准经典轨线方法对Ca+CD3Ⅰ→CaⅠ+CD3同位素效应的动力学研究

在扩展Lond-Eyring-Polanyi-Sato(LEPS)势能面上,采用准经典轨线方法对反应Ca+CD3I→CaI+CD3进行了动力学计算,并讨论了该反应的同位素效应.在同位素效应作用下,产物CaI的振动态分布向低振动态转移,反应体系的散射截面在低碰撞能和高碰撞能处有较小的变化.同时,受到反应物的质量因子变化的影响,产物转动取向值减少,产物转动取向增强.仅有产物的角分布受同位素效应的影响不明显.     

在线质谱仪检测植物排放的挥发性有机物

利用在线检测质谱仪(SPIMS-1000)分别对高温烘烤、长时间密封保存、机械损伤等处理过的松科松属马尾松(Pinus Massoniana L.)样品排放的挥发性有机物(VOCs)与新鲜样品进行对比检测。SPIMS-1000在线检测质谱仪能够检测出植物排放的异戊二烯(m/z 68)和单萜(m/z 136),及其它一些特异性组分,如(Z)-3-己烯醛(m/z 98)等。利用在线检测质谱仪实现敞开环境中原位植物排放气体的检测。实验表明,在线检测质谱仪被广泛应用于环境中VOCs的实时、在线、定性快速检测。     

水中油荧光在线测量系统研究

针对污水中石油类污染物的荧光特性和石油类污染物浓度之间关系,采用在线荧光光谱技术构建一个自动萃取式水中油荧光测量系统,实现对污水中石油类污染物含量的检测。测试结果表明:本系统可实现对污水中石油类污染物的自动检测;与传统的检测方式相比,本系统省去了取样和人工萃取等环节,可实现污水中石油类污染物的在线测量;针对该系统的测量误差,测试结果表明其满量程平均误差为1.8%,满足测量要求;针对系统的稳定性,测试结果表明其相对误差为1.8%。该测量系统可用于石油开采、石油炼制以及冶金等行业含油污水的在线检测。     

等效道路线声源位置优化研究

计算道路交通噪声时,一般将每个车道等效为1个线声源。有时,为了简化计算,将道路等效为1个线声源,等效线声源位置为道路中轴;或等效为2个线声源,等效线声源位置为道路两侧中心线或两侧最外车道中心线。推导不同等效方法下观测点噪声的计算公式,并探讨不同等效方法引起的误差。研究结果表明,将道路等效为2个线声源,等效线声源位置为道路两侧中心线的简化方法引起的误差最小。     

分光光度法测定亚甲基蓝溶液浓度线上实验设计

基于朗伯-比尔定律与互补色原理,利用QQ截图读取色块RGB三原色组成的功能,获得不同亚甲基蓝浓度色阶对应的红色和绿色信号,设计了亚甲基蓝测定的简易紫外-可见分光光度法实验方案。该方案包括标准色阶制作、颜色信号读取、标准曲线绘制,以及待测样品测试等。通过学生实验,获得了满意的可靠性。该实验方案尤其适用于线上教学或缺少分光光度计的线下教学。     

基于“新工科”建设的化工学科研究生线上课程教学实践与探索

在化工学科“新工科”建设背景下,为适应疫情防控常态化的新形势,选取了哈工大化学工艺专业四类研究生课程开展研究生课程线上教学实践。通过调整更新课程知识体系,改革线上教学、课下教学和考核评价等来提升疫情常态化防控期间研究生线上课程的教学效果。另外,结合本次教学探索和实践,提出了“新工科”建设背景下我校化工学科研究生线上课程教学改革和建设的关键问题。     

信息化时代物理化学课程的教学改革与实践

互联网的发展加速了信息和知识的传播,在为大学课程教学提供更多资源的同时也给传统的课堂教学方法带来很大挑战。介绍了北京师范大学物理化学教学团队在线上线下混合教学方法的创立、大规模在线开放课程(MOOC)建设、思政元素引入教学等方面利用互联网资源所实施的教学改革和实践,为探究和建立信息时代大学化学课程教学方法的新模式提供参考。     

雨课堂与腾讯课堂联用的“有机化学”线上教学设计与实践*

基于智慧教学工具“雨课堂”为主和“腾讯课堂”为辅的双平台联用组合,将“雨课堂”优秀的教学互动和全周期记录学习活动表现的功能与“腾讯课堂”网络直播高峰期画面卡顿少、师生可以语音互动的优点结合起来,充分发挥“以学生为中心”的教学理念,探讨了有机化学课程的线上教学设计,并在教学班级中进行了广泛实践。实践证明,“雨课堂”直播为主和“腾讯课堂”为辅的双平台联用教学模式能保证教学质量、激发学生的学习兴趣和提高学生的学习效果。     

线上线下混合式教学结合翻转课堂进行酯缩合反应的教学*

采用“线上线下混合式教学”开展有机化学课程的教学工作,利用APP “学习通”将在线课堂教学和线下讲授相结合。以知识点酯缩合反应的教学为例,介绍了该教学模式的实施过程和教学效果。实践结果表明,线上线下混合式教学与翻转课堂相结合的教学模式,能够拓展化学专业学生知识面,提升学生的自主学习能力和学习的积极性,取得了较好的教学效果。     

基于高光谱的黑色签字笔墨水种类鉴别方法研究

该文提出了高光谱成像技术结合机器学习快速无损鉴别黑色签字笔墨水种类的新方法。采集36支不同品牌型号的黑色签字笔笔迹的高光谱图像,对每支签字笔笔迹的高光谱图像选取18个感兴趣区域,共提取648个平均光谱作为样本集。对450～950 nm的原始光谱进行Savitzky－Golay平滑、Z－Score标准化和两种组合方法光谱预处理,使用线性判别分析（LDA）和随机子空间－线性判别分析（RSM－LDA）分别构建黑色签字笔墨水种类鉴别模型。实验结果表明：不同预处理方法对RSM－LDA模型的鉴别准确率影响较小,而对于LDA模型,组合预处理具有更优的鉴别准确率;相比LDA模型,RSM－LDA模型分类效果更佳,训练集的平均分类准确率达100%,交叉验证平均分类准确率达99.09%,测试集的平均分类准确率达90.70%,每类样本的准确率、精准率、召回率均高于LDA模型分类结果,模型的接受者操作特征曲线下方面积（AUC值）达0.998 3,模型性能良好。因此,采用高光谱成像技术结合RSM－LDA可实现不同品牌型号黑色签字笔墨水的快速无损鉴别。