化工原理课程思政教学改革与实践

介绍了化工原理课程思政的育人目标,据此构建课程内容与育人元素的支撑矩阵;融入绿色工程理念,确定课程对绿色工程十二项原则指标点的支撑;深度融合信息技术,基于原有慕课建设专门的课程思政慕课;以精馏章节为例,分享化工原理课程思政教学案例设计思路和方案。同时,对学生测评和学习成果、育人点、重要性及切入自然性进行调研评价,说明通过课程思政教学实践,在潜移默化中培养学生树立正确的世界观、人生观和价值观。为化工类专业课程思政教学提供参考和借鉴。     

聚酯在超临界甲醇中的降解特性

研究在间歇高压反应器中聚对苯二甲酸乙二醇酯(PET)、聚对苯二甲酸丁二醇酯(PBT)及聚碳酸酯(PC)在超临界甲醇中的降解反应;通过建立聚酯在超临界甲醇中的降解反应模型,探讨了聚酯在甲醇中降解的机理。结果表明:PET、PBT和PC在甲醇溶液中的降解具有共性,均可分为超临界区、非临界区和中间过渡区三个区域。在超临界区聚酯完全溶于甲醇并降解为原料单体,且对苯二甲酸二甲酯(DMT)和碳酸二甲酯(DMC)的收率均大于90%;聚酯的降解是在聚合物分子链的无规断裂和聚酯进行酯交换反应的双重作用下发生的。     

理工科专业基础核心课程思政教学实践——以化工原理课程为例

The principles of chemical engineering is the foundation of chemical engineering professional core courses. This article introduces the goal and content of course Ideology and politics for principles of chemical engineering course. Ideological education has been carried out on the teachers' quality, knowledge, cases, historical personages, and teaching practice to provide reference for education in science and engineering course.     

超微5A分子筛对废水中苯酚的吸附研究

在传统水热合成法基础上,采用导向剂法进行改性,合成出超微5A分子筛,通过XRD、SEM、FT-IR等多种方法进行表征。同时探讨了时间、pH值和温度等因素对超微5A沸石分子筛吸附废水中苯酚性能的影响,并提出了优化吸附条件。本研究对提高废水中苯酚的处理效果具有很好的参考价值。     

基于RNN-CNN集成深度学习模型的PM2.5小时浓度预测

针对目前大部分PM_2.5预测模型预测效果不稳定、泛化能力不强的现状,以记忆能力较强的循环神经网络（RNN）和特征表达能力较强的卷积神经网络（CNN）为基础,采取Stacking集成策略对两者进行融合,提出了RNN-CNN集成深度学习预测模型。该模型不仅充分利用时间轴上的前后关联信息去预测未来的浓度,而且在不同层次上将自动提取的高维时序数据通用特征用于预测,以保证预测结果的稳定性。最后,对集成之前的RNN、CNN和集成之后的RNN-CNN模型,以2016年中国大陆地区1 466个监测站点的空气质量数据为样本进行实例验证,结果表明,RNN-CNN在PM_2.5时间序列预测上的表现明显优于集成之前的RNN和CNN,而且泛化误差更低,在34%站点上的拟合度超过0.97,该模型可用于大范围区域的PM_2.5小时浓度预测。     

流动注射化学发光分析法测定利福平

在酸性条件下,KMnO4能氧化利福平产生弱化学发光,并且,利福平能极大的增敏Na2SO3-KMnO4体系的化学发光信号。基于此,结合流动注射技术,建立了测定利福平的新方法。在优化的条件下,利福平在5.0×10-8g/mL~1.0×10-5g/mL范围内与化学发光强度呈良好的线性关系,检出限为3×10-8g/mL。对2.0×10-6g/mL的利福平进行11次平行测定,相对标准偏差为2.6%。该法用于胶囊和滴眼液中利福平的测定,并初步探讨了该化学发光反应机理。     

超临界甲醇降解对苯二甲酸丁二酯的研究

作为一种综合性能优良的新型工程塑料,对苯二甲酸丁二酯(PBT)工程塑料及其各种合金在全球范围内已经广泛用于电子电气、汽车、机械及民用等各个领域,而中国是其中需求量最大的国家．     

基于RNN-CNN集成深度学习模型的PM2.5小时浓度预测

针对目前大部分PM_2.5预测模型预测效果不稳定、泛化能力不强的现状,以记忆能力较强的循环神经网络（RNN）和特征表达能力较强的卷积神经网络（CNN）为基础,采取Stacking集成策略对两者进行融合,提出了RNN-CNN集成深度学习预测模型。该模型不仅充分利用时间轴上的前后关联信息去预测未来的浓度,而且在不同层次上将自动提取的高维时序数据通用特征用于预测,以保证预测结果的稳定性。最后,对集成之前的RNN、CNN和集成之后的RNN-CNN模型,以2016年中国大陆地区1 466个监测站点的空气质量数据为样本进行实例验证,结果表明,RNN-CNN在PM_2.5时间序列预测上的表现明显优于集成之前的RNN和CNN,而且泛化误差更低,在34%站点上的拟合度超过0.97,该模型可用于大范围区域的PM_2.5小时浓度预测。     

化学学习中"宏观-微观-符号"三重表征的研究

“宏观-微观-符号”三重表征是体现化学学科特征的思维方式,能增进学生对化学知识的理解。本研究在对三重表征思维方式进行分析的基础上,采用问卷调查的方法,对不同群体学生化学学习三重表征水平进行了探查和分析,为化学教学提供了一个新的视角。