二(2-乙基己基)磷酸萃取Zn~(2+)的研究和主因子分析

以二(2-乙基己基)磷酸(HDEHP)为萃取剂,CCl4为稀释剂,从ZnSO4水溶液中萃取Zn2+,探讨萃取时间、萃取剂浓度、Zn2+浓度和萃取温度对萃取效率的影响.结果表明,萃取过程能快速达到平衡,萃取效率随HDEHP浓度和萃取温度的增加而增加,随Zn2+浓度的增加而减少;萃取过程为吸热反应,萃取吸热焓为34.27kJ/mol;主因素分析结果表明Zn2+浓度对萃取过程影响最大.     

二元弱酸及类二元弱酸水溶液可氫离子浓度的計算

本文导出了在C>K_1>K_2>K_W时计算二元弱酸水溶液氢离子浓度的普遍公式;精确求解了在C>K_1>K_2>>K_W时二元弱酸水溶液中氢离子浓度(这是国内众多普通及无机化学教材中未给予描述的)同时用分步近似计算法及公式(16)计算了某些二元弱酸水溶液的氢离子浓度。(注、*表示略大于;**表示远大于)     

Banach空间中线性算子关于求广义逆的伪条件数

一、引言如所周知,一个数学问題是否病态以及病态程度如何,是数值计算工作者非常关心的。一般用“条件数”来度量问题的病态程度。条件数越大,问题越病态。矩陈求逆或求广义逆的条件数是     

试管苗的光合作用与环境因子调节研究进展

通过对试管苗光合作用相关研究的总结分析,认为离体试管苗虽然具有一定的光合能力,但由于受高湿、弱光、低CO2浓度以及培养基含糖量的影响,其组织分化不完善,光合自养能力弱,适应性差,必须经过移栽驯化或炼苗才能逐渐适应外界环境．通过减少培养基中糖的添加量,同时增强光照和提高CO2浓度等培养微环境的调节,可以增加试管苗叶绿素含量,改善气孔的调节功能和光合自养能力,从而促进试管苗的生长发育,提高其对环境的适应能力．     

脱毒马铃薯试管苗的无土栽培及微型薯的繁殖

以“鲁引一号”马铃薯脱毒试管苗为材料,探讨了不同栽培条件和方法、不同生长调节剂预处理及不同收获期对脱毒试管苗微型薯形成及产量构成的影响。结果表明,采用试管苗切段扦插的方法不仅繁殖率高,而且植株结薯率也较试管苗整株移栽的植株高,在扦插前用吲哚丁酸（IBA）预处理切段,有利于切段生根,但对后期植株结薯量影响不大,而用矮壮素（CCC）预处理切段后,植株的结薯期提前,且后期结薯期提前,且后期结薯量增加,通过对苗床和育苗盘栽培比较,前者利用管理,结薯量和大薯率都较后者高,在烟台的气候条件下,微型薯的收获期以65d为宜。     

高湿环境中磷尾矿基地质聚合物凝结硬化机理

为解决地质聚合物注浆材料在高湿环境中凝结硬化速率无法控制的问题,利用碱激发粉煤灰和磷尾矿制备地质聚合物注浆材料,研究其在采空区高湿环境中凝结硬化的主控因素。利用傅里叶红外光谱（Fourier transform infrared spectrometer,FTIR）、X射线衍射光谱（X-ray Diffraction,XRD）和扫描电镜 （Scanning electron microscope,SEM）对地质聚合物的凝结过程、硬化结构特征和反应机理进行分析,得出以下结论：地质聚合物注浆材料的凝结硬化受水固比、粉煤灰添加量、激发剂碱浓度和模数的影响,调节地质聚合物的凝结硬化主要利用凝胶体的生成-分布-固化过程。水固比过高凝胶体会被稀释,过低会难以控制凝结时间;适当提高粉煤灰的添加量会促进地质聚合物的凝结;激发剂碱浓度的提高有助于原料中硅铝和钙质溶解,增加凝胶体的生成量,碱过量会导致地质聚合物泛碱;激发剂模数的增大会使浆液中的气体和水分难以排出,降低地质聚合物中各物质间的相互作用,增加地质聚合物的凝结时间。当水固比为0.5~0.75,粉煤灰和磷尾矿的质量比为1~1.2,H2O和Na2O的摩尔比为20~25,碱激发剂模数为1.5~2时,制备的地质聚合物可以满足凝结硬化 的要求。     

一种甲氧基封端苯基甲基硅树脂预聚体合成工艺的探究

以苯基三氯硅烷、二甲基二氯硅烷、甲醇、水为原料,水解缩合制备甲氧基封端的苯基甲基硅树脂预聚体.探究了水解和加料方式、溶剂、反应时间、温度等对反应过程及产物性能的影响,通过对预聚物组成、结构及性能的表征,确定了制备液体硅树脂预聚体的最优反应条件.     

我国现存有尾类及研究现状分析

本从地理分布特征和数量方面介绍了我国现存的３７种（亚种）有尾类动物,并分析了目前我国有尾类的研究方向和研究现状。     

针刺神经影像学研究的质量控制影响因素概述

脑功能成像技术在针刺机理研究中的运用为科学阐释针刺效应的中枢机制提供了无创性、可视化的研究手段,但是由于脑功能成像和针刺操作的复杂性,针刺神经影像学研究的质量控制显得尤为重要,就针刺神经影像学研究中样本量、受试者纳入和针刺操作等方面讨论其质量控制的影响因素,研究提出参考。     

基于改进ConvNeXt的COVID-19胸部图像分类

针对新型冠状病毒感染胸部 X-ray 图像分类任务数据集样本过少,现有的两阶段分类器和三阶段分类器模型对高纬度的图像特征提取效果差,模型训练慢等问题,提出一种基于 ConvNeXt 卷积神经网络改进的分类任务算法 ConvNeXt-AT。 ConvNeXt-AT 分类模型首先通过在 ConvNeXt Block 层添加混合域注意力机制 CBAM 来提高图像特征提取能力,不仅考虑了通道间的信息交互能力还考虑到了空间域上像素间的联系,得到 ConvNeXt-AT 模型;然后针对 X-ray 图片常见的泊松噪声使用全变差正则化方法对数据集进行降噪处理;最后在 COVID-19 公开的大型数据集共 21165 张图片进行对比实验。 实验结果表明,在训练数据集充分的情况下,改进的 ConvNeXt-AT 模型相较于常用分类模型 ResNet-50、MobileNet、EfficientNet 以及原 ConvNeXt-T 在准确率上分别提升了 2%、2. 7%、2. 1%、1. 9%。 最后通过 Grad-CAM 显示类激活图的图像可视化方法证明改进方法是可行的,模型具有很好的鲁棒性。