聚碳酸酯在超临界乙醇中的降解

利用高压间歇反应器研究了聚碳酸酯(PC)在215~286°C、3.1~8.2 M Pa条件下乙醇溶液中的降解行为。通过气相色谱/质谱(GC/M S)和气相色谱(GC)对液相产物进行了定性和定量分析,同时分别通过红外(IR)和气相色谱对固相产物和气相产物进行了定性分析,在此基础上,提出了PC在超临界乙醇中的降解机理和降解反应模型,并进行了动力学研究。结果表明:PC在乙醇溶液中的降解可分为3个区域:超临界区、非超临界区和中间过渡区。在超临界区中,PC可实现完全降解,其主要单体双酚A(BPA)和碳酸二乙酯(DEC)的收率分别为92.26%和88.92%。在超临界区PC的降解活化能为89.73 kJ/m o l;在非超临界区,PC的降解活化能为21.02 kJ/m o l。     

氯化液脱溶剂Y型气流式喷嘴的雾化性能

研究了Y型气流式喷嘴对氯化聚氯化烯(CPVC)氯化液的雾化性能。实验结果显示:粒径的累积体积服从R osin-R amm ler分布;当氯化液质量流量一定时,滴径随蒸汽质量流量的1.346次方单调减小;蒸汽质量流量一定时,滴径随液体质量流量的0.371次方单调增加。通过对雾化过程影响因素的分析,采用三参数经验方程对实验数据进行了关联,计算结果与实验值最大相对误差为12.8%,平均相对误差为3.93%。     

用热分解方法在多孔硅中形成纳米银粒子

通过简单的溶液浸泡－热分解方法成功地在氧化多孔硅的孔中沉积了纳米银粒子,形成了银/氧化多孔硅/硅的复合结构.用X射线衍射光谱(XRD)和扫描电子显微镜（SEM）表征了多孔硅上纳米银粒子的存在.     

定时截尾指数分布的Bayes推断

研究了在定时截尾试验下,对指数分布的试验给出了检验问题:θ=0θ对θ=1θ,1θ>0θ,并依据最小风险准则,给出了此问题的Bayes判别方法.     

4种淡水藻对硝基苯的抗性机制

选择了4种淡水藻——纤细裸藻、莱因衣藻、舟形藻和聚球藻,通过分析硝基苯对其生长和叶绿素含量的影响,以及藻细胞对硝基苯的降解、积累和抗氧化酶系统的响应,以期了解藻类对硝基苯的抗性机制．结果表明：4种藻的生长和叶绿素a含量对硝基苯的抗性,按抗性大小排列：纤细裸藻〉莱因衣藻〉舟形藻〉聚球藻,4种藻对硝基苯无显著的降解和积累能力,藻细胞对硝基苯的抗性主要依赖抗氧化酶系的防御作用,其中藻细胞的SOD起主要作用,POD起次要作用．     

山区土地资源研究的理论体系与方法

山地生态系统服务的多样性以及资源环境的脆弱性使山区土地资源成为地理学、生态学研究的热点领域之一.通过梳理与集成山区土地资源的研究成果,探讨山区土地资源研究的理论体系与方法,总结出山区土地资源的主要理论为可持续利用理论、土地资源安全理论、地理学人地关系理论、土地供给理论和土地整治等,山区土地资源研究的主要方法为山区土地资...     

遗传算法及轮盘赌选择的C + +实现

遗传算法是运用遗传学原理、生物进化规律及计算机技术实现的最优化搜索算法,通过对问题参数进行编码,按照适应度对位串进行复制、交叉及变异操作,直到搜索到问题的全局最优解.介绍了遗传编码原则、适应度函数及遗传优化过程,分析了轮盘赌解决复制及匹配过程中位串的选择问题,利用C 语言对具体的案例进行了轮盘赌程序仿真实现.     

评蒯因的本体论承诺理论

蒯因用现代逻辑工具构造了一个比较完善的本体论承诺学说,把本体论重拾回哲学的殿堂,此理论有相当的贡献,但其局限性使其应用起来极为困难。     

移动商务中融合签到位置与用户间相似性的兴趣点精准推荐

向位置频繁变化的移动用户进行精准推荐,如何提高推荐准确性,已经成为一个理论研究与实践中的热点与难点问题.针对于此,本文提出了面向移动社交商务的精准用户兴趣点推荐模型--MRGR.首先,利用用户的历史签到信息,通过改进核密度估计对兴趣点进行预测;其次,进一步考虑到用户间的签到相似性,使用信息熵定量表示用户移动的随机性和不确定性;最后,融合地理位置信息与用户间相似性,精准推荐用户兴趣点,并在Foursquare数据集上进行验证.实验结果表明:与传统模型相比,提出的模型在准确预测用户兴趣点的同时,可以有效缓解数据稀疏性和冷启动问题,并在准确率和召回率上都取得了显著的提高.成果将为移动商务中,如何更好满足企业的精准推送与用户个性化需求提供有力的技术支持和决策服务.     

小样本条件下SCGAN+CNN低分辨雷达目标一步识别算法

现有低分辨雷达目标识别方法,通常采用先特征提取、再进行目标分类的两步识别算法,这种算法存在识别率难以提高和方法泛化性不足的问题,对此,提出一种增强条件生成对抗网络（strengthening condition generative adversarial network,SCGAN）+卷积神经网络（convolutional neural network,CNN）的低分辨雷达目标一步识别算法。该算法利用CNN自动获取采样数据深层本质特征,无需特征提取,实现对目标的一步识别。为进一步提高小样本条件下的识别效果,基于CGAN理论来提高样本在特征空间的覆盖程度,并对CGAN的判别器进行改进,在损失函数中增加混叠惩戒项,通过SCGAN生成不混叠的生成样本来更好地训练CNN,提高其在小样本条件下的识别能力。仿真对比实验校验了一步识别算法较传统两步识别算法的优越性,以及SCGAN+CNN的低分辨雷达目标一步识别算法在小样本条件下的有效性。