液体非电解质水溶液粘度的预测

在Teju-Rice液体混合物粘度模型的基础上,对常用的液体混合物粘度关联式进行了分析和比较;导出了适用于二元和多元非电解质水溶液的粘度模型;结合实际数据导出的水溶液二元作用参数的估算式可进行水溶液粘度的预测。用该模型计算了7个体系398个不同温度和组成的二元水溶液和4个体系189个不同温度和组成的三元水溶液的粘度,结果表明,计算值对实验数据的总平均相对偏差分别为6.848%和5.043%,本文水溶液粘度估算式的计算准确性优于Teju-Rice法。     

液体非电解质水溶液粘度的关联

在Teju-Rice液体混合物模型的基础上,对常用的液体混合物粘度关联式进行了分析和比较,导出了适用于二元和多元水溶液的粘度模型。用该模型计算了6个体系388个不同温度和组成的三元水溶液的粘度,计算值对文献实验数据的总平均相对偏差分别为6.09%和5.54%,计算值准确性优于Teju-Rice模型。     

基于贝叶斯网络的时间序列因果关系学习

贝叶斯网络是研究变量之间因果关系的有力工具,基于贝叶斯网络的因果关系学习包括结构学习与参数学习两部分,其中,结构学习是核心.目前,贝叶斯网络主要用于发现非时间序列数据中所蕴含的因果关系（非时间序列因果关系）,从数据中学习得到的也均是一般变量之间的因果关系.针对这些情况,结合时间序列预处理、时间序列变量排序、转换数据集构建和局部贪婪打分-搜索等进行时间序列的因果关系学习;再将包括分段在内的时间序列预处理、时间序列段的因果关系结构学习、因果关系结构数据集构建、因果关系变量排序和局部贪婪打分-搜索等相结合,来进行元因果关系（因果关系变量之间的因果关系）学习,从而实现两个层次的时间序列因果关系学习,为进一步的量化因果分析奠定了基础.分别使用模拟、UCI和金融时间序列数据进行实验与分析,实验结果显示,基于贝叶斯网络能够有效地进行时间序列的因果关系和元因果关系学习.     

小数据集贝叶斯网络多父节点参数的修复

具有已知结构的小数据集贝叶斯网络多父节点参数学习是一个重要而困难的研究课题,由于信息不充分,使得无法直接对多父节点参数进行有效的估计,如何修复这些参数便是问题的核心.针对问题提出了一种有效的小数据集多父节点参数修复方法,该方法首先使用Bootstrap抽样扩展小数据集,然后分别将Gibbs抽样与最大似然树和贝叶斯网络相结合,通过依次对扩展数据按一定比例的迭代修正来实现对多父节点参数的修复.实验结果表明,这种方法能够有效地使大部分多父节点参数得到修复.     

动态朴素贝叶斯网络分类器的特征子集选择

分类准确性是分类器最重要的性能指标,特征子集选择是提高分类器分类准确性的一种有效方法。现有的特征子集选择方法主要针对静态分类器,缺少动态分类器特征子集选择方面的研究。首先给出具有连续属性的动态朴素贝叶斯网络分类器和动态分类准确性评价标准,在此基础上建立动态朴素贝叶斯网络分类器的特征子集选择方法,并使用真实宏观经济时序数据进行实验与分析。     

氨压缩制冷循环的(火用)分析

根据热力学原理结合实际分析了合成氨厂氨压缩制冷循环的火用损失及其分布情况 ,为改进操作提供了依据。     

粘度对规整填料层泛点影响的研究

研究了粘度对规整填料层泛点的影响 ,对文献上规整填料层泛点的关联式进行了改进 ,利用新关联式可由空气 水物系的泛点实验数据计算其他物系的泛点空塔气速 ,新关联方法与实验数据吻合较好 ,计算准确性优于文献公式     

水的饱和蒸汽压的计算

针对文献中计算水的饱和蒸汽压的安托尼方程适用温度范围较窄的情况，由文献实验数据拟合出了水的饱和蒸汽压的计算公式，该关联式的准确性和温度范围比文献公式有改进。     

有机物混合液导热系数的预测

文章根据液体物质的导热系数与密度的关系,导出了估算有机物混合液导热系数的计算模型。利用该模型计算了53个体系369个数据点的二元有机物混合液导热系数,计算值与实验值的总平均相对偏差为1.434%,计算值与实验数据吻合较好,计算准确性优于文献方法;文章方法简单方便,只需要混合液各组分的临界温度、临界体积和导热系数数据,就可以直接预测各种温度和组成的有机物混合液的导热系数。     

水的饱和和蒸汽压的计算

针对文献中计算术的饱和蒸汽压的安托尼方程适用温度范围较窄的情况，由文献实验数据拟合出了水的饱和蒸汽压的计算公式，该关联式的准确性和适用温度范围比文献公式有改进。