排序方式: 共有4条查询结果,搜索用时 15 毫秒
1
1.
咪唑醋酸离子液体在催化、电化学、萃取等领域具有潜在的应用价值,对其热力学性质的深入研究将为其应用提供理论依据。本文采用密度泛函理论(DFT)方法和Born-Fajans-Haber (BFH)循环法对咪唑醋酸离子液体[Cnmim][OAc] (n=1-6)进行热力学性质的理论研究。计算其相变过程中的解离焓、汽化焓、熔化焓、晶格焓、溶解焓等,并与已有实验值进行比较。利用Gaussian 09程序在B3LYP/6-311+G(d, p)和M062X/TZVP两种水平下计算解离焓值,同时通过计算得到分子体积和总气相能的焓修正值,借助Matlab计算软件拟合得到汽化焓值,取得与已有实验值很好的一致性。使用Jenkins公式求得晶格能,计算得到晶格焓,最后利用BFH循环计算得到溶解焓。 相似文献
2.
在赫罗图中,M巨星位于红巨星的顶端,是由类太阳的主序星逐渐演化而成的最明亮的一类恒星。M巨星的研究对于理解银河系,特别是银河系晕的性质至关重要。中低分辨率的M巨星光谱,常因为特征不显著、噪声影响等因素而与M矮星的光谱混在一起,不易区分。现有研究一般利用CaH2+CaH3 vs. TiO5分子谱指数初步筛选M巨星光谱候选体,再通过人眼检查确认。但这种方法仅利用了三个巨星相关的分子带指数,没有利用识别M巨星的其他光谱特征,可能会由于噪声对指数的污染而导致分类错误。而且,人眼检查数量众多的光谱不仅耗时而且检查质量依赖于人的经验,可靠性无法得到保证。LAMOST望远镜自2011年开始先导巡天到2017年6月,已经发布了900多万天体的光谱,最新释放的光谱数据DR5包含了52万的M型星光谱数据,需要采用自动、准确、有效的方法来区分其中不同光度级的M子样本。本研究利用集成树模型分类M巨星和M矮星光谱,分别采用随机森林、GBDT、XGBoost和LightGBM算法,构建区分M巨星和M矮星的光度分类器。四种分类器的测试准确率分别达到97.23%,98%,98.05%和98.32%。实验表明LightGBM模型比其他三种集成树模型准确率更高,训练时间更少,分类效率更高。对分类器模型获取到的重要特征分析的结果表明,集成树算法有效提取并表达了用于区分M巨星和M矮星的结构性特征,模型提取到的重要特征不仅包括原子线或分子带吸收的波长位置,还包含了它们相邻的伪连续谱,这与传统上计算指数所需要特征波长和伪连续谱是一致的。相比于传统M巨星和M矮星分类方法,集成树模型能够采用光谱中的多个重要特征组合进行分类,避免仅依赖某一种特征易受噪声影响而得出错误的分类结果。研究结果表明集成树算法在巨星识别过程中具有显著优势,完全可以替代传统上只利用CaH和TiO指数的巨星光谱判别方法。基于集成树模型对M型星光谱的分类研究,为LAMOST高效、准确地处理海量天体光谱提供了有效的方法。随着LAMOST巡天项目不断开展,积累的M巨星和M矮星样本将为研究银河系的结构和演化提供重要的数据基础。 相似文献
4.
1