基于大脑情感学习模型和自适应遗传算法的混沌时间序列预测

针对传统神经网络预测精度不高、收敛速度慢的问题,提出一种基于大脑情感学习模型和自适应遗传算法的混沌时间序列预测方法.大脑情感学习模型模拟了哺乳动物大脑中杏仁体和眶额皮质之间的情感学习机制,具有计算复杂度低、运算速度快的特点,因此可以大大提高混沌预测的快速性.为了进一步提高大脑情感学习模型的预测精度,采用自适应遗传算法优化其参数,将待优化的权值与阈值分布在染色体基因序列上,用适应度函数选出最佳参数,从而增强了模型的逼近能力.基于Lorenz混沌时间序列和实际地磁Dst指数序列的预测结果表明,本文方法较其他传统方法在预测精度、运算速度和稳定性上均具有明显优势.     

酸性镀铑工艺在电子工业中的应用

采用硫酸镀铑工艺，获得耐磨性，导电性良好的铑镀层。     

Bi/BiVO4&Bi4V2O11复合催化剂的制备及其光催化性能

经由溶剂热反应、光辅助还原过程制备Bi/Bi VO_4Bi_4V_2O_(11)纳米复合光催化材料。通过X射线衍射(XRD)、扫描电子显微镜(SEM)、透射电子显微镜(TEM)、高分辨率透射电子显微镜(HRTEM)、X射线光电子能谱(XPS)、紫外-可见漫反射光谱(UV-Vis DRS)、N_2吸附-脱附等温线和光致发光(PL)等手段对该复合物进行表征。实验结果表明当金属Bi与BiVO_4Bi_4V_2O_(11)的质量比值为0.8,可见光照射30 min时,Bi/BiVO_4Bi_4V_2O_(11)复合催化剂对罗丹明B(RhB)的降解率可达95.6%。此外,Bi/BiVO_4Bi_4V_2O_(11)对四环素(TC)的降解也表现出增强的光催化性能。Bi/BiVO_4Bi_4V_2O_(11)复合材料提升的光催化性能可能归因于金属Bi的表面等离子体共振(SPR)效应、拓宽的可见光吸收范围和增大的比表面积。此外,提出了复合光催化剂可能的光催化机理。