壳聚糖固定化技术及吸附性能的研究

采用海藻酸钠、聚乙烯醇、明胶作为载体,对壳聚糖的固定化条件进行了研究,并以制成的固定化壳聚糖吸附水中Cu2+和Cr6+。结果表明:分别用2%(质量分数,下同)的海藻酸钠、(1%的聚乙烯醇+1%的海藻酸钠)、(1%的明胶+1%的海藻酸钠)固定壳聚糖,成球性及机械性能理想。比较了壳聚糖质量、pH值、吸附时间对吸附效果的影响:0.20 g壳聚糖与(1%的聚乙烯醇+1%的海藻酸钠)载体混合,溶液pH值为6.5,吸附时间为8 h,Cu2+去除率达99.89%;0.15 g壳聚糖与(1%的聚乙烯醇+1%的海藻酸钠)载体混合,溶液pH值为4.5,吸附时间为10 h,Cr6+去除率达98.64%。     

基于层次分析法的中国教育公平问题研究

教育公平是社会公平的起点,也是缓解中国目前社会公平问题的重要手段。在对影响中国教育公平的各种因素的研究基础上,运用层次分析方法,对各种影响因素的影响因子进行定量化研究,期望能从中发现目前中国教育公平问题存在的主要矛盾,为制定促进中国教育公平发展的政策提供科学依据。     

铜基纳米材料在增强化学动力学治疗上的应用研究

和传统治疗相比,化学动力学治疗(CDT)被认为是一种低副作用且无创的治疗方法,在众多的治疗方法中脱颖而出.CDT通过金属离子介导的芬顿反应或类芬顿反应,将肿瘤中过表达的过氧化氢(H2O2)分解为剧毒的羟基自由基(·OH),从而杀死肿瘤细胞.近年来,铜基纳米材料在CDT中蓬勃发展,极大地提高了CDT的效率.因此,基于铜基...     

锰氧化物改性分子筛的制备及其在含酚废水处理中的应用

根据催化氧化原理,利用4A分子筛为载体,次氯酸钠（NaClO）为氧化剂,通过硫酸锰（MnSO₄）在其表面的原位氧化来制备对环境无害的锰氧化物（MnO_x）改性的分子筛（MnO_x@MS）材料.通过场发射扫描电镜（FE-SEM）和X射线衍射（XRD）对材料进行了表征.XRD分析表明：Mn元素是以MnO_x形式存在,在pH为7.2时,反应得到的MnO_x中Mn离子的价态最高.测试表明：Mn离子的价态越高对含酚废水的处理效果就越好.采用在最优条件下得到的MnO_x@MS材料作为催化剂,对过氧化氢（H₂O₂）氧化降解含酚废水进行研究,考察了不同体系、温度、pH值和H₂O₂用量对苯酚降解的影响.结果表明：在优化的降解条件下,120 min内,未改性分子筛对苯酚的去除率仅为35%,而MnO_x@MS改性材料对苯酚的去除率达到82%,说明通过MnO_x改性后的分子筛,对苯酚的氧化降解能力大大提高.     

大规模复杂换热网络联动进化障碍分析及策略改进

针对启发式算法在优化大规模换热网络时出现优化精细度不足的问题,提出一种以小负荷公用工程为导向的换热单元耦合联动强制进化策略。该策略以小负荷公用工程作为导向,构建具有耦合关系的换热单元环路,并对环路内的换热单元热负荷进行联动调整,同时保持环路外换热单元的热负荷和流股匹配不变。该策略旨在最大程度回收流股的能量,以减少小负荷公用工程使用带来的费用增加。将策略应用于强制进化随机游走算法并对两个算例进行测试,算例H8C7和H10C10的优化结果分别为1495292 $/a和1713637 $/a。与改进前相比,分别降低了7466 $/a和7533 $/a;与文献中最优解相比,分别减少了2033 $/a和1450 $/a,证明了该策略的有效性。     

基于深度强化学习分层控制的双足机器人多模式步态系统研究

提出一种基于深度强化学习（DRL）分层控制的双足机器人多模式步态生成系统. 首先采用优势型演员-评论家框架作为高级控制策略,引入近端策略优化（PPO）算法、课程学习（CL）思想对策略进行优化,设计比例-微分（PD）控制器为低级控制器;然后定义机器人观测和动作空间进行策略参数化,并根据对称双足行走步态周期性的特点,设计步态周期奖励函数和步进函数;最后通过生成足迹序列,设计多模式任务场景,并在Mujoco仿真平台下验证方法的可行性. 结果表明,本方法能够有效提高双足机器人在复杂环境下行走的稳定性以及泛化性.     

基于KMV-CatBoost增强的企业信用债券违约风险评估模型

针对传统预测模型对于企业信用债券违约预测准确率低、拟合效果差的问题,提出了基于Kaufman-Merton-Voss （KMV）-Categorical Boosting （CatBoost）的企业债券违约预测模型. 首先对原始样本数据进行预处理,降低噪声数据对预测模型的影响;然后,利用KMV模型评估借款公司信用违约概率,计算公司资产市场价值与公司资产市场价值的波动率,获得企业资产价值与违约点之间的差额Distance-to-Default（DD）;最后,利用债务偿还期限、短期无风险收益率、公司股权市场价值、公司债务面值计算出的违约距离,将其加入指标中,利用CatBoost算法预测企业信用债券违约风险,通过基于Ordered Boosting方式的CatBoost算法训练模型,得到无偏梯度估计,以减缓预测偏移,从而增强模型的泛化能力. 实验结果表明：基于KMV-CatBoost增强的模型能够提高企业信用债券违约风险识别的准确率,识别正确率约为95.5%.     

采用通道注意力机制的RIS辅助MIMO级联信道估计

可重构智慧表面（RIS）辅助多天线毫米波无线通信系统的级联信道有直传和反射两条链路,系统维数大且复杂,获取信道状态信息（CSI）困难. 针对RIS辅助下的大规模多输入多输出（MIMO）通信系统应用场景,提出了基于通道注意力机制的SE-ResNetV2网络来获取CSI,在残差网络（ResNet）中引入了通道注意力模块,通过挤压和激励策略来提高噪声特征的捕捉能力. 仿真结果表明,相比于最小二乘（LS）估计算法和常规的注意力机制深度ResNet,所提出的深度学习网络具有更好的去噪效果和估计精度.     

一种面向自动驾驶路况的目标检测算法

为了对常见的行人和车辆进行检测,采用自行标注的数据集,通过基于faster region-based convolutional neural network （RCNN）框架的算法进行调参与优化. 主干网络采用轻量化网络MobileNetv2,在原生锚框的基础上,区域建议网络（RPN）部分增加2个面积尺度,检测部分使用感兴趣区域（ROI）Align结构,减少特征图映射和均分过程中的误差. 实验结果表明：使用faster RCNN目标检测网络,可以有效完成行人和车辆的检测任务,整体效果良好.     

基于ReliefF-NOSCA-AdakNN的肌肉疲劳识别技术研究

针对竞技体育训练中的肌肉疲劳监测问题,提出了一种基于ReliefF-NOSCA-AdakNN（RNA）的表面肌电信号（sEMG）特征提取和分类算法. 该算法结合了特征和类别之间的相关性分析和启发式搜索算法,对高维特征进行了有效的筛选和分类. 将RNA算法应用于经过滤波处理的肱二头肌肌电信号数据,对不同疲劳状态进行了识别和分类. 实验结果表明,提出的RNA算法在平均分类准确率和标准差方面分别达到了83.88%和0.012 7,均显著优于传统单一算法,体现了较好的分类性能.