排序方式: 共有185条查询结果,搜索用时 15 毫秒
1.
沥青分子结构和沥青热转化行为的调控是制备高品质沥青基炭材料的关键。为进一步明晰沥青热解行为与沥青分子结构间的关联性,选用8种有机溶剂对中温沥青(AGMP)在常温下进行超声萃取处理得到8 种萃取物。利用 PeakFit v4.12 软件对各种萃取物的红外光谱吸收峰700~900,1 000~1 800,2 800~3 000和3 000~3 100 cm-1四个区域进行了分峰拟合处理,从而获得了萃取物所含各种官能团的精细结构信息,并引入6种分子结构参数(I1~I6),表征萃取物分子结构与热解活化能的关系。傅里叶变换红外光谱(FTIR)谱图分析表明8种萃取物主要是以含氧、含氮等杂原子的脂肪烃侧链为主的缩合芳香环结构组成的复杂化合物。由于萃取剂结构差异,萃取物中的分子结构参数也略有差异。线性结构萃取剂所得萃取物链烃(I5)含量较高,环结构萃取剂所得萃取物芳环(I6)取代结构较多。利用热重分析法(TGA)在不同升温速率(3,6,10,15 K·min-1)下对8种萃取物的热失重行为进行了研究,在等转化率不考虑反应机理的情况下,依据Flynn-Wall-Ozawa法和Kissingr-Akahira-Sunose 法解析得出8 种萃取物的热解活化能(Ea)。结果表明8种萃取物热解活化能在78~116 kJ·mol-1之间,其值大小与官能团结构及含量密切相关。将红外光谱定量分析获得的萃取物红外结构参数与热解活化能进行关联,通过详细分析探讨不同萃取物结构参数与热解活化能的一元线性回归Ea=f(Ii)的分析结果发现,芳香性指数(I3)和支链化程度(I5)是决定萃取物热解活化能大小的主要指标,热解活化能与各单一指标(Ii)拟合结果的正负相关性,表示这一结构从体系中被热解破坏的难易程度。综合考虑各红外结构参数的共同作用,AGMP萃取物热解活化能与红外光谱结构指标之间的拟合关系模型为Ea=-4 294.53I1+73 812.16I2+207 673.32I3-20 324.20I4-168.56I5+857.86I6。结合红外分析得到的这一结果,揭示了更多关于煤沥青的热解特性和动力学的细节信息,有助于理解煤沥青的热解过程和热转化行为。 相似文献
2.
恒星光谱分类是天文技术与方法领域一直关注的热点问题之一。随着观测设备持续运行和不断改进,人类获得的光谱数量与日俱增。这些海量光谱为人工处理带来了极大挑战。鉴于此,研究人员开始关注数据挖掘算法,并尝试对这些光谱进行数据挖掘。近年来,神经网络、自组织映射、关联规则等数据挖掘方法广泛应用于恒星光谱分类。在这些方法中,支持向量机(SVM)以其强大的学习能力和高效的分类性能而备受推崇。SVM的基本思想是试图在两类样本之间找到一个最优分类面将两类分开。SVM在求解时,通过将其最优化问题转化为具有(QP)形式的凸问题,进而得到全局最优解。尽管该方法在实际应用中表现优良,但为了进一步提高其分类能力,有的学者提出双支持向量机(TSVM)。该方法通过构造两个非平行的分类面将两类分开,每一类靠近某个分类面,而远离另一个分类面。TSVM的计算效率较之传统SVM提高近4倍,因此,自TSVM提出后便受到研究人员的持续关注,并出现若干改进算法。在恒星光谱分类中,一般分类算法都是根据历史观测光谱来建立分类模型,其中最关键的是对光谱进行人工标注,这项工作极为繁琐,且容易犯错。如何利用已标记的光谱以及部分无标签的光谱来建立分类模型显得尤为重要。因此,提出带无标签数据的双支持向量机(TSVMUD)用以实现对恒星光谱智能分类的目的。该方法首先将光谱分为训练数据集和测试数据集两部分;然后,在训练集上进行学习,得到分类依据;最后利用分类依据对测试集上的光谱进行验证。继承了双支持向量机的优势,更重要的是,在训练集上学习分类模型过程中,不仅考虑有标记的训练样本,也考虑部分未标记的样本。一方面提高了学习效率,另一方面得到更优的分类模型。在SDSS DR8恒星光谱数据集上的比较实验表明,与支持向量机SVM、双支持向量机TSVM以及K近邻(KNN)等传统分类方法相比,带无标签数据的双支持向量机TSVMUD具有更优的分类能力。然而,该方法亦存在一定的局限性,其中一大难题是其无法处理海量光谱数据。该工作将借鉴海量数据随机采样思想,利用大数据处理技术,来对所提方法在大数据环境下的适应性展开进一步研究。 相似文献
3.
天体光谱包含着许多重要的关于天体的物理和化学信息,如天体表面的有效温度、重力加速度以及化学丰度等,天体光谱的处理和分析对天文研究具有重要的科学意义。一些大型巡天计划的实施(如SDSS,LAMOST等)使我们获得了海量的天文光谱数据,因此天文光谱数据的自动分类成为重要的科学研究课题,然而面对如此海量的光谱数据,一些传统的光谱自动分类方法已经不适用,迫切需要寻找高效率的光谱自动分类技术。研究了基于局部均值的K-近质心近邻(local mean-based K-nearest centroid neighbor,LMKNCN)算法在恒星(Star)、星系(Galaxy)和类星体(Quasar,QSO)的光谱分类中的应用。LMKNCN算法的基本思想是根据近质心近邻原则,从每一类训练样本集中为待测样本点选取k个近质心近邻点,然后根据每一类中所选取的k个近质心近邻点的均值点到待测样本点x的距离来判别x的所属类别。针对美国SDSS-DR8的天体光谱数据,对比了K-近邻、K-近质心近邻、LMKNCN三种算法在恒星、星系和类星体的光谱分类中所表现的性能,结果表明三种方法中,LMKNCN算法对这三种光谱的识别率高于其他两种算法或者与其相当,而且其平均分类正确率高于另外两种算法,特别是在类星体的识别率上表现的更好。表明了该算法对天文光谱大数据的快速处理和有效利用具有重要的意义。 相似文献
4.
5.
6.
运用马氏距离替代欧式距离改进传统的TOPSIS方法,解决当属性间存在线性相关时欧式距离失效的缺陷;充分考虑对立集合并引入联系向量距离,解决可能存在的方案距离正理想解和负理想解距离都近的缺陷.然后通过决策者偏好系数将马氏距离和联系向量距离所得结果合成新的相对贴近度,从而同时克服传统TOPSIS方法的以上两个缺陷.最后通过供应商选择的实例来验证方法的有效性. 相似文献
8.
本文以氧化铝和氧化锌为原料,B2O3、Y2O3、TiO2为添加剂,采用固相反应法合成锌铝尖晶石,将试样在1550℃进行烧结,研究了三种添加剂对矿物组成和微观结构的影响,采用XRD、SEM等手段对烧后试样的物相组成和显微结构进行表征.结果表明:三种添加剂均使显气孔率显著降低,当含量超过1.5;时,显气孔率下降不明显.B2O3进入锌铝尖晶石间隙内形成间隙固溶体;Y2O3与Al2O3发生化学反应生成钇酸铝;当TiO2含量小于1.5;时,TiO2进入锌铝尖晶石晶格内形成置换固溶体,超过1.5;以后,TiO2与Al2O3反应生成钛酸铝.添加Y2O3的试样,生成的钇酸铝在锌铝尖晶石晶间,与空白样相比,晶粒尺寸更均匀;添加B2O3的试样,晶粒尺寸最大;其次是添加TiO2的试样.添加TiO2的试样抗KCl侵蚀性最好. 相似文献
9.
利用DNA与小分子之间的相互作用,以DNA/壳聚糖生物聚合离子膜固定电活性小分子,制备了DNA-甲苯胺蓝/壳聚糖聚合离子复合膜修饰电极,并利用多环有机物与染料分子对DNA特异结合的竞争关系,构筑了多环有机物非试剂添加型DNA电化学生物传感器。以盐酸四环素为模式分子,利用循环伏安法和方波伏安法研究了该修饰电极的电化学特性以及该电极对盐酸四环素的电化学响应,结果表明,DNA和甲苯胺蓝成功地固定在电极表面,电极表面的甲苯胺蓝保持了很好的电化学活性。利用紫外-可见分光光度法研究了电极对盐酸四环素响应的作用机理。该传感器的线性范围为2.5~100μmol·L-1。 相似文献
10.
采共沉淀法制备了高纯度莫来石前驱粉体,掺杂La_2O_3制备莫来石复合陶瓷。利用XRD、SEM等方法对矿物组成和显微结构进行分析表征,并用X'pert High score Plus软件计算莫来石晶格常数,间接分析La_2O_3掺杂机理。实验结果表明,La_2O_3的掺杂改变了莫来石陶瓷的微观组织结构,莫来石晶粒由短棒状转变为网状和层状结构;La_2O_3的掺杂改变了物相组成,生成La_(1.66)Al_(23.08)O_(37.04),有助于提高莫来石陶瓷的致密性,在1500℃烧成时试样达到理论密度的95%。 相似文献