掺氮碳基材料在费托合成反应中的应用

氮掺杂是一种对碳材料结构和性质进行修饰的重要方法。本文主要介绍了碳基材料掺氮的主要方法(即直接合成法和后处理法)及所得掺氮碳基材料的性质。重点综述了近年来掺氮碳基材料在制备费托合成钴基和铁基催化剂领域中的应用,进一步阐述了掺氮碳基材料作为新型费托合成催化剂载体所具有的主要优点:载体表面含氮基团具有锚定作用可提高金属活性组分分散度,同时,氮的掺杂不仅能够有效地提高催化剂还原度,而且富电子的氮物种可促进CO解离,从而有利于提高催化剂费托合成反应性能。在此基础上,本文也分析了掺氮碳基材料的合成和催化应用方面所存在的问题。     

制备方法对纳米熔盐储热性能及形成机理的影响

纳米材料能够改善高温熔盐的传热储热性能,提升大规模储热系统的储热和热交换效率,但目前仍未找到纳米熔盐的高效大规模制备方法。为优选纳米熔盐的高效大规模制备方法,以二元混合盐为基盐,采用高温熔融法和水溶液法分别制备纳米熔盐,用差示扫描量热法、热重分析法和微观形貌分析法,研究制备方法对纳米熔盐显热和储热性能提升、微观结构的影响,探索纳米熔盐形成机理。结果表明,两种制备方法均在搅拌90 min时制备的纳米熔盐性能达到最优,且高温熔融法制备纳米熔盐的熔化潜热和比热容分别比水溶液法高2.6%和28.18%;两种方法制备纳米熔盐的熔点较小,但对纳米熔盐的微观形貌存在明显影响,云核的形成与结构影响着纳米熔盐的储热性能。相比水溶液法,高温熔融法工艺简单,过程能耗低,纳米熔盐储热性能更好,适用于纳米熔盐的大规模生产和工程应用。     

固始房地产开发现状解读

2008年,注定是一个悲情和欢歌,沉闷与精彩相互交织的一年,随着29届奥运会的完美收官,人们已经渐渐从激情燃烧的鸟巢回到现实中来。房地产行业受奥运激情短暂麻醉之后,重新回到人们的视野。一二线城市的房价在继续走低,购房观望之风依然盛行,而内地三四线城市房地产的状况又将如何呢？     

基于FPGA和PCI的Lonworks数据采集卡的设计与实现

在研究了lontalk协议的基础上,提出了一种基于Xilinx XC3S200型FPGA和PCI的lonworks总线数据采集卡的设计方案;PCI桥接芯片PCI9052实现本地端与计算机的数据传输,FPGA的逻辑设计根据实际应用需求实现部分LonTalk协议,完成对lonworks帧的解封和数据存储;该采集卡目前已运用于和谐1型大功率交流机车制动系统的数据采集,运行效果良好,证明了设计方案的合理性。     

艺术品牌设计助力精准扶贫发展

目的为了配合各地扶贫工作的深入开展,使精准扶贫更富有活力,让各类乡村再造能拥有艺术设计的审美,响应打造美丽乡村的号召,同时与旅游发展相互融洽,提供更多乡村发展可能性。方法通过借鉴日本20世纪著名的大分县"一村一品"乡村设计活动的经验,运用艺术品牌设计的方法,促进中国乡村品牌设计差异化,以及特色农产品的设计开发。将历史文化开发、品牌设计开发和当地产品相结合,邀请各类艺术家丰富乡村艺术创造可能性。结论将艺术设计注入乡村发展的路径,能够加强乡村文化精神建设,并唤醒当代城市人的乡愁,吸引乡村人才回流,提供乡村内就业岗位,缓解乡村留守老人、留守儿童的突出问题,最终助力振兴乡村经济。同时为重点扶贫乡村提供了文化创意发展脱贫的可行性参照。     

城市政务中心区广场景观设计理念与方法研究

本文以中国城市化发展建设为大背景,探讨研究了现代城市政务区景观环境建设的理念,基本规律和设计方法。为创造出具有城市特色和人性化的政务中心区广场,带动城市经济与文化水平的发展,并为广大城市市民的日常生活和社会公共活动提供开放的公共空间环境,为政府与人民之间搭建良好的沟通平台,提供建设和谐社会的良好氛围提出了基本原则和策略。     

全身肿瘤扫描:MRI弥散加权成像和PET技术的比较

继正电子放射断层(PET)技术之后,磁共振(MRI)全身弥散加权成像(WB-DWI)正逐渐成为临床上又一项重要的评估全身肿瘤的影像技术。本文将WB-DWI与较为成熟的PET全身扫描技术进行比较,综述WB-DWI在肿瘤学中的初步应用,特别是在肿瘤的诊断、鉴别诊断、分期、预后、疗效监测及筛查等方面的价值。     

基于Sugeno模糊积分神经网络分类器融合方法在手写数字识别中的应用

神经网络是模式识别中一种常见的分类器.针对同一个分类问题,构建多个分类器并把多个分类器进行融合可以提高分类系统的分类正确率、改善系统的稳健性.首先介绍了Sugeno模糊积分及Sugeno模糊积分神经网络分类器融合方法的一般原理,而后将其应用于手写数字识别,通过实际的案例验证了该融合方法的有效性和可行性.     

基于VMD-Informer-BiLSTM模型的超短期光伏功率预测

由于光伏出力的波动性和随机性给电网的规划和运行带来了挑战,因此提高光伏功率预测的精度对提升新能源系统的稳定性具有重要意义。为此提出了一种结合模态分解、多维特征建模、Informer、双向长短期神经网络(bidirectional long short-term memory network,BiLSTM)的超短期光伏组合预测模型。首先通过变分模态分解将光伏功率序列分解成不同频率的本征模态函数(intrinsic mode function,IMF),降低光伏功率信号的非平稳性与复杂度;随后使用离散小波变换提取天气因素中的细节分量,实现不同分解算法的优势互补,并用随机森林算法为每个IMF筛选冗余特征,然后将特征矩阵送入Informer进行建模,提取不同时间步中关键时刻的信息,提高对长时间序列的预测效率;最后为进一步提高模型预测精度,分析误差序列特性,利用BiLSTM进行误差校正。采用实际光伏数据进行算例分析,结果表明所提方法提高了超短期光伏功率预测精度。     

基于异构动态图模型的社交网络节点分类方法

在机器学习领域,与传统的神经网络相比,图神经网络在社交推荐等任务中发挥着越来越重要的作用,但是目前工作中大多数都使用静态图.针对现有静态图神经网络方法难以考虑社交用户动态特性的问题,通过引入动态图模型提出了一种基于异构动态图模型的社交网络节点分类方法.该方法在动态图建模的基础上,通过基于点边交互的节点特征更新机制和基于循环神经网络的时序聚合方法,实现了高效的动态社交网络节点分类.在多个真实数据集上的实验结果表明,提出方法在动态社交网络数据的节点分类方面有较好的效果,对比静态图和动态图的基准方法有显著的提升.