聚乙二醇辅助水热合成铁酸铋粉体及其光催化性能

在聚乙二醇(PEG-4000)辅助下,利用水热法以硝酸铋(Bi(NO3)3.5H2O)和硝酸铁(Fe(NO3)3.9H2O)为反应原料,KOH为矿化剂,180℃反应6h合成了不同形貌及尺寸的铁酸铋(BiFeO3)粉体,探索了PEG-4000的添加量(0、0.1、0.2、0.3mmol)对反应产物形貌及尺寸的影响.利用X射线衍射仪、红外吸收光谱仪、扫描电子显微镜、紫外可见光吸收光谱仪等对制备的BiFeO3粉体的相结构、形貌及光吸收特性进行了表征.结果表明:添加0.1mmol和0.3mmol的PEG-4000,可以得到颗粒尺寸小、形貌规整的单相钙钛矿BiFeO3粉体,即适当的添加量对产物的形貌及尺寸影响较大.UV-Vis吸收图谱表明,随着颗粒尺寸的减小,粉体的吸收带边发生了蓝移.进一步以光降解亚甲基蓝(MB)溶液,研究了制备的BiFeO3粉体的光催化性能.结果显示:所得粉体表现出良好的光催化活性,且随着粒径的减小,催化效率提高.     

一种多层混合的推荐模型研究

在全面分析研究邻域模型和隐语义模型的基础上,针对现有推荐模型的优缺点,首先建立了一种融合邻域模型和隐语义模型的混合 Top-N 推荐模型,有效利用了用户反馈的信息,并全局考虑了用户与项目的潜在关系。然后综合考虑用户反馈信息、自身特征信息及潜在信息等因素,提出了一种基于 SVD＋＋上的全新混合 Top-N 推荐模型 SHT（基于 SVD＋＋的混合Hybrid Top-N 推荐模型缩写）。通过将特征信息融入模型,可准确地表现用户与项目的属性特征,实现依照用户的喜好与习惯高效、快捷和精准地推荐。实验结果表明,每一层的模型都能够在不同程度上提高推荐结果的精度。