基于GA_XGBoost模型的大学生科研能力预测问题研究

科学评价大学生科研创新能力对我国科研水平的提高具有重要意义.采用机器学习模型来预测大学生科研能力可以起到良好的效果,提出一种GAXGBoost模型来实现对大学生的科研能力预测.此模型是以Xgboost算法为基础,然后充分利用遗传算法的全局搜索能力自动搜索Xgboost最优超参数,避免了人为经验调参不准确的缺陷,最后采用精英选择策略以此确保每一轮都是最佳的进化结果.通过分析表明,所采用的GAXGBoost模型在大学生科研能力预测的结果中具有很高的精度,将此模型与Logistic Regression、Random Forest、SVM等模型进行对比,GAXGBoost模型的预测精度最高.     

基于群论的晶格扰动介质纳米孔阵列多重Fano共振机理及演变

基于全介质超构材料独特的电磁属性,提出了一种晶格扰动介质纳米孔阵列超构表面来激发近红外区域的多重Fano共振.结合群论深入探究了该超构表面在其原胞为方形晶格构型与方形晶格对称性被破坏两情况下多重Fano共振的形成机理及演变规律.研究表明,在方形晶格超构表面中,外部辐射连续体分别与由正入射平面波直接激发的双重简并模式共振干涉形成双重Fano共振,且该共振与原胞中是否含孔及孔的形状无关,在晶格扰动超构表面中,原本不耦合的非简并模式由正入射平面波激发出来并与外部辐射连续体干涉形成Q值更高的三重Fano共振.进一步探讨了正入射平面波的xy极化方向对上述五重Fano共振的影响,结果表明,双重简并模式Fano共振偏振无关,三重非简并模式Fano共振偏振依赖.本文将为利用方形晶格构型的超构表面实现多重Fano共振的激发及演变提供有效的理论参考.     

基于Bi PLS结合Si PLS的组合权值COD浓度预测模型

水体中过高浓度的有机物含量危害巨大，不仅会造成严重的环境污染，而且危害人类身体健康，传统化学法检测水体化学需氧量(COD)的步骤繁琐且时效性差，不利于水体中COD的快速定量检测。针对这些问题，提出了一种将紫外光谱与组合权值模型相结合的快速定量检测COD方法，该组合权值模型是基于反向区间偏最小二乘法(BiPLS)结合组合区间偏最小二乘法(SiPLS)算法对紫外光谱的特征子区间筛选组合，然后依据特征子区间的权值建立的预测模型。首先按照一定的浓度梯度配制45份COD标准液样本，通过实验获取标准液的紫外光谱数据；对获取到的COD紫外光谱数据做一阶导数和S-G滤波(Savitzky-Golay)的预处理，消除基线漂移和环境干扰噪声；应用SPXY(Sample set partitioning based on jiont X-Y)算法将实验样本数据组划分成校正集和预测集。然后基于BiPLS算法对全光谱区间进行波长筛选，在BiPLS筛选过程中，目标区间的划分数量会对建模产生较大影响，于是对子区间划分数量进行优化，把子区间分成15~25个，在不同区间数下都进行偏最小二乘(PLS)建模，通过交互验证均方根误差(RMSECV)来筛选最优子区间数，得到区间数为18时，模型效果最佳。从18个波长区间筛选出了6个特征波长子区间，入选的子区间为2，1，3，11，7和6，对应波长为234~240，262~268，269~275，290~296，297~303和304~310 nm，这6个特征波长区间涵盖了大量的光谱信息，对最终预测模型的贡献度大；接下来通过SiPLS算法对这6个初选区间进行进一步的筛选组合，采用不同的组合数构建不同特征区间上的PLS模型，在相同组合数下，筛选出一个区间组合数最优的结果，对比不同组合数下预测模型的误差与相关性，将6个区间筛选组合为3个特征波长区间，分别为234~240，262~275和290~310 nm，这三个特征区间最佳因子数分别为4，4和3。对传统SiPLS的特征区间组合方法进行改进，基于权值的大小来对这3个特征区间进行线性组合，代替过去特征区间直接组合的方法。通过权值公式计算出这3个特征区间的权重大小分别为0.509，0.318和0.173，最终建立线性组合权值COD浓度预测模型。为了验证组合权重预测模型的精度，另外建立了全波长范围内的PLS预测模型、单个特征波长区间的PLS预测模型、直接组合特征波长区间的PLS模型，并使用评价参数相关系数的平方(R2)、预测值与真实浓度值的均方根误差(RMSEP)和预测回收率(T)来对模型评价。验证结果表明，相比其他预测模型，组合权值模型相关系数的平方达到了0.999 7，明显优于直接组合特征区间建模的0.968 0，预测均方根误差为0.532，比直接组合特征区间的预测模型误差降低了29.3%，预测回收率为96.4%~103.1%，显著地提高了预测精度。该方法简单可行，不会产生二次污染，可为在线监测水体中COD浓度提供一定的技术支持。     

静电纺丝法制备柔性SERS基底及性能研究

利用静电纺丝技术制备了聚乙烯醇(PVA)/银纳米粒子高活性SERS柔性基底.将硝酸银、聚乙烯醇按照一定比例混合配置纺丝溶液,纺丝成膜后采用紫外光照射还原法得到纳米纤维基底.采用扫描电子显微镜(SEM),透射电子显微镜(TEM),傅立叶红外光谱(FT-IR),拉曼光谱(Raman),紫外可见光谱(UV-Vis)等技术,对合成的纳米纤维基底进行表征.研究表明,银纳米颗粒呈球形分布在复合纤维中,粒径小于10 nm.以罗丹明为探针分子,硝酸银含量16 wt;,紫外光照射3 h制备的基底具备最优的SERS性能.同时将此基底应用于烟酸药品检测,拉曼检测极限可达10-5 mol·L-1.     

磁性PS-DEA树脂的制备与表征

利用二乙醇胺(DEA)对氯甲基化聚苯乙烯基树脂(PS-Cl)进行表面改性,制备了亲水性的PS-DEA树脂,然后以FeCl3·6H2O和FeSO4·7H2O为前驱体通过共沉淀法原位复合制备了磁性PS-DEA树脂.表征了磁性PS-DEA样品的形貌、结构以及磁性能,研究了PS-DEA和磁性PS-DEA对水溶液中Hg(Ⅱ)的吸附性能.结果表明,含有Fe3O4的磁性PS-DEA树脂的比饱和磁化强度(Ms)为0.92 A·m2/kg,磁性树脂中Fe3O4所占的质量分数为1.7%.用Langmuir等温模型拟合了PS-DEA和磁性PS-DEA对水溶液中Hg(Ⅱ)的吸附数据,计算得到最大吸附量分别为320.51和352.11 mg/g,这表明磁性纳米粒子的引入有利于提高树脂的吸附性能,这种磁性树脂有望作为吸附剂用于水处理领域.     

高效液相色谱法检测胃液中色氨酸和利多卡因

采用高效液相色谱-紫外-荧光和高效液相色谱-紫外-质谱联用法,证明胃癌患者胃液中存在的荧光物质主要为色氨酸.建立了反相高效液相色谱-双波长同时紫外检测法定量分析胃液中色氨酸和利多卡因的方法.使用Kromasil C18柱(150 mm×4.6 mm, 5 μm),以含0.1%三氟乙酸的甲醇溶液与含0.1%三氟乙酸水溶液为流动相,梯度洗脱分析.色氨酸使用278 nm检测,浓度在0.5～200 mg/L范围内峰面积对浓度的线性相关系数为0.9994;利多卡因使用254 nm检测,浓度在20～5000 mg/L范围内相关系数为0.9992.色氨酸和利多卡因的检出限分别为0.15和5 mg/L;平均加标回收率分别为70.8%～110.4%(色氨酸) 和87.1%～116.2% (利多卡因).利用本方法对38例胃癌患者和48例非胃癌患者的胃液进行测试,两组胃液中色氨酸的含量存在一定的差异.     

光催化脱硫及组合技术研究进展

光催化技术因其选择性好、操作条件温和、收率高等特点而在环境保护领域显示出极大优势。综述了光催化技术在天然气、轻质油、煤等燃料能源脱硫领域的研究和应用,分析了光催化技术与超声波、微波、微生物等技术组合的反应机理和应用现状,并对光催化组合技术在燃料脱硫领域的研究进行了展望。