Co/TiO_2粒子的制备及其光催化降解罗丹明B的研究

通过溶胶—凝胶法制备掺杂Co2+的纳米TiO2,并用XRD和TEM进行了分析和表征.以汞灯为光源,通过对罗丹明B的降解反应,考察了Co2+/TiO2的光催化活性.结果表明,Co2+的掺杂减小了TiO2颗粒的粒径,提高了TiO2的光催化活性,Co2+惨杂量为1.0%时的光催化活性最高.另外,本文还研究了催化剂投加量对罗丹明B光催化降解效率的影响.     

TiO_2纳米管对Cu(Ⅱ)和Ag(Ⅰ)的吸附和光催化还原作用研究

以纳米TiO2为原料,采用水热合成法制备TiO2纳米管.FT-IR表征表明含有较为丰富的羟基;XRD表征表明TiO2纳米管主要为锐钛矿相,有少量的金红石相;BET比表面积为96.5m2.g-1.TiO2纳米管吸附Cu(Ⅱ)和Ag(Ⅰ)的结果表明,吸附符合朗格缪尔吸附等温线模型,Cu(Ⅱ)和Ag(Ⅰ)的qmon分别为2.41×10-5、13.3×10-5 mol.g-1,K分别为3.95×103、6.35×103 L.mol-1.在300W的紫外灯照射下进行光催化实验,结果表明反应近似符合一级模型,反应级数与金属离子在TiO2纳米管表面的吸附平衡常数相关;TiO2纳米管对Cu(Ⅱ)和Ag(Ⅰ)具有较高的光催化活性.     

基于遗传算法的最小二乘支持向量机预测凝析气藏露点压力

露点压力的准确预测对保障凝析气藏的高效开发至关重要。近年来,数据挖掘、人工智能等大数据技术逐渐成为研究热点,其对复杂的非线性回归与分类问题有良好的解决策略。基于优化算法和机器学习,提出了一种将遗传算法(GA)与最小二乘支持向量机(LSSVM)相结合的露点压力预测模型(GA-LSSVM模型),并利用误差反向传播(BP)和径向基函数(RBF)人工神经网络建立了相应的露点压力模型,然后进行模型精度对比。在皮尔逊关联性分析基础上,上述模型均选取气藏温度、(N_2+CO_2、C_1、C_2～C_6、C_(7+))摩尔分数、C_(7+)相对分子质量、C_(7+)相对密度和气油比作为自变量。采用公开发表的34个露点压力数据进行参数优化,得到了GA-LSSVM、BP和RBF模型的最优参数,并对15组实测露点压力数据进行预测。结果表明:GA-LSSVM模型预测精度明显高于BP、RBF神经网络模型,具有良好的预测能力,GA-LSSVM模型的平均绝对相对误差(AARD)仅为3.02%,其中最大绝对相对误差(ARD)为16.64%,最小ARD为0.05%,BP和RBF神经网络模型的AARD分别为6.46%、10.54%。最后,根据Leverage方法,进行了所有数据的异常点检测。研究为凝析气藏露点压力预测提供了一种有效方法。     

纳米Al2O3对纳米ZrO2(4Y)常压烧结致密特性及电性能影响

采用纳米ZrO2(4Y)粉和纳米Al2O3粉为原料,对掺少量Al2O3的ZrO2(4Y)陶瓷进行无比压烧结研究。实验结果表明,掺适量的Al2O3可提高致密度,降低烧结温度。掺1．0wt％纳米Al2O3在1200℃煅烧2小时的陶瓷致密度为99．0％,烧结体晶粒长大略减缓。在纳米ZrO2(4Y)中掺入少量的纳米Al2O3可降低电导活化能,提高电导率。     

匀胶法制备TiO_2薄膜的亲水性研究

利用匀胶机制备不同厚度TiO2薄膜,分别用X射线衍射仪（X-ray Diffraction,XRD）、拉曼（Raman）光谱、原子力显微镜（Atomic Force Microscope,AFM）和X射线光电子能谱（X-ray photoelectron Spectroscopy,XPS）表征薄膜微观结构;利用紫外-可见分光光度计（UV-Vis）研究薄膜厚度对光透过率的影响;通过表面接触角测试仪研究TiO2薄膜厚度对其亲水性的影响.实验结果表明：匀胶二层的TiO2薄膜（厚度约为170nm）可达到最佳亲水性;TiO2表面形貌和表面羟基官能团（-OH）的含量会对薄膜亲水性造成影响;继续增加TiO2薄膜厚度不利于改善薄膜亲水性.