溶解度参数法筛选油品脱氮萃取剂的研究

为了提高润滑油的质量,必须对其进行溶剂萃取脱氮精制处理。用改进的溶解度参数法在不同温度下定量估算萃取溶剂对溶质的溶解能力和选择性,并进行排序,结果表明溶剂的溶解能力与选择性是互相矛盾的。其中溶解能力与选择性可用无限稀释活度系数表示,而无限稀释活度系数用Helpinstill-Van Winkle推算法计算。选择五种溶剂对减压侧线油进行萃取实验并测定溶剂对油品中碱氮化合物的萃取效果,结果表明,理论估算结果与实验测定结果基本吻合。兼顾溶剂对碱氮化合物的溶解能力与选择性,在五种溶剂中BMA是性能较优的油品脱碱氮溶剂。     

气相色谱法测定无限稀活度系数——有机物 脂肪酸酯二元溶液

无限稀活度系数对于溶液理论工作者是一非常重要的物理量。无限稀释时,溶质一溶质间距离无限远,其相互作用可忽略不计,溶液中只存在溶质一溶剂、溶剂一溶剂相互作用力,使得理论处理简单化。而气相色谱因其测试周期短,准确度高,巳成为研究溶液的一种重要方法〔‘,一:」。本文报道了用气相色谱法测定的正庚烷、正己烷、环己烷、四氯化碳、苯、三氯甲烷、乙醚、异丙醇、正丙醇、乙醇、甲醇、乙酸甲醋、丙酮、丁酮等十四种溶质在丁二酸二正丁醋、丁二酸二异辛醋、癸二酸二正壬酗中的无限稀活度系数,并就实验结果作了讨论。     

咪唑氯盐离子液体在水溶液中单个离子活度系数

<正>活度系数是重要的物理化学参数,是溶液中溶质的实际行为与其在理想或无限稀释溶液中行为偏差的一种量度.活度系数无论在理论研究还是实际应用中都具有极其重要的意义.单个离子活度系数在半透膜的     

有机溶质在甲酰胺含盐溶液中的活度系数

利用气液色谱法测定了８个有机溶质在甲酰胺＋ＮａＩ、甲酰胺＋ＮａＣｌＯ４溶液中的无限稀释活度系数（２９８．１５Ｋ）．讨论了电解质浓度及分子间的相互作用对活度系数的影响．     

298.15K下卤化钠在葡萄糖水溶液中单个离子活度系数研究

活度系数是重要的物理化学参数, 是溶液中溶质的实际行为与其在理想或无限稀释溶液中行为偏差的一种量度.在理论研究和实际应用中具有极其重要的意义.其中单个离子的活度系数在半透膜的离子平衡、生命过程的研究、离子交换设备的设计、地质研究等领域都是非常重要的[1].     

基于UNIFAC模型的离子液体相平衡及萃取研究

通过拟合季膦类、咪唑类离子液体中无限稀释的苯和醇类等溶质的实验数据,得到了离子液体中[TRP][BF₄]等7种新主基团的UNIFAC(universal functional activity coefficient)模型参数。基于该参数,预测了乙醇和甲醇在离子液体[EMIM][ES]和[BMIM][C₅H₁₂O₆S]中的气液相平衡,计算值与实验结果之间吻合较好,这表明本文中仅使用无限稀释溶液活度系数回归出的UNIFAC模型参数仍然是可靠的。最后,对4种离子液体在甲苯/苯-乙醇/甲醇体系中的萃取性能进行了筛选,发现[BMIM][C₅H₁₂O₆S]在甲苯/苯-醇类体系的萃取选择性最高,达到15:3。     

基于Wilson、UNIQUAC和NRTL活度系数模型的离子液体体系的相平衡比较

对Wilson、通用似化学(UNIQUAC)和非随机双液(NRTL) 3种活度系数模型在离子液体体系中的相平衡应用进行了系统的比较。考察了酮类、烃类、酯类、醇类、醚类和水6类溶质与离子液体组成的二元体系,对3种活度系数模型进行了参数回归,得到了二元交互作用参数。以拟合较好的丙酮/甲醇二元体系为例,预测了丙酮/甲醇/[EMIM][triflate]三元体系的温度-组成,并与实验进行了比较。结果表明,无论在回归或是在预测中,NRTL活度系数模型均能取得满意的效果;而Wilson和UNIQUAC模型依赖于特定的体系组成,回归效果不太稳定,并且对三元体系的预测能力也有不足。     

气相色谱法测无限稀活度系数及超额偏摩尔函数

本文报道了用气相色谱法测定十一种溶质:正庚烷、正已烷、正戊烷、四氯化碳、乙醚、异丙醇、正丙醇、乙醇,甲醇、丙酮、丁酮在正三十六烷及角鲨烷溶剂中的无限稀活度系数γ,根据活度系数与温度的关系,计算出了超额偏摩尔函数H_1~E、S_1~E,并就实验结果进行了讨论。     

大功率微波作用下溶液复介电系数测量新方法

化学反应过程中的等效复介电系数测量是微波化学研究的重要内容.传统的复介电系数测量方法一般都需要测量反射系数的相位.而在大功率微波条件下，很难做到对反射系数相位的准确测量.为解决该问题，基于天线模型提出了一种新的测量方法.并对氯化钠水溶液和甲醇/乙醇混合溶液的复介电系数进行了测量.实验结果和相关文献中的公式计算值基本吻合.     

咪唑类离子液体对低压丙酮蒸气吸收性能研究

在303.2~333.2K范围内,采用三釜气液平衡系统测量丙酮与5种咪唑类离子液体的二元气液平衡数据.然后采用非随机(局部)双液体模型(NRTL)关联二元体系的等温气液平衡.最后基于模型,获得了丙酮蒸气在离子液体中的无限稀释活度系数和亨利系数,并评价了吸收过程的Gibbs自由能、焓变、熵变和偏摩尔过量焓变等热力学性质.实验表明,亨利系数随着温度升高而增大,丙酮的无限稀释活度系数均小于1,混合溶液为负偏差溶液,利于丙酮的吸收.延长阳离子侧链烷基长度可缓慢提高丙酮溶解度,但相对于阳离子而言,阴离子对丙酮溶解度影响较大,且按如下顺序递增:[BF4][PF_6][Tf_2N].热力学分析表明丙酮吸收由体系的熵变控制.[Tf_2N]类离子液体吸收熵变值较大,混合溶液热力学稳定性高,与丙酮分子间作用力强,对丙酮溶解性能强.     

基于优化最小二乘支持向量机的数控机床热误差建模分析

数控机床热误差是降低加工精度的主要因素之一.针对热误差建模问题, 结合布谷鸟算法的随机莱维飞行机制和最小二乘支持向量机结构风险最小化与线性规划等优点, 提出基于布谷鸟算法优化最小二乘支持向量机的热误差建模方法.在最小二乘支持向量机将低维非线性问题转化为高维线性问题时, 构建了混合核函数.同时,采用布谷鸟算法对最小二乘支持向量机惩罚因子γ、核宽度参数σ和混合核权值λ进行了优化.以GMC2000A机床为实验对象, 分别对热误差数据进行了聚类分析和建模分析.通过误差预测对比分析得出结论, 基于布谷鸟算法优化混合核最小二乘支持向量机建立的误差模型取得了良好的预测效果, 且明显优于BP神经网络模型和未优化的最小二乘支持向量机模型的预测效果.     

基于改进自适应粒子群算法的混合核函数最小二乘支持向量机大坝变形预测

针对大坝变形影响因素的复杂性以及监测数据的非线性、随机波动大和预测难度大等问题,提出一种改进自适应粒子群(particle swarm,PSO)算法的混合核函数最小二乘支持向量机(least squares support vector machine,LSSVM)模型,实现了大坝水平变形的时间序列预测方法.基于Mercer理论,将多项式核函数和高斯核函数进行线性组合,构建混合核函数,作为LSSVM模型的核函数,并以特征因子与大坝变形间的相互联系为基础,采用动态自适应惯性权重的PSO算法,对混合核函数的LSSVM模型进行参数寻优,以确保建立最佳LSSVM预测模型.将模型应用于丰满大坝,并与传统多项式核函数和传统高斯核函数的LSSVM模型进行对比仿真实验,对所提方法的有效性和准确性进行验证评估.结果表明,该模型在预测精度上有了明显提高,预测性能尤佳.可见改进自适应粒子群的混合核函数LSSVM模型对大坝变形的时间序列预测有良好的实用价值.     

基于自适应粒子群参数优化的最小二乘支持向量机用电量预测模型

为应对当前复杂非线性的宏观经济形势与电力消耗情况,本文提出了一种自适应粒子群算法改进的最小二乘支持向量机负荷预测模型。根据粒子群中粒子的成熟程度对其进行分类,对不同类别的粒子分别采取不同的位置更新方式,可以保持粒子种群多样性,避免造成局部最优。利用自适应粒子群算法优化最小二乘支持向量机的模型参数,经过实证分析能够一定程度提高模型的预测精度,可以为中长期负荷预测工作提供一些的参考。     

基于和声搜索算法的支持向量机参数优化

支持向量机是建立在统计学理论基础上,以结构风险最小为原则的一种机器学习算法,能够很好地解决小样本、高维数、非线性等问题,被广泛地应用于模式识别、函数估计及回归预测等领域.但是支持向量机性能的高低往往取决于其相关参数的正确选择.为提高优化参数的精度及效率,利用和声搜索算法的全局寻优能力,对支持向量机的惩罚参数及核参数进行优化选择.通过4个标准UCI数据集的仿真实验,结果表明本算法不仅减少了搜索时间,而且所获得的参数能大幅提高支持向量机的性能和预测精度,提高了泛化能力.     

利用蜂群算法优化的区域高程拟合精度分析

针对最小二乘支持向量机拟合法的拟合参数难以选取的问题,提出将人工蜂群算法引入最小二乘支持向量机建立高精度区域拟合模型的方法。人工蜂群算法可对最小二乘支持向量机中的参数进行全局性追踪搜索,模仿蜜蜂的采蜜过程,将参数的初选值作为蜜源,最小二乘支持向量机预测的平均平方误差作为目标函数,在一定范围内经过迭代更新确定最佳参数,最终建立精度较高的全球定位系统(GPS)高程拟合模型。实验结果表明,相比常规最小二乘支持向量机拟合法,ABC-LSSVM组合方法构建的拟合模型精度提高了28%,在此同时,该组合方法比BP神经网络拟合法的收敛效果更高、稳定性更佳,证明了ABC-LSSVM组合方法在GPS高程拟合模型构建中的有效可行性,为GPS高程拟合模型的建立提供一定的参考价值。     

基于双参数最小二乘支持向量机(TPA-LSSVM)的风电时间序列预测模型的优化研究

风电时间序列预测模型的优劣直接影响风功率的应用价值,最小二乘支持向量机（least squares support vector machine,LSSVM）在处理风电预测问题上具有明显优势。提出了一种双参数算法（two-parameter algorithm,TPA）,从理论上证明了任意初始值均可线性收敛到全局最优值。调用TPA算法对LSSVM模型的惩罚因子和径向基宽度进行寻优赋值,并将训练好的TPA-LSSVM模型应用于风电预测中。仿真结果表明,与LSSVM模型、粒子群最小二乘支持向量机（PSO-LSSVM）模型、径向基函数神经网络（RBFNN）模型相比,TPA算法可以更好地实现LSSVM的参数寻优,TPA-LSSVM模型能有效提高预测精度。     

采用最小二乘支持向量机的部分相依函数型线性模型估计与应用

提出一种基于无截断Bartlett核函数的重构方法,有效避免长期方差函数估计方法面临的核函数与窗宽选择问题,并将其应用到部分相依函数型线性模型中.利用考虑函数型数据相依性的最小二乘支持向量机对模型进行参数估计,数值模拟结果表明:与未考虑函数型数据相依特征的最小二乘估计方法相比,提出的考虑函数型数据相依性的最小二乘支持向量机估计方法能更稳健地估计向量系数,有效提高样本外的预测精度;将部分相依函数型线性模型应用到上证指数开盘价的预测中,得到较好的预测效果.     

基于涡流搜索算法的过程支持向量回归机模型

针对传统支持向量回归机在机制上难以直接对时变信号进行处理的问题, 提出了一种用于时间序列预测 的过程支持向量回归模型, 采用涡流搜索算法优化选择模型参数, 采用 UCI(University of California Irvine)数据 库的空气质量数据集和比利时 SIDC(Solar Influences Data Analysis Center)的太阳黑子数据进行仿真实验。 实验 结果表明, 该模型预测结果均优于粒子群过程支持向量回归机和支持向量回归机的预测结果, 具有较好的预测 能力。     

基于粒子群算法优化最小二乘支持向量机的网络安全态势评估

为了提高网络安全态势评估的准确性,提出一种基于最小二乘支持向量机和粒子群优化算法的网络安全态势评估模型.通过分析参数对最小二乘支持向量机性能的影响,并采用粒子群优化算法选择模型参数,建立网络安全态势评估模型,最后采用仿真对比实验测试模型的有效性和优越性.结果表明,本文模型获得理想的网络安全态势评估结果,可以为网络管理人员提供有价值的参考信息.     

基于优化支持向量机的带钢延伸量软测量研究

带钢退火过程中存在多变量非线性主导因素和数据噪声,难以用数学模型精确描述退火炉内带钢的延伸量.针对这一问题,提出基于核主元分析(KPCA)与免疫粒子群(ICPSO)优化最小二乘支持向量机(LSSVM)的炉内带钢延伸量软测量方法.采用ICPSO算法避免了粒子群算法易陷入局部最优的缺陷,利用ICPSO对LSSVM进行参数寻优,通过KPCA去除样本噪声,提取输入数据样本中的非线性主元信息,建立ICPSO-LSSVM软测量模型.此方法用于退火炉内带钢延伸量预测,通过现场生产数据仿真实验进行非线性函数估计;对比其他几种现有算法,实验结果表明本文方法具有较高的预测精度.