有机蒙脱土复合型高吸水性树脂的制备及性能研究

用十六烷基三甲基溴化铵(CTMAB)对钠基蒙脱土进行有机改性,制得有机蒙脱土,采用水溶液聚合法将有机蒙脱土与衣康酸(IA)、N-羟甲基丙烯酰胺(N-MAM)共聚制备了有机蒙脱土复合型高吸水性树脂,研究了该树脂的吸液性能和热稳定性能.结果表明:当有机蒙脱土质量占聚合单体总质量3%时,复合型高吸水性树脂的吸水性、耐盐性和热稳定性得到了提高,在pH7～10范围吸水能力最强.     

基于语义关联性特征融合的大数据挖掘方法

提出一种基于语义关联性特征融合的大数据挖掘算法.对云存储大数据分布式信息流进行高维相空间重构,在重构的相空间中提取大数据的语义关联维特征量,以提取的特征量为测试集进行自适应学习训练.采用模糊C均值算法进行大数据语义关联特征的稀疏性融合和聚类处理,在聚类中心实现对挖掘目标数据的指向性聚敛,输出数据挖掘结果,并采用特征压缩器进行降维处理,降低计算开销.仿真结果表明,采用该方法进行大数据挖掘的特征提取准确性较好,挖掘数据的聚类能力较强,在实时性和准确性方面具有优势.     

聚多巴胺修饰的黑磷纳米片:一种光疗/化疗协同治疗癌症的平台

制备了一种基于黑磷纳米片(BPNSs)的多功能纳米药物载体,能够联合化疗和光热疗法用于癌症治疗.BPNSs通过静电吸附作用吸附抗癌药物阿霉素(DOX),然后通过多巴胺(DA)自聚合形成聚多巴胺(PDA)涂层后,成功制备一种纳米复合载药材料BPNSs-DOX@PDA.BPNSs-DOX@PDA具有极好的DOX载药能力、优异的光热转换性能、pH-和光响应控制释药和较低的细胞毒性等优点.这些特点使得BPNSs-DOX@PDA成为一种卓越的抗肿瘤药物递送系统,具有临床应用的巨大潜力.     

粉煤灰基聚硅酸铝铁絮凝剂合成工艺优化实验

为了提高粉煤灰基聚硅酸铝铁絮凝剂的产品质量,改进生产工艺,采用响应曲面法对以粉煤灰为主要原料制备聚硅酸铝铁絮凝剂(PSAF)的工艺参数进行优化试验,研究了二氧化硅浓度、酸灰比、活化时间、活化温度、熟化时间、熟化温度、n(Al+Fe)/n(Si)(铝铁硅比)、n(Al)/n(Fe)(铝铁比)等因素对絮凝剂絮凝效果的影响.结果显示:该法建立的2FI模型回归项极显著(P=0.010 8),复相关系数R2为0.862 5,模型选择合理.二氧化硅浓度为1.5%、酸灰比为1.8、活化时间为60 min、活化温度为40℃、熟化时间为138 min、熟化温度为83℃、n(Al+Fe)/n(Si)为0.86、n(Al)/n(Fe)为13.5时,所得絮凝剂对絮凝效果最好,对腐殖酸模拟废水COD去除率可以达到96%以上.     

早强型聚羧酸系高分子减水剂的合成与应用

以聚乙二醇单甲醚衣康酸酯、聚乙二醇单甲醚甲基丙烯酸酯、N-[4-(磺酰胺)苯基]丙烯酰胺为聚合单体,采用大单体直接共聚法,合成早强型聚羧酸系高分子减水剂.对单体摩尔分数、引发剂用量、反应温度等反应条件进行系统考察,得到最佳合成工艺参数:聚乙二醇单甲醚衣康酸酯、聚乙二醇单甲醚甲基丙烯酸酯、N-[4-(磺酰胺)苯基]丙烯酰胺的摩尔分数分别为35%,35%,30%,引发剂用量为3%(占单体总量),反应温度80℃,反应时间5 h.与传统聚羧酸系高分子减水剂进行对比的实验结果显示,所合成的早强型聚羧酸系高分子减水剂在减水率及抗压强度等方面都有更好的效果.     

沈阳城市地铁站域地下空间开发的适宜性

基于沈阳社会经济发展的现状、地铁建设和运营特点、开发建设的现状,分析其存在的问题,在对地铁站域和适宜性概念界定的基础上,从全寿命周期考虑影响因素,以青年大街地铁站为例,从规模、结构、设计三个方面,建立三级指标评价体系,利用改进的灰色聚类模型进行适宜性评价,评价结果为“良”,最主要的失分因素为对人流规模的预测,其次为绿色建筑的使用.最后提出提高沈阳城市地铁站域开发建设适宜性的对策建议.     

用于燃煤锅炉热效率在线计算的虚拟煤质数据库的建立

燃煤锅炉热效率在线计算模型的实用性及可操作性高度依赖于燃用燃料的成分和类型,为了减少煤质的复杂性及多样性、现场燃煤煤质成分分析误差以及人为离线输入参数的不准确性对锅炉热效率在线计算的影响,拟构建可供在线计算燃煤热效率调用的虚拟煤质数据库。通过对工业锅炉常用煤种成分、来源及种类进行线性回归并运用统计分析以及聚类分析等数学算法,搭建虚拟煤质数据库。为了验证煤质数据库的适用性,借助神经网络算法对燃煤的计算发热量和化验发热量进行了对比分析,结果显示,误差在工业用煤的测量误差范围内。所建的燃煤数据库能有效地实现锅炉变工况运行时的热效率在线测算。     

基于粗糙集全局离散和粒子群算法的启发式航材订货模型

为了解决目前航材订货模型单纯依托人为经验,对航材消耗规律变化反应滞后且可信度不高工作量过大的问题,提出在原始订货模型的框架下,使用PAM聚类、粗糙集全局离散和粒子群算法,计算模型中的航材分类、属性离散和区间权重,从而建立启发式航材订货模型,并在测试集上对比新老模型的均方离差。结果表明,启发式航材订货模型可以使人摆脱依靠经验确定模型的繁琐工作,并且能有效提高模型的准确性和及时性,从而提高航材订货工作效率。     

一种基于近邻传播聚类的语音端点检测方法

为提高语音端点检测在低信噪比情况下的准确性,提出一种基于近邻传播聚类的语音端点检测算法.首先采用能量语音端点检测去除静音段;然后利用近邻传播聚类自动获取类别数的优点,有效地将语音细分为无语义语音和静音段、远场噪声段等各种类别;最后结合后处理方法,对语音端点做进一步过滤处理.实验结果表明:该算法在低信噪比的情况下,与传统的能量语音端点检测相比,其有效语音检测的漏警率相对下降13%,虚警率相对下降14%;在实际应用中,如声纹确认和声音检测等,与经典算法相比,该算法检测的准确率与效率等性能得到了显著提升.     

基于模糊聚类和支持向量回归的成绩预测

现有的成绩预测模型往往过度使用不同类型的属性,导致过于复杂的分数预测方法,或是需要人工参与.为提高学生成绩预测的准确率和可解释性,提出了一种融合模糊聚类和支持向量回归的成绩预测方法.首先引入模糊逻辑来计算隶属度矩阵,根据学生的历史成绩进行聚类,随后对每个聚类簇利用支持向量回归理论对成绩轨迹进行拟合建模.此外,结合学生学习行为等相关属性,对最终的预测结果做调整.在多个基准数据集上进行了实验测试,验证了该方法的有效性.