N、S共掺杂型二氧化钛光催化降解有机污染物的性能研究

用自制N、S共掺杂的TiO2纳米粉体降解亚甲基兰溶液,同未掺杂、单掺N或单掺S的TiO2纳米粉体做了比较,系统地研究了影响TiO2降解亚甲基兰溶液的因素.结果显示,无论是太阳光还是紫外光照射下,N、S共掺杂的TiO2纳米粉体具有比其它三种光催化剂更好的催化效果,并且发现在煅烧温度为450℃、亚甲基兰溶液的pH值为中性条件下,N、S共掺杂的TiO2纳米粉体降解效果达到最佳.     

以锌粉为前驱物合成纯ZnO纳米粉体材料

过去人们主要是以锌基化合物为前驱物，通过湿化学方法来大量合成纯氧化锌（ZnO）纳米粉体，这不仅使得制备成本增加，也会导致目标产物里面不可避免地含有杂质元素。在本研究中，我们以锌粉为前驱物，通过锌粉和水蒸汽在一定温度下直接反应，便大量、低廉地制备得到氧化锌纳米粉体。以XRD、SEM、EDX和Uv—vis等对获得的样品进行表征，结果表明所制得的氧化锌粉体为六方相纳米结构，不含杂质元素，在紫外光照射下具有很强的吸光度。我们所制得的ZnO纳米粉体作为一种好的光催化剂，在环境治理方面具有广阔的应用前帚。     

磷掺杂TiO2纳米粒子膜的负载及其太阳光催化降解亚甲基蓝

光催化剂的方便回收对于其降解有机污染物的应用是十分必要的.本项研究中,以硅酸钠为粘胶剂,在毛玻璃片上层层组装了多层磷掺杂TiO2粒子膜.扫描图片显示,厚度在几十微米的催化粒子膜牢固地覆盖在基片的粗糙面上.在太阳光照射5 h下,这样组成的复合体系几乎完全降解试验溶液中的亚甲基蓝;即使在循环利用10次以后,染料的降解率也高...     

一种基于二叉树的快速Delaunay三角网生成算法

提出了一种快速Delaunay三角网生成算法。算法采用分割合并的思想,首先对离散点按一定的阈值进行二叉树的分割,对每个叶子节点分别构建三角网,再从底向上进行合并具有相同父节点的块,在合并的过程中同时进行LOP优化,生成Delaunay三角网。在使用逐点插入法子块构网过程中,提出了一种三角形快速定位方法。最后通过和其他算法实验数据的比较,表明采用二叉树分块构建Delaunay三角网具有较好的效率。     

惰性盐辅助法合成氮化镓纳米棒及其场发射性能研究(英文)

以惰性盐为分散剂,通过直接氮化金属镓与氟化钙的混合物,在较低温度下(650℃)大量合成出角面截面型氮化镓纳米棒,大大低于以往文献报道的氮化温度(900℃以上)。通过X射线衍射和电子显微镜等设备表征,可知所制得的产物为六方相氮化镓纳米棒,且纳米线沿着c轴择优生长;每根氮化镓纳米棒都具有菱形或三角形截面。由于本方法的制备温度低,导致了氮化镓纳米棒与硅基片的良好接触。场发射实验表明,该复合系统具有很低的开启电压(5.4V/μm)和阈场(8.4V/μm)。     

城市交通网格集群的Bi-LSTM的流量预测

为提升交通流预测精度，深层次地挖掘交通流数据的时空特征，提出一种基于双向长短时记忆网络(Bi-LSTM)的城市交通网格集群流量预测模型。将所获得的网约车轨迹数据集网格化；考虑人为确定集群个数对结果的影响，用贝叶斯信息准则进行参数估计确定集群数，利用高斯混合模型对交通状况相似的网格进行聚类得到不同交通网格集群；利用集群内部交通网格的输入时间序列的相互影响设计多对多模型，构建Bi-LSTM模型预测不相交集群上的流量；以经典多元线性回归模型(MLRA)作为对照组进行实验验证，采用平均绝对误差(MAE)、均方根误差(RMSE)、平均绝对百分比误差(MAPE)和动态时间规整(DTW)这四类评价指标对预测结果进行综合评价，验证基于Bi-LSTM模型的城市交通网格集群流量预测的可行性。实验结果表明：MLRA模型和Bi-LSTM模型对城市交通网格集群流量的预测值小于真实值，早高峰时段尤为明显；各交通网格集群的交通状态态势相似，集群的簇内相关性较强，两类模型均可实现较好的流量预测效果，Bi-LSTM表现更优； MLRA和Bi-LSTM预测模型的精度MAE、RMSE、MAPE分别为3.2011、4.4009、0.3187，3.0687、4.2943、0.3045，Bi-LSTM与MLRA相比，模型精度分别提高了4.14%、2.40%、4.46%，说明所构建的Bi-LSTM交通流网格集群流量预测精度高、误差低，要优于MLRA模型，表现出较好的泛化性能； MLRA和Bi-LSTM的DTW结果分别为52938.6356、54815.1055，构建的Bi-LSTM模型较MLRA模型各自工作日和节假日时间序列相似性DTW结果提高3.42%，表现出更好的鲁棒性。利用城市交通流量的特点和交通轨迹数据网格化的优点，基于Bi-LSTM模型的城市交通网格集群流量预测与MLRA交通流量预测模型相比，具有精度高、误差低的特点。同时，DTW指标方面，基于Bi-LSTM对城市交通网格集群流量模型与真实流量变化趋势一致，表现出较好的鲁棒性。