|
인스트루먼트
http://www.sechang.com/techinfo/data/1051/ph_measure.xhtml#t9
네이버 캐스트 (화학산책)
http://navercast.naver.com/contents.nhn?rid=44&contents_id=2501 실험목적
서론
실험 기구 및 재료
실험방법
실험결과
고찰
요약
Homework
참고문헌
|
|
|
pH변화에 대응하는 것이다. 그래서 사용하는 물질들의 이온화도가 낮아야 한다. 그래야 주변에서 들어오는 H+나 OH-에 반응해서 조금씩 이온화를 하며 평형을 유지하는데 결과적으로 용액 전체의 pH가 큰 변화없이 유지한다.
강산 강염기는 이
|
|
|
고등학교때 보던 책을 다시 뒤져서 보며 머리를 쓰고 하는 데 얼마나 골치를 먹었는 지 모른다. 하지만 적고 보니 내 스스로에게도 뿌듯하고 전공 공부에도 도움이 많이 된 것 같다. - 실험 목적
- 실험 방법
- 실험 결과
- 토의
- 감상
|
|
|
경우에 용액에 남아 있는 수소 이온의 농도를 직접 계산해서 적정 곡선을 그려 보아라.
3. 0.5000M 아세트산 25mL를 0.5000M NaOH로 적정하는 경우에 당량점에서 용액의 pH를 계산해 보아라. (SKOOG, 분석화학 제8판, 중화적정 부분 참고)
감상
|
|
|
값이 이론과 많은 차이를 나타내는 이유는 실험 하기 전 부터 미터의 복합전극이 오염되어 있었거나 건조한 상태에 놓여 있었기 때문 이며, 미터 사용 전 표준완충용액으로 표준화를 시키지 않아서 위와 같은 결과가 나 온 것이다. 값이 변함
|
|
 |
pH 9.0 이다. 여기서 EDTA는 Biomass를 깨는 역할을 Tris는 완충역할을 한다. Reference 1(이후 Ref 1.) 논문의 실험데이터를 전적으로 참고하였다. 우선 왼쪽 데이터에서 Periplasmic과 세포전체에서 각각 나오는 α-Amylase의 양을 정량적으로 비교할 수 있었
|
|
|
실험데이터의 기초 분석 10
3. 변수선정 11
(1) 성별과 연 구매회수와의 독립성 검정 12
(2) 입력변수 특성 13
4. 신경망 모형의 구성 17
5. 실험결과와 분석 17
(1) 신경망 결과 17
(2) 로지스틱 회귀분석 18
(3) 실험 결과비교 19
IV. 결론 및 추후
|
|
|
실험 결과 및 분석 46
4.3 수치해석 결과 및 분석 51
제 5 장 결 론 55
참고문헌 57
영문초록 60
국문초록 62
표 목 차
표 2.1. 시공방법별 특징 6
표 2.2. 긴 말뚝과 짧은 말뚝의 구별 9
표 2.3. 제안된 경험 상수값(J) 25
표 2.4. 대표적인 모래의
|
|
|
이론적 배경)
Ⅲ. Method (실험 방법)
1. Subject (실험 대상)
2. Experiment Apparatus (실험 장치)
3. Experiment Procedure (실험 절차)
Ⅳ. Result (실험 결과)
1. Data collected (수집된 자료)
2. Statistical analysis (통계적 분석)
V. Discussion (토의 결과)
1. Inte
|
|
|
계산의 실제 차이는 소수 첫째자리 값 정도이다. 하지만 전산해석을 하면서 프로그램에 값을 넣을 때 사람이 실수할 수 있는 부분이 너무 나도 많이 존재한다. 사람의 생명을 책임지는 구조계산에 있어서 전산해석 결과 값만을 확신하지 말고
|
|
 |
이론적 틀, 예상되는 연구 과정 등을 설명합니다. 또한, 연구의 예상 결과와 그것이 해당 분야에 어떤 기여를 할 수 있는지에 대해 논합니다.
4. 학업 준비 상태 및 자격: 관련 분야나 주제에 대한 이해도, 이전 학업이나 경험, 연구 스킬 등 자
|
|
 |
값을 도출할 수 있도록 결과 값을 정정해 나가기 시작했습니다. 하지만 저는 근본적인 원인을 알아내는 것이 타당한 접근법이라 생각하였고, 팀원들에게 제 의견을 피력했습니다. 팀원들도 동조하여 이상적인 값과 실험값을 비교하며 디버깅
|
|
 |
후보물질의 활성 효과를 평가하는 실험을 진행하고 있었습니다. 그러나 반복된 실험에서 결과 값이 불안정하게 나타났고, 기존 가설과 크게 달라 연구 방향에 심각한 의문이 제기됐습니다. 특히 마감 시한이 임박한 상황에서 연구결과의 신
|
|
 |
데 어려움을 초래하여 초기 시뮬레이션 예측값과 실제 실험 결과 간 오차가 발생했고, 전환율 90%는 달성했으나 그 이상으로 끌어올리는 데 한계에 봉착했습니다. 당시 저는 단일 실험실 반응기의 스케일업 시 복합적인 열역학적 변수 제어가
|
|
 |
값이 줄어든다면 틈이 있는 것’이므로 문제 해결 방법의 방향을 찾을 수 있을 것이라 생각했습니다. 실험 결과 실제로 접합부의 틈을 발견할 수 있었고, 이 틈을 없애는 것이 과제의 진행 방향이었습니다.
팀원들과 틈을 없애기 위해 기존의
|
|
메뉴펼치기
