合成2-丁基-1,3-二氮杂螺[4.4]壬-1-烯-4-酮的工艺改进

以1-氨基环戊腈草酸盐为起始原料,经双氧水水解、戊酰氯酰化、环合制得厄贝沙坦的关键中间体——2-丁基-1,3-二氮杂螺[4.4]壬-1-烯-4-酮,总产率80.9%,其结构经1H NMR,13C NMR和MS确证。     

2,7-二硝基-9,9-二辛基芴的合成工艺改进

以芴(1)为原料,浓硝酸/浓硫酸为硝化剂,合成了2,7-二硝基-9,9-二辛基芴,其结构经1H NMR和IR确证。最佳反应条件为:1 20 mmol,n(1):n(HNO3)=1:18,c(H2SO4)=15.3 mol.L-1,于10℃反应7 h,收率56%。     

α-溴-4-羟基苯乙酮的合成方法改进

以对羟基苯乙酮为原料,Br2为溴化试剂,用改进方法合成了辛弗林的关键中间体——α-溴-4-羟基苯乙酮,收率64.7%,纯度90.2%,其结构经1H NMR确证。     

基于改进粒子群优化算法的火电厂机组负荷分配

以坑口电厂SIS系统机组负荷优化分配功能模块为应用背景,针对基本粒子群优化算法易陷入局部收敛、收敛速度慢的缺点,提出一种基于惯性权重非线性减小策略的改进粒子群优化算法。并且通过MATLAB与Visual C++混合编程,开发了机组负荷在线优化分配功能模块,提高了算法的计算效率和工程应用价值。     

基于Chebyshev多项式的神经网络中长期负荷预测研究

高精度负荷预测在提高电力系统的安全性和经济性方面有着极其重要的意义,而现有的负荷预测方法因参数有限,难以完全反映其内在规律,因而导致预测结果不够准确.为此提出了一种基于Chebyshev多项式神经网络模型的预测方法.该方法使用递推最小二乘法训练神经网络权值系数,以获得高精度的参数估计,从而实现Chebyshev多项式神经网络模型对负荷量的最优拟合,再利用训练好的Chebyshev多项式神经网络模型实现中长期负荷预测.研究结果表明,该方法能较好模拟负荷变化规律,有效提高了负荷预测精度,在电力系统负荷预测中有较大的应用价值.     

具有变时滞和马尔可夫切换的随机递归神经网络的弱收敛(英文)

本文研究了具有变时滞和马尔可夫切换的随机递归神经网络的弱收敛,通过运用Lyapunov函数、随机分析技巧和推广了的Halanay不等式,得到了上述模型为弱收敛的充分性条件,并且我们揭示了对上述递归神经网络模型所确定的segment过程的转移概率的极限分布是此模型的解过程的唯一的遍历不变概率测度.此外,我们还给出了例子和数值模拟来说明我们结论的正确性.     

广东省能源需求预测模型构建及实证分析

为了对广东省的能源需求进行准确的预测,首先分析了影响广东省能源需求的各种因素,构建了预测指标体系.在此基础上,针对能源系统非线性等复杂系统特征,结合粒子群算法和BP神经网络的优点,构建了改进的PSO-BP神经网络的预测模型,并通过主成分分析法对指标体系进行数据降维,以降低神经网络的规模和复杂程度.以广东省1985-2013年的能源需求数据进行模拟与仿真,并对2014-2018年的能源需求量进行预测,理论分析和实证研究表明,该方法能够很好的反映广东省能源需求的特征,预测结果较为准确合理.     

基于布谷鸟算法与BP神经网络的煤灰变形温度预测

以120种煤样为数据基础,采用布谷鸟算法(CS)优化BP(Back Propagation)神经网络,建立了CSBP模型对单煤、煤掺添加剂和配煤等3类样本的煤灰变形温度(DT)样本进行预测。模型以煤灰化学成分及其组合参数等13个变量作为输入量,以变形温度(DT)作为输出量。CSBP模型预测结果与BP神经网络模型预测结果进行对比发现,无论是单煤、煤掺添加剂还是配煤,CSBP模型较BP模型对煤灰变形温度(DT)的预测都更加精准,平均相对误差分别达到了3.11%、4.08%和4.22%。另外,对比3类样本预测结果发现,无论是CSBP模型还是BP模型,相比单煤预测而言,煤掺添加剂及配煤的预测误差都有明显的增加。     

聚合物流变学课程教学探讨北大核心CSCD

聚合物流变学是一门具有鲜明交叉学科特点的专业基础课,对高分子物理与高分子成型加工课程的学习起到了承上启下的作用,在完善高分子材料与工程专业本科教学体系中不可或缺。根据本校本专业设置的学科特点,本文主要探讨了在教学过程中课程目标的定位,以此为根据选择与本科生程度相宜的教材和授课参考资料,并优化和调整教学内容和结构,探索多样化的课堂教学方法和手段,达到改善聚合物流变学课程教学效果和提高教学质量的目的。