在Pd/γ-Al2O3催化剂上液相苯加氢的反应动力学

采用Pd／γ-Al2O3催化剂，在排除扩散影响的条件下，研究了液相苯催化加氢制环己烷的反应动力学。实验测定了反应温度、氢气压力、反应物浓度等因素对反应速率的影响，反应温度研究的范围为393～453K，氢气压力为1．1～3．8MPa。研究结果表明，液相苯加氢反应对苯表现为零级，对氢压表现为一级，反应活化能为43．88kJ／mol。运用该动力学模型对在较低苯浓度下进行的加氢反应进行了预测，预测值与实验值能较好地吻合。     

非水介质中酶促酯化反应机制及醇抑制动力学

以非极性大孔吸附树脂吸附固定化脂肪酶在异辛烷／四氯化碳混合溶剂中选择性催化Ｓ－２（６－甲氧基－２－萘基）丙酸与正辛酯化为反应模型,对非常规溶剂中酶催化反应机制及动力学进行了初步研究。结果表明：在有机溶剂中该脂肪酶催化萘普森与正辛醇的酯化反应同样符合米氏方程,此酯化反应符合双底物乒乓反应机制,但值得提出的是酰基受体的过量存在会对酯化产生竞争性抑制作用。     

Amberlyst15催化糖基三氯乙酰亚胺酯糖苷化反应的应用

目的研究Amberlyst15在催化糖基三氯乙酰亚胺酯的糖苷化反应在复杂天然糖苷类化合物合成中的应用。方法Amberlyst15在室温下催化糖基三氯乙酰亚胺酯供体进行糖苷键合反应,高立体选择性地合成。寡糖苷。结果简便地合成了皂荚皂苷中的一个保护的三糖链片段。结论与现有方法相比,该催化体系具有实用性强、条件温和、操作简单等特点。     

非水相中酶催化葡甘聚糖的酯交换反应

探索了生物催化反应制备酯化葡甘聚糖(KGM)衍生物的可能性,并构建了酶催化天然高分子改性的新模式。利用KGM与乙酸乙烯酯在无溶剂体系中的酯交换反应,对8种脂肪酶和5种蛋白酶的催化能力进行了初步评价,并考察了以固定化脂肪酶N ovozym 435作生物催化剂时,不同的非水介质对该反应的影响。结果表明:在本文条件下,这些酶对该反应均具有一定的催化作用;有机溶剂二甲基乙酰胺(DMA c)、甲苯(T o luene)和异辛烷(IOCT)以及其他非水相有机介质,如离子液体N-甲基-咪唑四氟硼酸盐[HM im] [BF4]-和丁二酸二辛基磺酸钠(AOT)/异辛烷反相胶束体系,均有利于脂肪酶N ovozym 435催化的KGM与乙酸乙烯酯的酯交换反应。     

非均相催化精馏过程模拟

针对既有可逆平衡反应又有非平衡反应的催化精馏过程，提出了一组适用于非理想系统的微分数学模型和新的模拟算法，即用反应速率方程计算非平衡反应的反应量，用可逆反应平衡常数作为组分浓度的约束，使迭代变量数减少；联用Ｎｅｗｔｏｎ－Ｒａｐｈｏｓｎ迭代法和多目标打靶法对模型求解。用该算法模拟了填料塔中苯烃化催化精馏过程，模拟结果表明，该算法收敛速度快，稳定性好，与实验值吻合较好。     

催化裂解过程分子尺度的反应动力学模拟Ⅱ.反应动力学模型的建立

在深入研究催化裂解反应机理的基础上,采用结构导向集总方法制定各分子的反应规则,并结合Monte Carlo方法建立了分子尺度的催化裂解反应动力学模型.两种工况条件下的模拟结果表明:产品产率和汽油性质与实际值能较好地拟合,模型具有较好的适应性和外推性.     

天然气非催化部分氧化反应机理模拟

应用甲烷-乙烷-丙烷混合气氧化试验数据和Chemkin II程序,评估了3种动力学机理模型（GRI-3.0模型,Konnov-0.5模型和Petersen-C5模型）对高压中温条件下甲烷着火延迟时间的预测能力。研究发现用GRI-3.0模型预测的着火延迟时间与试验结果一致性最好,适合模拟高温高压条件下天然气非催化部分氧化反应过程。     

钒络合物及其负载型催化剂的烃类催化氧化机理

制备了钒络合物催化剂及其分子筛负载型催化剂,并对1—辛烯、环己烷、甲苯、正己烷和正庚烷的均相及非均相催化氧化反应进行了研究。实验结果表明,非均相催化剂不但具备与均相催化剂相似的催化氧化性能,还对伯醇和对位产物有较好的择形选择性。本研究还考察了乙腈、二氯甲烷等溶剂对烃类均相及非均相催化氧化反应的溶剂效应,提出并验证了钒络合物催化剂作用下烃类催化氧化反应的自由基反应机理。     

固-液相转移催化烃化合成α-氨基酸

以甘氨酸酯或丙氨酸酯为原料,经醛亚胺化、固-液相转移催化烃化合成了7个α-氨基酸.该法具有原料易得、反应条件温和、操作简单等特点.     

聚（α—蒎烯）环氧化研究

在α－－蒎烯均、共聚研究取得进展的基础上，首次研究了α－蒎烯均聚体环内双键的环氧化反应。内容包括聚（α－－蒎烯）的环氧化反应及ＩＲ、ＮＭＲ表征；影响环氧化反应的各种条件和环氧化产物的摩尔质量、溶解性变化等。结果表明，采用自制过氧乙酸混合液进行环氧化反应，效果良好。通过反应温度和溶液的选择以及反应体系ｐＨ值的调控等，可以不同程度、直至１００％地进行单一环氧化反应，既不发生降解或交联反应，也不产生羰基和羟基，为α－蒎烯树脂的改性、功能化等高值利用提供了新信息。     

石蜡无催化剂氧化改性工艺

对石蜡无催化剂氧化改性工艺进行了研究,考察了反应温度,空气流量和反应时间对石蜡氧化过程的影响,在适当的反应条件下,可以得到不同性能要求的氧化蜡产品。此外,对氧化蜡的性质与组成进行了分析,并对石蜡的氧化尾气进行了处理。     

LMWA—201型低温精密铸造模料添加剂的研究

对模料添加剂80号、85号微晶蜡和201型添加剂进行了研究,开发了一种LMWA-201新型LPW低温模料添加剂,实验结果表明80号、85号微晶蜡和LMWA-201型添加剂均可以使模料结晶结构变细,而LMWA-201型添加剂最好,工业应用结果表明：加有LMWA-201型添加剂的低温铸造模料比一般的低温铸造模料质量优,光泽度好、硬度大、强度高。     

Prediction of anoxic sulfide biooxidation under various HRTs using artificial neural networks

Objective During present investigation the data of a laboratory-scale anoxic sulfide oxidizing (ASO) reactor were used in a neural network system to predict its performance. Methods Five uncorrelated components of the influent wastewater were used as the artificial neural network model input to predict the output of the effluent using back-propagation and general regression algorithms. The best prediction performance is achieved when the data are preprocessed using principal components analysis (PCA) before they are fed to a back propagated neural network. Results Within the range of experimental conditions tested, it was concluded that the ANN model gave predictable results for nitrite removal from wastewater through ASO process. The model did not predict the formation of sulfate to an acceptable manner. Conclusion Apart from experimentation, ANN model can help to simulate the results of such experiments in finding the best optimal choice for ASO based denitrification. Together with wastewater collection and the use of improved treatment systems and new technologies, better control of wastewater treatment plant (WTP) can lead to more effective maneuvers by its operators and, as a consequence, better effluent quality.     

柴油内蜡晶的组成与结构

采用气相色谱分析了柴油低温析出蜡晶的化学组成,利用X射线衍射法(XRD)研究了蜡晶结构,对蜡晶形态进行了相衬显微观察,并与加入低温流动改进剂T 1804的柴油蜡晶进行对比。研究结果表明:柴油蜡晶主要由大于C16以上的正构烷烃组成,高碳数正构烷烃先析出结晶,加剂后高碳数正构烷烃含量有所减少。XRD结果显示,蜡晶结构与蜡晶中含量高的高碳数正构烷烃二十三烷结构类似,加剂后平均晶粒变小。通过对蜡晶的显微形态观察表明,加剂后蜡晶聚集体由片状变为枝状连接。     

硅化微晶纤维素粉体流动性评价

评价硅化微晶纤维素与其同源微晶纤维-微粉硅胶二元混合物的流动性能差异,考察硅化后造成流动性改变的原因,并初步研究其在直接压片工艺中对制剂特性的影响。以粉体流动性不同评价方法考察硅化微晶纤维素与其同源微晶纤维素-微粉硅胶二元混合物的休止角、豪森比、川北方程参数等指标,通过扫描电子显微镜和X线光电子能谱等方法分析引起流动性差异的原因,并选择模型药物考察两种粉体对片剂含量均匀度的影响。硅化微晶纤维素的流动性要略优于相应的物理混合物。硅化微晶纤维素的流动性能优化机制与其相应的物理混合物存在差异,相同条件下,硅化微晶纤维素能更好地控制低剂量药物的含量均匀度。结果表明,硅化微晶纤维素是一种优良的预混辅料,对促进和提高固体制剂工业水平有重要意义。     

人工神经网络多指标同步优化阿替洛尔非pH依赖型缓释片

目的：应用人工神经网络筛选阿替洛尔非pH依赖型缓释片的处方。方法：以羟丙甲纤维素为缓释材料,琥珀酸为pH缓冲剂研制非pH依赖型阿替洛尔缓释片,以不同用量的羟丙甲纤维素和琥珀酸配制成不同处方缓释片,测定各处方在pH7．4和0．1mol／L HCI中的释放度并计算得分,将此数据用于训练BP人工神经网络,并将此网络用于处方筛选。结果：优化处方在不同pH介质中均有较好的缓释效果。结论：人工神经网络多指标同步优化法可用于处方筛选。     

Prediction of Breast Cancer Using Artificial Neural Networks

In this study, an artificial neural network (ANN) was developed to determine whether patients have breast cancer or not. Whether patients have cancer or not and if they have its type can be determined by using ANN and BI-RADS evaluation and based on the age of the patient, mass shape, mass border and mass density. Though this system cannot diagnose cancer conclusively, it helps physicians in deciding whether a biopsy is required by providing information about whether the patient has breast cancer or not. Data obtained from 800 patients who were diagnosed with cancer definitively through biopsy. The definitive diagnosis corresponding to each patient and the data from ANN model results were investigated using Confusion matrix and ROC analyses. In the test data of the ANN model that was implemented as a result of these analyses, disease prediction rate was 90.5% and the health ratio was 80.9%. It is seen from these high predictive values that the ANN model is fast, reliable and without any risks and therefore can be of great help to physicians.     

活性焦表面改性及其常温催化氧化NO的性能研究

使用不同的氧化剂和不同的热处理温度对活性焦（AC）进行改性,采用低温N₂吸附法、傅里叶变换红外光谱（FT-IR）、氨气-程序升温脱附（NH₃-TPD）和非水酸碱滴定法对样品的孔结构和表面化学性质进了表征,并考察了样品在不同湿度下的NO常温催化氧化活性。结果表明,氧化改性减小了样品的微孔孔容,降低了样品的表面碱性基团含量和NO转化率。热处理改性则增加了样品的微孔孔容,提高了样品的表面碱性基团含量和不同湿度下的NO催化氧化活性。在相对湿度为0~80%范围内,氧化-热处理组合改性样品的NO转化率均高于活性焦直接热处理样品,且提高热处理温度,有利于增强样品在湿气（相对湿度为80%）条件下的NO催化氧化活性。     

A comparison of neural networks for computing predicted probability of survival for trauma victims

TRISS is a statistical method for predicting the probability of survival of trauma victims. Analysis of data from the Trauma Registry at Charleston Area Medical Center showed that only 48% of the trauma fatalities in the 5-year period 1992-1996 were correctly predicted by TRISS. Trauma practitioners from other Trauma Centers report similar problems with TRISS. Researchers have suggested improvements that range from simply changing the input variables and/or regression coefficients in TRISS to using an entirely different model. In this study we describe a method of calculating survival probabilities using Artificial Neural Networks (ANN). This method was chosen because of the similarity of the ANN output function to the function that produces the TRISS probability of survival. Additional variables were added based on the results of other research efforts as well as analysis of the CAMC Trauma Registry. A comparison was made between the abilities of TRISS to predict fatalities and to approximate probability of survival. The ANN outperformed TRISS in predicting fatalities in a training set (68.1% correct vs. 47.9% correct) and in a testing set (61.3% correct vs. 51.3% correct). More importantly, the ANN produced better estimates of predicted deaths. Using a data set that included 119 deaths, the ANN model predicted 125 deaths for a 5% relative error. The predicted number using TRISS was 86 for a relative error of 27.7%. Since effective quality improvement for trauma care depends on accurately identifying cases that fall outside the expected results, a more accurate predictive tool allows a more focused review of those significant cases, thus conserving resources without compromising quality. Neural Networks appear to be a predictive tool that can provide probability of survival estimates that are more accurate than TRISS.     

利用人工神经网络技术预测癫痫患儿服用卡马西平后体内药物浓度

目的利用人工神经网络技术预测癫痫患儿服用卡马西平后体内药物浓度。方法收集216例癫痫患儿服用卡马西平后血药浓度监测结果及监测当日身高、体量、肝肾功能等18项相关指标,根据神经网络和遗传算法的基本原理,建立卡马西平浓度预测模型,并用该浓度预测模型进行样本预测分析。结果样本（54个病例）的预测结果表明,与实际测定浓度相比,误差小于10%的有31个浓度,误差在10%-15%之间的有11个浓度,误差在15%-20%之间的有6个浓度,误差大于20%的有6个浓度。人工神经网络预测的血药浓度和实际测定浓度之间的相关系数为0.9156。结论利用人工神经网络技术预测癫痫患儿服用卡马西平后血药浓度比较可行,有待将其广泛应用于治疗个体化给药设计的研究。