基于Adaboost-SVR模型的我国碳排放强度分析与预测

首先对我国1960-2017年的碳排放趋势分5个阶段分析,发现虽然在不同时期存在波动,但长期来看,我国碳排放强度呈逐步下降趋势.然后对差分平稳后的序列数据建立Adaboost-SVR预测模型,采用RMSE、MAPE、MAE、MSE四个评价指标比较Adaboost-SVR模型与Adaboost-DT、SVR、BP神经网络对碳排放强度的预测精度.结果表明,组合模型明显优于其他3种模型,对于碳排放强度预测具有很高的可靠性.另外,通过使用Adaboost-SVR模型进行后续年份预测,发现我国未来碳排放强度总体将继续缓慢下降.最后,基于二氧化碳排放量的LMID分解结果,提出调整能源产业结构, 促进可再生能源利用等节能减排建议.     

基于2,5-二甲氧基对苯二甲酸和咪唑衍生物的半导体型钴-配合物的合成、结构和光催化性质

在2,5-二甲氧基对苯二甲酸(H₂DTA)存在下,咪唑衍生物1,1’-(5-甲基-1,3-亚苯基)双(2-甲基-1H-咪唑)(1,3-MPBMI)和1,3-二(1H-咪唑-1-基)苯(1,3-DIB)作为配体通过与Co²⁺水热反应,得到了两个配合物[Co(DTA)(1,3-MPBMI)]_n(1)和[Co(DTA)(1,3-DIB)(H₂O)]_n (2)。单晶结构分析揭示两个配合物都是由二维层构建出的三维超分子化合物。粉末衍射则揭示配位物1和2在通常的有机溶剂和水中都非常稳定。进一步的紫外-可见光谱、Mott-Schottky和电化学阻抗(ESI)测试显示配合物1和2是典型的n-型半导体,具有较低的电荷传输阻抗值。光催化实验中,配合物1和2可催化降解染料亚甲基蓝。