以杨絮(PC)为原料，采用乙醇溶剂热法对其进行预处理，再进行碳化，制备了高比表面积的杨絮衍生多孔碳(DPCC)，并研究了其对染料的吸附性能及动力学性能。通过单因素实验优化工艺参数，确定最佳预处理条件(液固比为17 mL·g^-1、200 ℃处理2 h)，在此条件下制备的DPCC-10比表面积达到518 m²·g^-1。结合傅里叶变换红外光谱(FTIR)、X射线衍射(XRD)、拉曼(Raman)光谱、扫描电镜(SEM)和N₂吸附-脱附测试等表征手段，证实预处理过程能够有效去除木质素和半纤维素等，形成丰富的多级孔道结构。吸附实验表明，DPCC-10对亚甲蓝(MB)的最大吸附量达到385.71 mg·g^-1，优于多数报道的生物质衍生吸附剂。DPCC-10对染料的吸附过程满足准二级动力学方程，表明该吸附以化学吸附为主。经过4次吸附-脱附循环后，DPCC-10对MB的吸附容量仍保持初始值的92.01%，表明材料具有优异的可再生性能。

本文在数智教育背景下，以水体硬度测定为例，融合机器学习与大数据技术，构建分析化学实验数字化教学辅助系统。通过采集滴定图像，结合颜色直方图与SVM模型判定滴定进程，实现结果自动分析与评价及个性化学习反馈。该研究将传统实验与数字技术相结合，培养学生数据分析、跨学科思维与实践能力，为高校化学实验教学数字化提供了新方法。