有序含氮介孔碳对金属离子的吸附性能

以SBA-15为硬模板,吡咯为含氮碳源,通过硬模板法合成了有序含氮介孔碳(NMC).该材料具有高度有序开放的介孔结构,比表面积和孔容分别为647m2/g和0.8cm3/g,最可几孔径为3.5nm,碳氮比为11.3,其表面具有多种含孤对电子或带正、负电子的官能团,且具有良好的热稳定性.对Cu(Ⅱ)、Zn(Ⅱ)、Ni(Ⅱ)、Cr(Ⅵ)和Mn(Ⅶ)等离子的吸附研究表明:在50ml/L稀溶液中,该材料对各金属离子的平衡吸附量依次为Cu(Ⅱ)>Cr(Ⅵ)>>Ni(Ⅱ)～Zn(Ⅱ)>>Mn(Ⅶ),对Cu(Ⅱ)离子表现出选择性吸附,溶液中98%以上Cu(Ⅱ)离子可被吸附.NMC对Cu(Ⅱ)、Cr(Ⅵ)离子的吸附行为遵循Langmuir等温吸附方程,且有高饱和吸附容量,分别高达120.7mg/g和322.6mg/g,为有序介孔碳(CMK-3)的1.4和2.1倍.该材料循环使用3次后,依然保持很好的吸附性能.     

不同湍流模型在旋流非接触搬运器仿真中的应用和对比

摘要：
采用标准k ε湍流模型, RNG k ε湍流模型和雷诺应力（RSM）湍流模型,对旋流非接触搬运器进行数值仿真计算,得出3种模型的压力曲线、吸力曲线和流量值.通过计算结果与试验值对比得知,3种模型中RSM湍流模型的预报结果最为合理;RNG k ε湍流模型的预报结果次之,在工程应用中该模型的误差可以接受;标准k ε湍流模型的预报结果最差.因此,RSM湍流模型和RNG k ε湍流模型可被用作搬运器研究的理论依据. 关键词：
旋流非接触搬运器; 湍流模型; 数值模拟 中图分类号： TH 47
文献标志码： A     

河南教育学院新校区夏季鸟类初步调查

2012年6月～2012年10月,采用路线调查法对河南教育学院新校区校园夏季鸟类进行了调查.结果表明,河南教育学院新校区校园鸟类共34种,隶属6目18科,其中留鸟20种,夏候鸟9种,旅鸟5种;树麻雀、喜鹊、家燕、黑卷尾、白头鹎为校园鸟类的优势种.     

联图P_m ∧ P_n的符号星控制数

偶度二部图的边可分拆为若干偶圈之并,且任意一个无向简单图G,有|E(G)|-γ'ss(G)为偶数。本文确定了联图Pm∧Pn的符号星控制数。     

图的弱符号控制数的若干性质

本文对图的弱符号控制函数和弱符号控制数的性质进行了研究,在此基础上,得出图的弱符号控制数的若干性质。     

一种考虑系统内损的竞争性设施选址模型和方法

从供需网系统的角度出发,通过引入效用函数,建立起以系统内损最小化为目标的选址模型,该模型改进了现有竞争性设施选址模型中以新建设施的效益最大化为目标的局限性.与传统方法相比,这样的优化目标减少了个体间的恶性竞争,较好地体现了合作共赢的理念.竞争性设施的选址是NP困难问题,因而根据模型特点,给出了分散搜索算法及实施策略,并分别用Lingo软件和分散搜索算法编程对一组算例进行计算比较,两种算法的运算结果显示,分散搜索算法的运行速度快而且收敛性好.     

对称定常微流边界层

利用Oleinik的经典线性化方法,讨论对称定常微流边界层方程{uu/x+vu/y=Udu/dx+[v(y)uy]/y (ru)/x+(rv)/y=0,满足边界条件:u(0,y)=0,u(0,x)=0,v(x,0)=v0(x),lim u(x,y)y→∞=U(x)解的适定性问题.其中,v(y)>0是粘性系数,满足一定的限制条件.     

层次分析模型在实习生分配中的应用

利用层次分析模型建立了一个实习生分配的数学算法模型,并给出了具体模型的求解。首先,根据学生的在校成绩将20个学生分为具有如下特长的五类学生：语文、音乐、美术、计算机和管理学,给所有学生的特长科目打分;其次,根据每类特长生中的每位学生的成绩计算出每位学生对实习贡献的权重;最后,建立算法模型,并给出具体问题的模型求解。本论文还将模型进行了推广,并给出了本模型的不足之处和改进的方向。     

广义K-（F,a,ρ,d）-B-凸多目标规划问题的对偶性

讨论了Mond-Weir型对偶,在K-（F,a,ρ,d）-B-凸和广义K-（F,a,ρ,d）-B-凸性下,获得了弱对偶定理。     

路和圈的最优一般Pebbling数

图G的一个一般pebbling移动是从一个顶点移走p(p≥2)个pebble,而把其中的一个移到与其相邻的一个顶点上.图G的一般pebbling数fgl(G)是最小的正整数n,使得不管n个pebble如何放置在G的顶点上,总可以通过一系列一般pebbling移动把一个pebble移到图G的任意一个顶点上.图G的一个分布是可解的,当通过一系列一般pebbling移动,能把一个pebble移到其任意一个顶点上.图G的最优一般pebbling数fgl’(G)是可解分布中最小的,即利用fgl’(G)个pebble以构造一个可解分布,且这时需要的pebble个数最少.本文采用反证法,通过去掉一个顶点,改变路(或圈)为其子图,并选择一个可解分布.而这时所用的pebble数要比其最优一般pebbling数小,得到矛盾,这样就证明了路和圈的最优一般pebbling数.