丁酸甲酯高温分解的过渡态理论研究(英文)

选取了丁酸甲酯高温分解的十三个反应路径中较为重要的两个反应:CH3OCO=CH3+CO2(R1)和CH3OCO=CH3O+CO(R2).使用密度泛函理论方法在B3LYP/TZVP基组水平上寻找了反应的过渡态,并且得到了两个反应的势能曲线.R1的势垒高度远远低于R2,同时R1的产物CH3和CO2拥有较低的能量,处于相对稳定的状态.因此,反应CH3OCO=CH3+CO2更容易发生.结论为丁酸甲酯的动力学模型研究提供了一定的理论依据.     

基于C++的高效内存池的设计与实现

为了高效、安全地利用计算机内存资源,在大型的软件设计中,往往要进行大量的内存分配与回收操作,为此,C++专门提供了malloc等相关函数进行操作,这些函数能够满足一般的使用,但由于它们调用了操作系统API,所以实际使用时会在操作系统中产生大量的内存碎片,让内存分配成为效率瓶颈,从而降低系统性能.基于此,通过对循环首次适应算法进行改进,设计并实现了基于C++的高效内存池,大幅提升了内存分配与回收的效率.同时,还为内存池编写了相关的分配子,使其能与C++标准库无缝对接,提供了若干具有垃圾回收功能的智能指针,提高了内存管理与程序运行的效率.     

第二受体单元对三苯胺类敏化染料性能影响的计算

为了提高三苯胺类有机染料的性能,在具有D-π-A构型的染料B1的基础上,通过引入不同的第二受体单元A′,设计了6种新的D-A′-π-A型染料。根据计算化学中的密度泛函理论,对染料分子进行构型优化、电荷分布、能级等研究。结果表明,所设计的6种分子都可以保持稳定的空间结构,第二受体单元的引入降低了分子的带隙,拓宽了吸收范围,使最大吸收波长发生了明显红移。与B1(396.6nm)相比,6种染料的红移顺序为B1-PDP(418.4nm)B1-Qu(452.7nm)B1-BTZ(469.3nm)B1-BTD(482.6nm)B1-DPP(522.0nm)B1-BOD(530.8nm)。综合分析可知,B1-BOD,B1-BTD,B1-DPP在理论上具有更优的性能。研究可为设计和合成性能良好的染料分子,进一步提升染料敏化太阳能电池的光电转化效率提供理论支持。     

基于时间序列变化的PM_(2.5)质量浓度趋势分析

PM2.5即直径小于2.5 um悬浮于空气中的可吸入颗粒物,被人体吸入后,可直达肺部干扰气体交换。文章利用PM2.5监测网每小时更新的实时数据为依据、实地考察所得的监测站地理环境、天气及其他影响因素,研究了以日、周、月为时间间隔的PM2.5质量浓度变化趋势。结果表明,PM2.5质量浓度变化趋势为冬高夏低、日变化较大、且年质量浓度呈现马鞍形双峰值趋势,是一个具有周期变化的非平稳时间序列。     

故障拓展模型到概率检验模型的转换规则

以故障拓展模型和概率检验模型为基础,通过分析概率检验模型的语法语义、转移命令及逻辑关系,研究清晰、完整的转换规则,实现故障拓展模型向概率检验模型的转换。此外,研究模型的定量概率检验转换规则,构建逻辑验证表达。最后,对机载通信系统调谐控制功能展开基于概率检验的定量安全性评估。结果表明,通过将故障拓展模型转换为概率检验模型的转换规则,能够实现复杂系统定量安全性自动分析,从而有效支持航空器复杂系统安全性评估过程。     

HPLC法测定9种饮料中阿斯巴甜含量研究

以市场中9种饮料为研究对象,探究阿斯巴甜含量测定方法.实验结果表明:流动相39％的甲醇水溶液,柱温30℃、流速0.8mL/min时,在210nm波长处存在阿斯巴甜的最大吸收峰,1-9号样品阿斯巴甜含量依次为:0.164mg/kg、0.079mg/kg、0.202mg/kg、0.00mg/kg、0.029mg/kg、0.043mg/kg、0.121mg/kg、0.063mg/kg、0.053mg/kg.实验精密度RSD值为1.233％、稳定性RSD值为0.395％、平均加标回收率为100.3％.研究为食品中阿斯巴甜含量检测提供理论参考.     

文化基因研究缘起、进展与未来研究思考综述

在文化演进过程中,一些跨学科的新概念应运而生,"文化基因"是其中较有代表性的一个,并被越来越被学者所接受和认同,在国际和国内学术界逐渐成为一个热点话题.本文通过对文化基因传承特征的深层解释和变革功能引入系统论进行辨析,透视文化基因理论研究与实践价值.从文化基因缘起、内涵与特征介绍入手,针对文化基因可量化、可计算、可分析特点,开展文化基因语义标签体系和量化空间构建研究.进而依据文化基因丰富内涵,提取并标注不同层面特征.最终在尊重规律的基础上,重构文化基因,传承其人文和历史价值,为文化数字化带来新的前景,为更好地发挥文化基因传承功效提供理论依据.     

基于微博文本的个性化兴趣关注点及情绪变迁趋势研究

随着社交网络的快速发展,人们可利用微博平台发表、分享自己的观点以及抒发某种情绪,进而产生了大量针对不同话题的博文和情绪信息,但传统的文本挖掘算法在处理这些短小且具富含个性化情感信息的微博文本方面有所欠缺。在此提出一种基于微博文本的特征权重计算方法,可据此得到博主在不同时间段的关注点,通过情绪分类,分析用户在不同时间段内的情绪变迁情况。实验结果证明此方法具有一定的可行性。