小尺寸金纳米棒的快速制备及影响因素的研究

通过研究十六烷基三甲基溴化铵、抗坏血酸、NaBH4和AgNO3的用量,以及搅拌时间、反应时间对无种子生长法制备金纳米棒的影响,筛选出了最佳制备条件,以及各成分对金纳米棒生长过程中的作用.采用可见吸收光谱和透射电镜图对不同条件下所制备出的金纳米棒进行了表征.在室温为28℃,CTAB浓度为0.1 mol/L、AgNO3浓度为96μmol/L、AA浓度为0.97 mmol/L、NaBH4浓度为1.5μmol/L,搅拌25 s等最佳条件下,只需反应6h就能够成功制备出长径比为5且形貌均匀、分散性和稳定性良好、轴宽较小的金纳米棒,且有望应用于水环境中Hg2+的检测.     

溶胶-凝胶法制备CaCu3Ti4O12薄膜及其电学特性研究

通过溶胶-凝胶法在硅基底上制备不同烧结温度(700℃、800℃、900℃)下的CaCu3 Ti4O12 (CCTO)薄膜.分别采用X射线衍射仪(XRD)和扫描电镜(SEM)对薄膜的形貌、组分和结晶状况进行表征,发现在800℃烧结温度下CCTO薄膜的结晶状况最佳.然后,采用半导体特性分析仪测试薄膜的电容-电压(C-V)特性和电流-电压(I-V)特性,得到薄膜的最大比电容和阈值电压分别为3.2.F/cm2和47 V.最后,使用台阶仪对两种浓度的先驱溶液在不同转速下所制备的薄膜厚度进行了研究.     

SOI基纳米光栅耦合器的结构改进与仿真验证

针对硅基光波导与单模光纤在光耦合过程中存在耦合效率低,对准难度大的问题,提出了一种新型基于绝缘体上硅(SOI)结构的纳米光栅耦合器。运用有限时域差分法探究了纳米光栅耦合器的结构特性,结合光纤准直器的准直原理,系统分析了纳米光栅耦合器的结构模型。研究了入射光波长、入射角度、光栅占空比等因素对光栅耦合效率的影响,得出了基本纳米光栅耦合器的最佳结构参数;在基本耦合光栅结构的基础上进行了改进,增加了后反射器、增透膜和底层介质膜,并运用Optiwave OptiFDTD 8.0软件优化了各部分结构的设计参数,得到了优化的耦合光栅结构。纳米光栅耦合器的耦合效率提高至59.37%,3dB带宽达到65nm。     

Abnormal Visible Luminescence Mechanism of Tb^3＋-Yb^3＋ Codoped SiOu-Al2O3-CaF2 Glass Studied by Time-Resolved Spectra

The upconversion energy transfer mechanism in Tb^3＋-Yb^3＋ co-doped SiO2-Al2O3-CaF2 glass is investigated by time-resolved spectra. The effect of donor ion Yb^3＋ is involved in the dynamic decay behavior of acceptor ion Tb^3＋, which provides direct proof for the energy transfer from Yb^3＋ to Tb^3＋. The pump power dependence curves show that the upconversion luminescence is a two-photon process. The measured decay curves of the 5D4 state （Tb^3＋） contain two parts： a slow decay process corresponding to its radiation, and a fast one with a decay parameter approximately twice the lifetime of the ^2F5/2 state （Yb^3＋ ）. The fast decay process is contradictory to the generally accepted cooperative sensitization upconversion rate equation model. Since the effect of the host environmental is excluded by comparative experiments, we believe that there should be another energy transfer mechanism in Tb^3＋-Yb^3＋ co-doped SiO2-Al2O3-CaF2 glass in addition to the cooperative sensitization process.     

使用四铵基头Bola型表面活性剂合成MFI片层分子筛

以正硅酸乙酯作为硅源,以偏铝酸钠作为铝源,以四头刚性Bola型表面活性剂(C6-6-10Br4)作为模板剂,在碱性条件下以30NaOH∶ 2.5NaAlO2∶125SiO2∶ 5SDA∶ 5000H2O作为配比,成功水热合成出了具有规整片层结构的MFI片层分子筛,并用XRD、SEM、TEM等对其进行了表征.选用苯甲醛与乙二醇的缩醛反应以及苯酚与叔丁醇的傅克烷基化反应对片层分子筛的催化性能进行了测定.结果表明:在大分子反应物催化反应中,由于扩散路径的缩短以及中微双孔结构的存在,MFI片层分子筛显示出了比普通ZSM-5分子筛更为强大的催化性能.     

基于鲁棒二阶随机占优的投资组合优化模型研究

本文主要考虑一类经典的含有二阶随机占优约束的投资组合优化问题,其目标为最大化期望收益,同时利用二阶随机占优约束度量风险,满足期望收益二阶随机占优预定的参考目标收益。与传统的二阶随机占优投资组合优化模型不同,本文考虑不确定的投资收益率,并未知其精确的概率分布,但属于某一不确定集合,建立鲁棒二阶随机占优投资组合优化模型,借助鲁棒优化理论,推导出对应的鲁棒等价问题。最后,采用S&P 500股票市场的实际数据,对模型进行不同训练样本规模和不确定集合下的最优投资组合的权重、样本内和样本外不确定参数对期望收益的影响的分析。结果表明,投资收益率在最新的历史数据规模下得出的投资策略,能够获得较高的样本外期望收益,对未来投资更具参考意义。在保证样本内解的最优性的同时,也能取得较高的样本外期望收益和随机占优约束被满足的可行性。     

基于遗传算法优化卷积长短记忆混合神经网络模型的光伏发电功率预测

光伏发电受天气与地理环境影响,呈现出波动性和随机多干扰性,其输出功率容易随着外界因素变化而变化,因此预测发电输出功率对于优化光伏发电并网运行和减少不确定性的影响至关重要.本文提出一种基于遗传算法(GA)优化的卷积长短记忆神经网络混合模型(GA-CNN-LSTM),首先利用CNN模块对数据的空间特征提取,再经过LSTM模块提取时间特征和附近隐藏状态向量,同时通过GA优化LSTM训练网络的超参数权重与偏置值.在初期对历史数据进行归一化处理,以及对所有特征作灰色关联度分析,提取重要特征降低数据计算复杂度,然后对本文提出来的经GA优化后的CNN-LSTM混合神经网络(GA-CNN-LSTM)算法模型进行光伏功率预测实验.同时与CNN,LSTM两个单一神经网络模型以及未经GA优化的CNNLSTM混合神经网络模型的预测性能进行比较.结果显示在平均绝对误差率(MAPE)指标下,本文提出的GA-CNN-LSTM算法模型比单一神经网络模型最好的结果减少了1.537%的误差,同时比未经优化的CNNLSTM混合神经网络算法模型减少了0.873%的误差.本文的算法模型对光伏发电功率具有更好的预测性能.