应用Baeyer-Villiger反应合成β-环高柠檬醛

应用Baeyer-Villiger氧化反应,通过"一锅煮"的方法,以β-紫罗兰酮为原料,H2O2(30%)作氧化剂,经Lewis酸催化,合成β-环高柠檬醛.通过单因素实验法,详细研究了溶剂、催化剂、氧化剂、反应时间以及反应温度对β-环高柠檬醛合成反应的影响.确定了最佳反应条件,产率35%,产物结构通过GC-MS和NMR鉴定.     

冲击地压Fisher判别分析预测

为对冲击地压危险性进行准确地预测预报.在综合分析冲击地压多种影响因素的基础上,采用Fisher判别分析方法,结合文献提供的张集矿历年冲击地压24组相关数据实例,建立了冲击地压预测预报的Fisher判别分析模型,模型回代预测准确率为100%,误判率为0.将模型应用到张集煤矿冲击地压分级预测问题中,并与支持向量机方法、BP网络进行比较,研究结果表明:Fisher判别分析模型具有较高的可靠性,判别效率及准确率高,能对冲击地压进行有效预测.     

“任务驱动”教学模式的应用探究

在建构主义理论指导下的“任务驱动”教学模式是通过教师精心设计的任务,让学生在接受任务,完成任务的同时,掌握知识、技能和方法,并且培养学生的探索精神和实践能力．文章主要探究信息技术环境下“任务驱动”教学模式的基本形式及应用中应注意的问题．     

基于突变理论的图像边缘检测技术

边缘检测是图像处理的基本问题之一,它为人们描述或识别目标以及解释图像提供了一个重要的特征参数.利用突变理论研究图像的突变特性,利用突变模型描述系统状态变化的规律,通过尖点突变理论建立边缘模型,来实现有效的图像边缘检测.实验结果表明,提出的边缘检测方法,能够准确检测到连续的图像边缘且具有较好的实时性.     

FFT的一般计算式(B型)及其极小化问题

在快速富氏变换(FFT)领域中,以任意数M(M=2~n,n为任意正整数)为基的一般计算式问题,至今尚未解决.本文提出此问题并推证了它.文中的计算量比赵访熊李庆扬改进的FFT计算公式大约减少40％.文中得到了与“Bergland-Brigham结论”迥然不同的结果,并解决了实用中最优基的选取问题. 考虑离散富氏变换(DFT):     

PAAM高吸水树脂反相悬浮聚合

采用反相悬浮聚合法,通过部分中和丙烯酸与丙烯酰胺共聚制备了聚(丙烯酸-丙烯酰胺)(PAAM)高吸水树脂,讨论了聚合过程主要影响因素对其吸液性能的影响,并对其进行了FTIR、TGA测试,得到最佳的合成工艺配方:单体质量浓度为30%,中和度N为75%,丙烯酸与丙烯酰胺的摩尔比为7∶3,交联剂、引发剂和分散剂质量浓度分别为0.065%、0.7%和0.5%(相对于单体总质量),单体溶液的滴加速度为2～3mL/min,聚合温度和时间分别为70℃和1.5h。此时在蒸馏水、0.9%NaCl溶液%(wt)中最大吸水倍率分别为Qw=1300g/g、Qs=93g/g(Qw为蒸馏水中吸水倍率,Qs为0.9%NaCl溶液中的吸水倍率,下同),树脂在320℃之前都是比较稳定的,可以适应较高的使用温度。     

基于GPRS和DGPS的车辆管理系统

针对交通运输业的车辆管理需求,提供了一种基于GPRS和DGPS技术的车辆管理方案,管理中心可获取移动站的运动状态和位置信息,实现对移动站的实时管理.经过仿真试验,相对于基于传统通信方式的方案,该方案具有定位精度高、通信覆盖范围广、成本低廉等优点.     

K助剂对Pt-Sn-K/γ-Al2O3催化剂上C16正构烷烃脱氢反应的影响

 以络合真空浸渍法制备了 Pt-Sn-K/γ-Al2O3 催化剂. 采用吡啶吸附红外光谱、CO脉冲吸附、程序升温还原、热重及程序升温氧化等手段对催化剂进行了表征, 研究了 K 助剂对 Pt-Sn-K/γ-Al2O3 催化剂结构及其催化 C16 正烷烃临氢脱氢反应性能的影响. 结果表明, K 的引入减弱了 SnOx 和 Al2O3 间的相互作用, 促进了 Pt 对 SnOx 的还原, 并导致催化剂的脱氢反应活性降低. K 的加入还减少了强酸中心数目, 一方面减少了催化剂酸性位上的副反应, 提高了产物选择性; 另一方面提高了催化剂的抗积炭能力, 催化剂稳定性有所改善. 但过量的 K 助剂减弱了催化剂的金属位-酸性位的协同作用, 使得催化剂活性和稳定性均有所降低.     

含探究活动的教学过程的随机数学模型

研究传授与活动相结合的教学过程.运用随机分析的方法,建立随机微分方程支配的数学模型.应用Girsanov定理证明了由教学经验归纳出的结论:为实现学生数学与素养的发展,应该将传授教学与活动教学两种基本教学形态有机地结合在一起.     

基于机器学习的Airbnb房源价格预测及影响因素研究——以北京市为例

Airbnb是全球最大的旅游房屋租赁平台之一。本文综合利用多种机器学习方法,基于房源本身的特征、房源的位置、设施与服务、租赁规则、房东的特征和房源的声誉这六类解释变量对北京市Airbnb房源价格进行了预测,并探讨了六类解释变量对房源价格的影响。发现：(a)六类变量中房源本身的特征对房源价格的影响最大。(b)非线性方法的表现明显优于线性方法。(c)与以往研究发现的Airbnb房源价格与允许即时预定呈负相关关系相反,北京市允许即时预订的房源价格高于不允许即时预订的房源。(d)房源容量、房间类型以及房源与市中心的距离是最重要的影响因素。本文为Airbnb房源定价研究提供了新的视角,同时有利于Airbnb房东更好地为其房源设置价格,作者从理论和实践的角度作出了可能的解释。