基于多目标进化聚类的信用风险特征识别

在信用风险识别领域,聚类算法常被用于区分不同风险等级的样本并识别风险特征。然而该领域中通常面临高维数据处理问题,导致传统聚类算法存在不适应此类问题的缺陷:易陷入局部最优、受冗余特征干扰、鲁棒性不强等。采用高维信用风险数据,研究上市公司信用风险,建立信用风险特征识别的三目标优化模型,设计基于分解的多目标子空间聚类算法进行求解。通过算法的横向对比实验,展示了所提出的算法在聚类精度和鲁棒性方面的优势,并根据聚类算法的权重分配结果,归纳总结上市公司信用风险评估过程中应重点关注的指标。     

聚乙烯亚胺修饰的氧化硅纳米管基吸附剂的制备及其CO_2吸附应用

以P123为模板,1,2-二(三甲氧基硅基)乙烷(BTME)为硅源合成了介孔氧化硅纳米管(E-SNTs).将ESNTs经过聚乙烯亚胺(PEI)修饰后制得吸附剂用于捕捉CO2.对吸附剂进行了透射电镜(TEM)、物理吸附、傅里叶变换红外(FTIR)光谱、热重分析(TGA)等表征.E-SNTs-PEI吸附剂的最佳CO2吸附温度为75°C.吸附剂的CO2吸附量随着PEI负载量的增加呈现先增大后减小的趋势,其中50%为最佳负载量,此时吸附剂的吸附量最大为3.32 mmol·g-1.相比较SBA-15基吸附剂,E-SNTs基吸附剂具有更优异的吸附性能.在有水汽的存在下,吸附剂E-SNTs-50的CO2吸附量达到3.75 mmol·g-1.经过四次循环吸脱附实验测试E-SNTs-PEI吸附剂的稳定性能,结果表明其CO2吸附量基本不变,该吸附剂表现出较好的稳定性和可再生能力.     

五乙烯六胺修饰的MCF基吸附剂的制备及其CO2吸附性能研究

以三嵌段共聚物P123 (EO₂₀-PO₇₀-EO₂₀)为模板剂合成了介孔泡沫氧化硅(MCF)材料. MCF经过五乙烯六胺(PEHA)修饰后用于捕捉CO₂. 采用扫描电镜(SEM)、透射电镜(TEM)、N2吸附-脱附、傅里叶变换红外(FTIR)光谱、热重分析(TGA)对MCF和MCF-PEHA进行了表征. 结果表明, PEHA对MCF改性后, 并没有破坏MCF载体本身的结构. MCF-PEHA的CO₂吸附量在75℃时达到最大. 随着PEHA含量的增加, MCF-PEHA的CO₂吸附量呈先增大后减小的趋势, 当PEHA含量为70% (w)时, CO₂吸附量达到最大, 为3.55 mmol·g^-1. 水汽促进了吸附剂的CO₂吸附性能. 研究结果还表明, MCF-70吸附剂经过四次吸脱附循环, 吸附性能基本保持不变, 表现出很好的可再生性能.