ．了解水的硬度的概念，测定水硬度的意义，以及水的硬度的表示方法。 2 ．理解 edta 测定水中钙、镁含量的原理和方法，包括酸度控制和指示剂的选择。
3 ．测定过程中加入 mg-edta 的作用及其对测定结果的影响。
二、实验原理
水的硬度最初是指钙、镁离子沉淀肥皂的能力。水的总硬度指水中钙、镁离子的总浓度，其中包括碳酸盐硬度 （ 即通过加热能以碳酸盐形式沉淀下来的钙、镁离子，故又叫暂时硬度 ） 和非碳酸盐硬度 （ 即加热后不能沉淀下来的那部分钙、镁离子，又称永久硬度 ） 。
硬度的表示方法尚未统一，目前我国使用较多的表示方法有两种：一种是将所测得的钙、镁折算成 cao 的质量，即每升水中含有 cao 的毫克数表示，单位为 mg2l -1 ；另一种以度 （ °） 计：1硬度单位表示 10 万份水中含1份 cao（ 即每升水中含 10mgcao） ， 1° ＝ 10ppm cao 。这种硬度的表示方法称作德国度。
?工业用水和生活饮用水对水的硬度的要求】我国生活饮用水卫生标准规定以 caco3 计的硬度不得超过 450mg2l -1 。
ca 2+ + edta = ca-edta
mg 2+ + edta = mg-edta
三、 主要试剂和仪器
0.02mol/ledta ， nh3-nh4cl 缓冲溶液（ ph~10 ）， 10%naoh 溶液，铬黑 t 指示剂
碱式滴定管，锥形瓶，洗瓶，容量瓶，吸移管，吸耳球，烧杯，试剂瓶，分析天平，称量瓶
四、分析步骤
在一份水样中加入 ph=10.0 的氨性缓冲溶液和少许铬黑 t 指示剂，溶液呈红色；用 edta 标准溶液滴定时， edta 先与游离的 ca2+ 配位，再与 mg2+ 配位；在计量点时， edta 从 mgin- 中夺取 mg2+ ，从而使指示剂游离出来，溶液的颜色由红变为纯蓝，即为终点。
当水样中 mg2+ 极少时，由于 cain- 比 mgin- 的显色灵敏度要差很多，往往得不到敏锐的终点。为了提高终点变色的敏锐性，可在 edta 标准溶液中加入适量的 mg2+ （在 edta 标定前加入，这样就不影响 edta 与被测离子之间的滴定定量关系），或在缓冲溶液中加入一定量的 mg—edta 盐。
水的总硬度可由 edta 标准溶液的浓度 cedta 和消耗体积 v1 （ ml ）来计算。以 cao 计，单位为
mg/l.
以德国度计，单位为
（ o ）
五、思考题
1 ．本实验中移液管是否要用去离子水润洗？锥形瓶是否要用去离子水润洗？ 2 ．络合滴定近终点时， edta 置换 m-in 中的指示剂的反应速度略慢，因此需多摇慢滴。
3 ．剩余的 edta 溶液回收（塑料回收桶在通风橱内），将用于设计实验。 实验
七、 铅、铋混合液中各组分含量的测定
一、实验目的 1 ．混合溶液中两个金属离子能否分别准确滴定，如何控制溶液的酸度进行连续滴定，是本实验要达到的目的之一。
2 ．采用何种试剂，控制酸度及选用什么指示剂指示两个滴定终点，是本实验的重点。
3 ．了解二甲酚橙指示剂的性质及在混合液中应用的 ph 值范围，解释滴定过程中溶液颜色变化的原因。
4 ．分析结果以 g.l -1 计，要求学生分析结果的精密度和准确度在允许误差范围之内。
二、实验原理
溶液中 bi 3+ 和 pb 2+ 均可与 edta 形成稳定的络合物，但其稳定性有相当大的差别， bi 3+ 和 pb 2+ 同时存在时，可利用控制溶液酸度的方法滴定 bi 3+ 而 pb 2+ 不干扰。
测定量，先调节酸度至 ph~1, 进行 bi 3+ 离子的滴定，溶液由紫红色变为亮黄色，即为终点。然后再用六次甲基四胺为缓冲剂 ，控制溶液 ph~5-6 ，进行 pb 2+ 离子的滴定。此时溶液再次呈现紫红色，以 edta 溶液继续滴定至亮黄色，即为终点。
三、 主要试剂和仪器
0.02mol/l edta 标准溶液， 20% 六次甲基四胺溶液， zno（ 基准用 ） ， 0.1mol?l 硝酸溶液， 0.5 mol/l naoh 溶液， 0.2% 二甲酚橙指示剂 ， ph 试纸
碱式滴定管，锥形瓶，洗瓶，容量瓶，吸移管，吸耳球，烧杯，试剂瓶，分析天平，称量瓶
四、分析步骤
1 ． bi 3+ 离子的滴定
2 ． pb 2+ 离子的滴定
五、思考题
1 ．滴定 溶液中 bi 3+ 和 pb 2+ 时，溶液酸度各控制在什么范围？怎样调节？ 2 ．能否在同一份试液中先滴定 pb 2+ 离子？尔后滴定 bi 3+ 离子？ 实验
八、白云石中钙、镁含量的连续测定
一、实验目的 1 ．练习酸溶法的溶样方法
2 ．掌握络合滴法测定混合离子的方法
3 ．了解沉淀分离法在络合滴法中的应用
二、实验原理
白云石的主要成分为 caco 3 和 mgco 3 ，此外，还常常含有其它碳酸盐、石英、硫化亚铁、粘土、硅酸盐、磷酸盐等。溶样后，滴定时应消除干扰。 ca 2+ + edta = ca-edta
mg 2+ + edta = mg-edta
三、 主要试剂和仪器
0.02mol/l edta 标准溶液， 1+1 盐酸， nh 3 -nh 4 cl 缓冲溶液（ ph~10 ）， 10%naoh 溶液，钙指示剂，铬黑 t 指示剂， k-b 指示剂， 0.2% 甲基红指示剂， 1+1 三乙醇胺溶液
碱式滴定管，锥形瓶，洗瓶，容量瓶，吸移管，吸耳球，烧杯，试剂瓶，分析天平，称量瓶
四、分析步骤
1 ．试样的溶解和制备
2 ．干扰的消除
白云石试样中常含铁、铝等到干扰元素，蓝天其量不多，可在 ph5.5~6.5 的条件下使之沉淀为氢氧化物沉淀。在此条件下，由于沉淀少，吸附现象极微不致影响分析结果。
3 ．钙、镁含量的测定
五、思考题
1 ．本法测定钙、镁含量时，试样中存在的少量铁、铝等到物质有干扰吗？用什么方法可消除干扰？
实验
九、高锰酸钾标准溶液的配制、标定
过氧化氢含量的测定
一、实验目的 1 ．掌握 0.1mol.l -1 kmno 4 溶液的配制方法
2 ．掌握用 na 2 c 2 o 4 基准物质标定 kmno 4 的条件
3 ．注意用 kmno 4 标准溶液滴定 h 2 o 2 溶液时，滴定速度控制
二、实验原理
商品双氧水中 h 2 o 2 的含量，可在室温硫酸中用高锰酸钾法测定。在酸性溶液中， h 2 o 2 还原
mno 4 - :
三、 主要试剂和仪器
0.02mol/l kmno 4 标准溶液， 1mol/l 硫酸溶液
酸式滴定管，锥形瓶，洗瓶，容量瓶，吸移管，吸耳球，烧杯，试剂瓶，分析天平，称量瓶
四、分析步骤
1 ．配制样品溶液：定量移取少量双氧水样品溶液于 100ml 溶量瓶中
1 锰酸钾法测定？
． h 2 o 2 含量测定
五、思考题 ．为什么含有乙酰苯胺的等有机物作稳定剂的双氧水样品不能用高实验
十、水中化学耗氧量（ cod ）的测定
一、实验目的 ．了解测定水样化学耗氧量的意义 ．掌握 kmno 4 法测定水样中 cod 的原理和方法
二、实验原理
化学耗氧量 （cod-chemical oxygen demand) 是量度水体受还原性物质 （ 主要是有机物 ） 污染程度的综合性指标。它是指水体中易被强氧化剂氧化的还原性物质所消耗的氧化剂的量，换算成氧的含量 （ 以 mg/l 计 ） 。测定时在水样 (v s ） 中加入 h 2 so 4 及一定量的 kmno 4 溶液 （v 1 ） ，置沸水浴中加热，使
其中的还原性物质氧化，剩余的 kmno 4 用一定过量 nac 2 o 4 还原 （v) ，再以 kmno 4 标准溶液 (v 2 ） 返滴定过量部分。
三、 主要试剂和仪器
0.02mol/l kmno 4 标准溶液， 1mol/l 硫酸溶液
酸式滴定管，锥形瓶，洗瓶，容量瓶，吸移管，吸耳球，烧杯，试剂瓶，分析天平，称量瓶
四、分析步骤
1 ．水样的收集
2 ． cod 测定
五、思考题
1 ．水体污染后对水体生物有何影响？
实验
十一、 na 2 s 2 o 3 标准溶液的配制和标定
硫酸铜中铜含量的测定
一、实验目的 1 ．掌握 na 2 s 2 o 3 标准溶液的配制和校定方法。
2 ．掌握间接碘量法测定铜盐中铜含量的原理和方法。
二、实验原理
1 ． na 2 s 2 o 3 标准溶液的配制和标定
2 ．硫酸铜中铜含量的测定
三、 主要试剂和仪器
0.05 mol/lna 2 s 2 o 3 溶液， 1mol/l 硫酸溶液， 10%kscn 溶液 ，10%ki 溶液， 1% 淀粉溶液
酸式滴定管，锥形瓶，洗瓶，容量瓶，吸移管，吸耳球，烧杯，试剂瓶，分析天平，称量瓶
四、分析步骤
1 ．样品制备
2 ．铜含量测定
注意：
1 ）反应必须在 ph ＝ 3.5 ～ 4 的弱酸性溶液中进行，以防止 cu 2+ 的水解及 i 2 的歧化。酸化时常用 h 2 so 4 或 hac ，不易用 hcl 和 hno 3 2 ）防止 fe 3+ 对测定的影响；
3 ）使 cui 沉淀转化为溶解度更小的 cuscn 沉淀，以减小吸附
五、思考题
1 ．为什么标定 na 2 s 2 o 3 和测定 cu 2+ 时，一定要在临近终点时再加入。 2 ．间接碘量法测定铜时，为什么要加入 kscn? 什么时候加 kscn 最适宜？ 3 ．硫酸铜易溶于水，为什么溶解时要加入硫酸？
实验
十二、漂白粉中有效氯含量的测定
一、实验目的 1 ．掌握间接碘量法测定铜盐中铜含量的原理和方法。
