基于示差脉冲伏安法检测高纯铟电解液中铟离子

采用恒电位沉积法在玻碳电极上制备原位铋膜电极,利用循环伏安法、电化学交流阻抗探究玻碳电极和原位铋膜电极表面的电化学行为。对缓冲液pH、铋离子浓度、富集时间及电位等实验条件进行优化,利用示差脉冲伏安法实现高纯铟电解液中铟离子（In3+）的检测,In3+的溶出峰电流值和其浓度在0.6～2 mg/L范围呈线性关系,线性方程为c=0.061I+0.093,相关系数（R2）为0.998。在NaCl和明胶存在下,该方法仍能够有效地检测高纯铟电解液中In3+浓度。     

共聚焦显微拉曼光谱在木质纤维细胞壁预处理中的应用进展

在能源紧缺和环境恶化的双重压力下,利用农林生物质替代化石资源生产生物燃料、生物基化学品和材料逐步发展成为世界范围内的研究热点,而细胞壁中纤维素、半纤维素、木质素以及其他少量组分的空间分布不均一性和化学结构复杂性构成了天然抗降解屏障,严重阻碍生物质的转化效率,因此需要对木质纤维原料进行预处理,以期破坏细胞壁的宏观壁垒,实现生物质的低成本高效转化。在此过程中,全面了解木质纤维细胞壁的化学组成、结构特性及其在生物质转化过程中的解构机理是高效利用农林生物质的重要前提。由于拉曼光谱具有样品制备要求低、灵敏度高、且能在原位状态下对样品进行定性、定量分析等特点,使得拉曼光谱成为研究木质细胞壁结构的有力工具。尤其与显微技术相结合时,可以同时获得木质纤维细胞壁主要组分的微区分布与超分子结构信息,实现生物质转化过程中化学组分动态变化的可视化研究。首先介绍了拉曼光谱成像的工作原理,并对纤维素、半纤维素和木质素的拉曼特征信号进行了归属。其次,总结了近几年拉曼光谱在生物质转化领域内的应用与研究进展,综述了拉曼光谱在未处理状态下以及稀酸、水热、稀碱等不同预处理过程中的分析方法,对细胞壁主要组分的分布进行表征,以揭示预处理过程中各组分的溶出过程及迁移规律,为在细胞及亚细胞水平探究预处理诱导细胞壁主要组分动态溶解机制提供了有效路径。此外,针对检测中收集的光谱数量过多、分析难等问题,文章重点介绍了主成分聚类分析法和顶点成分分析法两种拉曼数据分析方法,用于提取特征信息并对光谱进行分类研究,以深入探究特定组分的空间分布和分子结构。最后,根据上述分析展望了拉曼光谱在生物质转化领域的研究趋势,为相关研究提供技术参考。     

华北模拟实验块地大气,降水,地表径流和土壤中的稀土浓度分布及施…

通过模拟实验块地，初步了在一个土壤生态系统中稀土的浓度分布以及施用稀土微肥的影响，结果表明：降水、地表径流水溶液中的稀土浓度均为μｇ／Ｌ量级，降水中的稀土主要来源于附近地表土壤。大气中的稀土含量随粒径２有所不同，粒径越小一越低，且其来源主要是附近的水可溶性的硝酸稀土微肥在施用后很快转化为水不溶性形态，施加稀土前后实验组表层土壤中稀土含量基本相同，与对照组相比，施加的稀土微肥对地表径流水溶性和悬浮的     

基于MFBRA和XPS的山西高硫无烟煤热解脱硫动态释放和相互转化规律的实验研究

利用微型流化床反应分析仪（MFBRA）,开展了两种山西高硫无烟煤的热解脱硫实验。通过对含硫气体动态释放的在线快速检测、结合原料煤和热解半焦的形态硫以及含硫组分的X射线光电子能谱（XPS）分析,研究了含硫气体释放特征及相应半焦含硫组分在热解过程中的变化,重点探讨了高硫无烟煤在氢气气氛下各含硫组分的动态释放和相互转化过程及规律。研究结果表明,高硫无烟煤有机硫含量越高,在氢气气氛下的脱硫效率越高;两种高硫无烟煤在氢气气氛下热解硫释放均呈现两个阶段,对应热解脱硫峰值温度分别为530-560℃和812-830℃。第一阶段由黄铁矿的还原反应引起,第二阶段以有机硫裂解为主;在低温热解条件下高硫无烟煤中无机硫会向有机硫转变,而在较高温度下发生不同形态有机硫之间的迁移。本研究结果将为高硫无烟煤制备低硫煤的技术开发提供方法指导和基础数据。     

基于人工神经网络的非结构网格尺度控制方法

网格自动化生成和自适应是制约计算流体力学发展的瓶颈问题之一, 网格生成质量、效率、灵活性、自动化程度和鲁棒性是非结构网格生成的关键问题. 在非结构网格生成中, 网格空间尺度分布控制至关重要, 直接影响网格生成质量、效率和求解精度. 采用传统的背景网格法进行空间尺度分布控制需要在背景网格上求解微分方程得到背景网格上的尺度分布, 再将网格尺度从背景网格插值到真实空间点, 过程十分繁琐且耗时. 本文从效率和自动化角度提出两种网格尺度控制方法, 首先发展了基于径向基函数(RBF)插值的网格尺度控制方法, 通过贪婪算法实现边界参考点序列的精简, 提高了RBF插值的效率. 同时, 还采用人工神经网络进行网格尺度控制, 初步引入相对壁面距离和相对网格尺度作为神经网络输入输出参数, 建立人工神经网络训练模型, 采用商业软件生成二维圆柱和二维翼型非结构三角形网格作为训练样本, 通过训练和学习建立起相对壁面距离和相对网格尺度的神经网络关系. 进一步实现了二维圆柱、不同的二维翼型的尺度预测, RBF方法和神经网络方法的效率与传统背景网格法相比提高了5~10倍, 有助于提高网格生成的效率. 最后, 将方法推广应用于各向异性混合网格尺度预测, 得到的网格质量满足要求.      

华北模拟实验块地大气、降水、地表径流和土壤中的稀土浓度分布及施用农用稀土的影响

通过模拟实验块地，初步研究了在一个土壤生态系统中稀土的浓度分布以及施用稀土微肥的影响。结果表明：降水、地表径流水溶液中的稀土浓度均为μｇ／Ｌ量级（０１～１２μｇ／Ｌ），降水中的稀土主要来源于附近地表土壤。大气中的稀土含量随粒径分布有所不同，粒径越小含量越低，且其来源主要是附近的土壤，水可溶性的硝酸稀土微肥在施用后很快转化为水不溶性形态，施加稀土前后实验组表层土壤中稀土含量基本相同。与对照组相比，施加的稀土微肥对地表径流水溶性和悬浮物稀土浓度未产生明显影响。     

大豆多糖对尿石矿物草酸钙形成的调控作用

采用水提法从大豆中提取了大豆多糖(SPS),其多糖百分含量为97.38%;平均相对分子质量为115,200,羧基百分含量为13.8%。采用X射线衍射法(XRD)、红外光谱(FTIR)、扫描电子显微镜(SEM)和电感耦合等离子体发射光谱仪(ICP)研究了水溶性大豆多糖(SPS)对草酸钙晶体生长的调控作用。SPS大豆多糖不但可以抑制一水草酸钙(COM)晶体的聚集,而且可以诱导二水草酸钙(COD)晶体形成。当SPS浓度由0增大到0.50g·L-1时,草酸钙晶体由COM完全转变为COD晶体;并且随着多糖浓度的增大,溶解在溶液中的钙离子(可溶性钙)浓度显著增加,草酸钙沉淀的物质的量逐渐减少。这些结果表明,SPS有望成为预防草酸钙结石的一种绿色药物。     

基于机器学习的非结构网格阵面推进生成技术初探

网格生成和自适应是制约计算流体力学未来发展的瓶颈问题之一,网格生成自动化和智能化仍是一个需要持续研究的领域.随着高性能计算算力的提升和大数据时代的到来,以机器学习为代表的人工智能方法已经成功应用于包括流体力学在内的多个领域,革命性地推动了这些领域的发展.本文首先简要综述机器学习方法在非结构网格生成领域的研究进展,分析基于机器学习进行非结构网格生成的关键问题;其次,设计非结构网格样本数据格式并实现了样本数据集的自动提取,通过结合人工神经网络和阵面推进法,初步发展了一种基于人工神经网络的二维非结构网格阵面推进生成方法;最后,采用新发展的方法生成了几个典型二维各向同性非结构三角形网格(二维圆柱、二维NACA0012翼型和30p30n三段翼型),进一步采用合并法生成了相应的三角形/四边形混合网格,并测试了网格质量和生成耗时,结果显示本文方法生成的网格质量可以达到商业软件的水平,且生成效率较传统阵面推进法提高30%.