涂碳PVC膜若干阴离子通用电极——PVC膜电极的简化(Ⅱ)

关于PVC膜阴离子选择电极性能的优劣,除了和离子交换定域体(大阳离子)的结构有关外,还要取决于阴离子本身的结构,实验证明,在前者确定时,结构特性类似的阴离子对电极的响应特性也相近,这就意味着阴离子PVC膜电极的响应机理是雷同的,此为通用电活性物质提供了依据。本实验室还证明了石墨碳棒可作为良     

基于复杂网络的交通序列数据特性

为了进一步研究交通流特性,采用复杂网络方法对交通序列数据进行分析。提出了箱型图-聚类算法模型用于识别和填充初始数据中的缺失值和异常值;通过相空间重构方法将一维数据重构为网络节点,选取连接阈值确定网络节点的连接关系,将交通序列数据构建为复杂网络,对复杂网络的结构和定量指标进行分析。研究结果表明交通序列数据复杂网络的结构一定程度上可以反映路段的交通流状态。该结果有助于优化数据预处理方法,拓展复杂网络在交通序列数据研究中的应用。     

嘌呤的极谱伏安行为研究——嘌呤类化合物的电化学行为研究(7)

本文采用多种极谱伏安技术较详细、系统地研究了嘌呤的极谱伏安行为。实验表明,在0.2mol/L的H_2SO_4底液中,嘌呤产生两个良好的还原峰(P_1,P_2),Ep_1=-0.76v,Ep_2=-1.10v,(vs.Ag/BgCl)。两峰峰高相近,在1×10~(-6)～9×10~(-4)mol/L浓度范围内,两峰峰高均与浓度呈良好的线性关系。P_2灵敏度较高,检出限可达5×10~(-3)mol/L.研究结果表明,两还原峰均为具有弱吸附特性的扩散电流。本文还对电极反应机理进行了探讨。     

联网自动车环境下的信号交叉口优化方法研究

为适应智能交通发展新趋势,改进了两个信控交叉口通行能力模型,使得新模型适用于联网自动车（connected autonomous vehicles,CAVs）环境。其一是最小延迟模型,通过最小化交叉路口的总延迟得出绿灯时间并根据流速得出周期长度,模型引入了每个车道或车道组的绿灯延时和具体排队服务时间的比率作为参数,该参数依赖于交叉路口处车辆到达的概率分布。其二是混合模型,包括两个模型,分别是估计排队服务时间的静态排队模型和从单位延时、流速、车道的限速、检测器长度中估计得到绿灯延伸时间的动态模型。数值算例表明,CAVs环境下新模型的交叉口延误显著减小,从而验证了两个通行能力模型的有效性,可为交管部门进行路口改造提供依据。     

地铁建设对公交系统鲁棒性的影响北大核心CSCD

为提高城市公交系统的鲁棒性,制定了基于换乘的加边策略。以济南市公交-地铁复合网络为例,研究了网络的特性参数和鲁棒性,并提出基于换乘的加边策略提高网络鲁棒性。研究表明:复合网络具有小世界和无标度网络特性;网络在蓄意攻击下比随机攻击更具脆弱性;在介数攻击下,高度加边策略对网络鲁棒性提升较为显著,使网络瘫痪时被攻击站点比例提升50.46%;在随机攻击和度攻击下,高介数加边策略对网络鲁棒性提升较为显著,使被攻击站点比例分别提升23.35%和39.81%。     

2,6-二氨基嘌呤的极谱伏安行为——嘌呤类化合物的电化学行为研究(8)

本文使用BAS—100A电化学分析仪研究了2,6-二氨基嘌呤的极谱伏安行为。在PH5.2的HAC—NaAC缓冲溶液中,2.6—二氨基嘌呤产生两个还原峰(P_1,P_2),峰电位分别在-1.38V利-1.70V(VS.Ag/AgC1)附近。研究结果表明,P_1为具有弱吸附性质的不可逆扩散峰,P_2为不可逆氢催化峰。在4×10~(-6)～9×10~(-4)mol/L浓度范围内,i_p_1与浓度呈线性关系,在1×10~(-7)～9×10~(-1)mol,/L浓度范围内,i_p_2与浓度呈线性关系,均可用于定量分析。本文还对两峰的电极反应机理进行了初步探讨。     

绿茶制备纳米铁在饱和多孔介质中的迁移特性及影响因素

绿茶还原制备纳米铁颗粒(GT-NIPs)由于成本低,对环境二次污染风险较小,在地下水环境修复中具有较好的应用前景。为研究GT-NIPs在饱和多孔介质中的迁移特性及影响因素,通过批试验和一维模拟柱试验,分析GT-NIPs颗粒沉降及迁移情况,并计算其最大迁移距离。结果表明：GT-NIPs在乙醇溶液中具有较好的悬浮稳定性,2000min内,相对吸光度保持在0.95以上；在石英砂介质中,GT-NIPs迁移能力随介质粒径的增大而增强,其在粗砂中的截留量仅为在中砂和细砂中的1/2和1/3；离子强度及二价阳离子对GT-NIPs运移影响较小；粘土矿物促进了GT-NIPs在介质中的沉积,使其截留率增加了1倍；GT-NIPs在天然砂中的迁移能力大幅降低,出流率较在石英砂中降低了36.67%；利用滤床理论模型对GT-NIPs的最大迁移距离进行预测是合理且符合实际的,其在不同介质条件下的最大迁移距离约为1~5m。