基于机器学习的动力学环境预测方法

为了研究建立同一结构在两个不同系统中振动响应之间的映射关系模型的基本问题,以两种边界条件组成的两个系统为例,从其动力学方程出发,建立了基于时域、频域描述的映射关系的力学模型.为求解两个系统的映射关系模型,引入以统计学习理论为基础的机器学习方法——支持向量机法,借助于决策函数可以从一种边界条件预测同一结构在另一种边界条件下结构的响应,并通过实验证明了该方法的有效性.     

CeO2对CuCl/活性炭吸附剂C2H4/C2H6吸附分离性能促进作用

通过等体积浸渍方法制备了添加CeO₂助剂的用于C₂H₄/C₂H₆吸附分离的CuCl/活性炭(AC)吸附剂,使用氮气吸附-脱附曲线、X射线衍射(XRD)、X射线光电子能谱(XPS)、扫描电子显微镜(SEM)、能量分散X射线光谱(EDX)等分析方法对吸附剂进行了表征.结果表明,吸附剂表面Cu(II)在氮气气氛焙烧过程中被部分还原成Cu(I).重点研究了Ce元素的添加对于吸附剂的C₂H₄/C₂H₆吸附分离性能的影响,等温吸附曲线结果表明添加了CeO₂的吸附剂通过降低乙烷的吸附容量从而显著提高了吸附分离性能. XRD及XPS结果表明,和未添加助剂样品相比,其表面晶体团簇较小,分散性更好, Cu(II)还原程度更高.添加CeO₂的吸附剂样品5Ce50Cu(CeO₂和CuCl2的质量分数(w)分别为5%和50%)获得了最好的吸附分离效果,相对于未添加CeO₂的样品50Cu,其在660 kPa下的吸附选择性由4.2提升到8.7.