两组份互穿网络聚合物的合成研究

以蓖麻油聚氨酯和聚醚聚氨酯的不同重量比与光敏剂、催化剂、稀释剂、促进剂所组成的多相体系为反应物,分别在紫外光照射和加热的条件下合成网络Ⅰ和网络Ⅱ的互穿网络聚合物(IPN)。改变网络Ⅱ聚醚聚氨酯中各组份的摩尔比制得系列样品。红外光谱,应力-应变曲线和动态力学性能测定发现,样品的力学性能与两组份重量比和网络Ⅱ中不同组成都存在着一定关系。这些结果,为该体系IPN的合成和应用提供了一定依据。     

聚合物共混物脆韧转变性能研究 Ⅲ.分散相形态参数之间的关系

为了研究形态（特别是分散状态）对聚合物共混物韧性的影响，建立了准网络形态模型，定义了分散相分布系数（ξ，０＜ξ１），并给出其物理意义，推导了基体层厚度的计算公式，研究了形态参数的变化对基体层厚度的影响．对于常见的无规形态，ξ≈１．对于准网络形态，ξ＜１，并且不是常数．计算结果表明，减小ξ和分散相粒径及其分布、增大其体积分数有利于减小基体层厚度．从理论上证明了准网络形态比无规形态更有利于减小基体层厚度．     

Synthesis and Ionic Conductivity of Network Polymer Electrolytes with Internal Plasticizers

Network polymer electrolytes with free oligo(oxyethylene) chains as internal plasticizers were prepared by cross-linking poly(ethylene glycol) acrylates. The effects of salt concentration and properties of internal plasticizers on ionic conductivity were studied.     

不同交联度的杜仲胶的红外光谱研究

研究了不同交联度的杜仲胶在室温及加热后红外光谱的变化规律．发现在室温下测定的样品红外光谱在低波数内对应链段变形振动的几个特征峰、加热后会消失或弥散，而交联度的改变对其影响不大，即使材料中结晶完全消失而变成高弹态．因此，推测这些特微峰的存在，应该和杜仲胶弹性网络中交联点间链段存在着明显的构象规整性有关．     

反应注射成型聚氨酯互穿聚合物网络研究——刚性网络对于体系形态及性能的影响

用微型反应注射成型机制备了以聚氨酯(PU)为弹性相的两类同步互穿聚合物网络(SIN),其刚性相分别采用保留仲羟基的乙烯基酯树脂(VERH)以及封闭仲羟基的乙烯基酯树脂(VERA)。用傅里叶变换红外光谱在线跟踪了这类互穿网络的生成过程,发现刚性网络抑制了PU网络中硬段有序结构的形成,两个网络间有一定程度的互穿,而两个网络间的化学键作用进一步削弱氢键强度。自旋—自旋弛豫时间的测定进一步表明网络间存在一定的互穿以及刚性相对于PU硬段结晶的抑制作用。材料的力学性能与其SIN的形态有关。VERA网络对PU表现出明显的增强作用,而由VERH网络形成的SIN则由于体系相分离进程受到严重阻碍而使材料性能恶化。     

Madaline网络用于分光光度法同时测定铜钴镍的研究

采用4－（2－吡啶偶氮）－间苯二酚（PAR）－Cu,Co,Ni显色体系，应用Madline神经网络原理，对于吸收光谱严重重叠的三组分金属配合物体系同时进行含量测定，Cu^2 ,Co^2 ,Ni^2 的平均回收率分别为94％，101％，102％，实验表明，该法具有训练速度快，预测结果准确度良好等特点，有望成为多组分分析的有效方法之一。     

基于Internet的化学学习模式与化学网络资源的利用

Internet技术的迅速发展 ,给化学教育带来了前所未有的冲击 ,为化学教育改革注入了活力。化学作为一门以实验为基础的学科 ,可以很好地与Internet技术结合 ,Internet巨大的信息资源的开发与利用已经发展成为一种能适应网络时代化学教育需求的全新的学习模式。分析并提出了基于Internet的网络教育的化学学习模式 ,以及如何在化学教育中深化网络信息资源的开发和利用。     

一道哈萨克斯坦数学奥林匹克最值题的加权推广

本文对一道哈萨克斯坦数学奥林匹克试题进行了深入而广泛的研究和探索,得到了推广结论,给出了命制类似试题的策略.     

基于逆概率加权和插补的Mallows模型平均方法

数据缺失是实际数据分析中一个常见的问题.文章将逆概率加权方法与插补方法结合,提出了一种Mallows模型平均方法以处理数据缺失问题,并证明了该方法得到的估计量在实现最小平方误差的意义下能渐近地达到最优.相比于传统的逆概率加权方法,文章的方法不仅可以充分利用观测信息,并且能够应用于非随机缺失的情形.相比于完全基于插补的方法,文章的方法继承了插补方法的一些优势,同时能够避免因错误地插补较大的数据块而产生的偏差.通过数值模拟,首先验证了三种简单的插补方法满足渐近最优性成立的条件,之后将文章提出的Mallows模型平均方法与已有的应用于缺失数据的模型平均方法进行比较,结果表明,所提出的新方法在大多数情况下优于已有的其它模型平均方法.最后,将新方法应用于平均寿命数据,实证结果进一步表明新方法较已有模型平均方法更为稳健.     

基于时空图注意力网络的跳高轨迹预测

跳高运动由助跑、单脚起跳、越过横杆落地等一系列动作组成,跳高运动轨迹是一个复杂的因果系统.在每一个时间节点,运动员的身体姿态符合一定的规律约束.研究建立了跳高运动过程中关键身体关节节点坐标依时间变化的离散过程模型,每个时刻的各关节点位置向量由给定的之前若干个时刻的运动员关节点位置决定.跳高运动员肢体的摆动、关节点位置的变化都对运动员位移有重要作用.运动员重要关节点之间的相互作用,使得跳高运动轨迹难以刻画和预测.随着深度学习的发展,图神经网络在时空特征刻画和预测上具有优势.基于时空图注意力网络结合长短时记忆网络、门控循环单元(STGAT-LSTM、STGAT-GRU)建立了具有空间位置约束的跳高运动员关节点位置随时间变化的模型,用于推算跳高运动员重心和关节点位置轨迹.实验结果表明该模型能够很好地刻画跳高运动的过程,对于关节点位置的预测能够达到较好的效果.研究所提出模型的预测效果比基线模型准确性提高了0.02-0.03米.研究给出了基于神经网络模型进行跳高运动轨迹预测的可行解决方案,可作为跳高运动仿真和技术优化研究的重要参考.