Co/Bi催化剂催化湿法氧化降解垃圾渗滤液中的氨氮

采用催化湿法氧化(CWAO)技术,以Co/Bi为催化剂,对垃圾渗滤液中氨氮(NH₃-N)进行降解处理,并利用GC-MS检测了垃圾渗滤液中含氮有机物的相对含量.结果表明,随着反应温度的升高,CWAO对NH₃-N的降解能力逐渐增强,在220,240,260和280℃条件下,NH₃-N降解规律符合一级动力学反应(r>0.93,n=6).在升温过程(20～300℃)中,NH₃-N浓度变化经历了先升后降两个阶段,并在220℃时达到最大值.GC-MS检测结果表明,在第一阶段,垃圾渗滤液中几种含氮有机物因催化氧化而生成NH₃-N;第二阶段,NH₃-N逐渐被氧化降解,达到了CWAO技术同时降解有机物和NH₃-N的目的.同时,选取垃圾渗滤液中一种含氮有机物2-巯基苯并噻唑进行含氮有机物氮降解机理的验证实验.     

Structure of a Class of Integrable Lie Algebras

In , for any complex n×n matrix A, we have a Lie algebra g(A). Ifthe Chevalley generators e_i, f_i=(i = 1,…,n) of g(A) are locally nilpotent, theng(A) is integrable. The central object of our study is this class of integrableLie algebras.Definition 1 A matrix A is said to be equivalent to a matrix B if there ex-ists a non-degenerate diagonal matrix D such thatDB=A(by reordering the indices)     

基于密度峰值的改进K-Means文本聚类算法及其并行化

针对K均值(K-means)聚类算法进行文本聚类时随机选取初始聚类中心点的问题,提出一种基于密度峰值进行初始聚类中心点选取的适用于文本聚类的K-means算法(DPMCSKM),为了更好地适应大规模聚类计算的要求,设计并实现了基于MapReduce的DPMCSKM并行化算法。实验结果表明,DPMCSKM算法可以有效地进行文本聚类,与K-means、基于密度峰值的快速搜索聚类算法选取初始簇中心点的K-means以及多簇球形K-means算法相比在聚类质量上均有一定的提升,在收敛速度上也有较好的表现;DPMCSKM并行化算法在可扩展性上,具有较好的加速比。     

4s和4p半核态引入价态(导致杂化指数降低)可以减弱Mon (n=2∽18)团簇的二聚体现象的第一性原理研究

钼团簇因具有独特的结构、电子和物理化学性质,被期待在未来的纳米科技中扮演重要角色,但是它们的基态结构至今还存在争议. 本研究采用粒子群优化(CALYPSO)方法对Mo_n (n=2∽18)团簇的晶体结构进行全局域能量最小化搜索,并结合第一性原理方法进一步优化. 计算表明：当4s和4p半核态不作为价态时,Mo_n (n=2∽18)团簇有明显的二聚体趋势,原子数为偶数的团簇往往是“幻数”团簇,具有较高的稳定性;但是,将4s和4p电子作为价电子后,平均杂化指数H_sp、H_sd和H_pd显著降低,二聚体趋势急剧减弱. 本文报道了Mo_n(n=11,14,15)团簇的新基态结构,证明了半核态对于Mo_n团簇是十分重要的.     

基于SOPC的微小型无人机容错飞行控制平台设计

针对微小型无人机的高可靠性和微型化要求,将可编程片上系统(SOPC)技术和容错技术相结合,设计出一套双余度容错飞行控制平台。从容错方案的选取到硬件和软件的实现给出了具体实施方案,并对同步技术、故障诊断与定位、动态重构与隔离等关键技术进行了研究。经过仿真验证和试验表明,该方案设计合理,系统平台不仅可以实现无人机飞行控制的基本功能,而且具有很高的集成度和灵活性,并且满足一次故障安全。     

合金效应加强水分子在PtRun团簇上的吸附作用

利用第一性原理计算方法,研究合金效应对PtRu_n-1（n=2-14）和H₂O-PtRu_n-1（n=2-14）体系的几何构型、稳定性及吸附水特性的影响.结果表明：铂原子替代钌原子的能量较低,容易与钌团簇形成合金,铂原子喜欢占据配位数较低位置.相对于纯钌团簇,合金效应很大程度上提高了水分子在PtRu_n团簇上的吸附能.考虑范德瓦尔斯力后,水分子在PtRu₇上的吸附能增大,分解势垒降低,水分子可以在PtRu₇上分解.铂钌合金更适合做分解水制取氢气的催化剂.     

基于U-net和可见光谱图像的黄瓜褐斑病分割

褐斑病是黄瓜主要真菌性病害之一,适宜条件下,特别是在昼夜温差大及饱和湿度条件下发病迅速,病情加重,导致黄瓜减产,造成经济损失。对黄瓜褐斑病进行病斑分割与提取,可以为后续的病害识别与诊断提供有效依据,具有重要意义。结合黄瓜褐斑病可见光谱图像,利用U-net深度学习网络构建黄瓜褐斑病语义分割模型,实现了病斑分割。首先在采集到的黄瓜褐斑病可见光谱图像中截取病斑较为突出的区域作为样本,共在40幅图像中截取到135个像素区域,区域的像素分辨率为200×200,利用Matlab的Image Labeler工具对样本进行像素标记,分别标记出感病区域和健康区域。然后构建U-net网络,该网络包含46层和48个连接,通过卷积层和线性整流层以及最大池化法来完成病斑特征提取,通过深度连接层以及上卷积层和上线性整流层完成上采样,通过跳层连接来完成复制和剪裁操作,并进行病斑特征融合。利用所构建的U-net网络进行学习训练得到语义分割模型,在135个样本中,随机选取其中96个作为训练样本,剩余的39个作为测试样本,设置迭代次数为240次,L2正则化系数为0.000 1,初始学习率为0.05,动量参数为0.9,梯度阈值为0.05,进行样本训练和测试。经过10次重复训练和测试,结果表明,基于U-net和可见光谱图像的黄瓜褐斑病语义分割模型执行时间平均为46.4 s,内存占用平均为6 665.8 MB,执行效率较高;模型准确率PA为96.23%~97.98%,MPA为97.28%~97.87%,MIoU为86.10%~91.59%,FWIoU为93.33%~96.19%,模型的稳定性较好、泛化能力较强。该研究方法利用较少的训练样本,获得了准确率较高的分割模型,为小样本机器学习提供了参考,同时为其他蔬菜的病斑分割、病害识别与诊断提供了方法依据。