排序方式: 共有72条查询结果,搜索用时 0 毫秒
1.
丁鹏 《长春师范学院学报》2003,(2)
本文介绍了半导体纳米粒子气—固复相光催化氧化法的原理及影响因素,探讨了气相有机物光催化降解的过程和动力学,综述了提高半导体纳米粒子光催化活性的途径,讨论了气相有机污染物光催化降解进一步研究的方向,并对应用前景作出展望。 相似文献
2.
采用可溶性固体杂多酸作均相反应催化剂,以及不可溶性固体杂多酸盐作非均相反应催化剂,合成了聚氧丙烯甘油醚。实验结果表明,采用杂多酸作催化剂在中温、常压条件下,就可合成了产率较高的符合工业技术指标的聚氧丙烯甘油醚。用元素分析、IR、1HNMR和羟值的测定确定了产物的组成和分子量,得出最佳合成条件。 相似文献
3.
由于回转支承的损伤机制不清楚,传统的寿命预测模型不能找出其寿命与振动信号的数学关系。本文改进传统的遗传编程算法(GP),根据表观遗传学的最新研究和堆栈结构,提出了基于表观堆栈遗传编程(ESGP)的寿命预测方法。先从时域、时频域中提取多个特征值,再用动态等距离映射算法从高维特征值中提取能够反映回转支承退化趋势的单一特征值,最后用ESGP进行寿命状态识别。结果表明,该算法成功地找出回转支承的寿命与振动信号的数学关系,为回转支承的损伤机制研究提供理论基础。其寿命预测精度、模型简洁度要高于传统GP。 相似文献
4.
聚丙烯复合材料老化实验周期长,且单次实验采集的数据样本少,使用传统机器学习方法进行预测的准确度较低.为了解决聚丙烯复合材料老化数据样本少与预测准确性低的问题,提出了一种虚拟样本生成(virtual sample generation,VSG)的集成学习预测方法.首先,对聚丙烯复合材料老化数据使用高斯混合模型(Gaussian mixed model,GMM)虚拟样本生成方法平滑生成验证有效的虚拟样本;然后,使用生成后的数据集建立集成学习预测模型,该模型包含随机森林(random forest,RF)、极端梯度提升(extreme gradient boosting,XGBoost)算法、轻量级梯度提升机(light gradient boosting machine,LightGBM)算法以及分类梯度提升(categorical boosting,CatBoost)算法.实验表明:集成学习模型的LightGBM算法与CatBoost算法性能最优,在测试数据上均方误差为0.001 3与0.0001,比RF算法与XGBoost算法分别高出0.4与0.2.聚丙烯复合材料老化虚拟样本生成与集成... 相似文献
5.
采用熔融插层法制备了高密度聚乙烯(HDPE)/层状双氢氧化物(IDH)纳米复合材料.结构分析表明,当LDH含量低于5%时,LDH片层在纳米复合材料中是完全层离的.热性能分析表明,所得HDPE/LDH纳米复合材料比纯HDPE具有更高的热稳定性.以50%失重为比较点,当LDH含量为5%时,HDPE/LDH样品的降解温度比纯HDPE高出达40℃. 相似文献
6.
由于社会经济的快速发展和工业化的提高,水环境污染越来越严重。本文通过在电热厂实地取样粉煤灰,并用改性前后的粉煤灰分别处理两组不同的废水,用化学的方法测定各组废水处理前后的COD含量,并作比较。实验结果表明,粉煤灰的改性对处理废水环节有很大的效果提升,对粉煤灰改性的研制为废水处理环节提供了更加高效环保的途径,起到了保护环境的作用。 相似文献
7.
通过建立房地产市场进化博弈模型分析影响地产商和消费者决策的主要因素,得出各自的进化稳定策略,并基于进化稳定策略提出了一种新的消费者购房决策方法:在一次购房决策中,消费者通过比较消费者无房收益和消费者剩余决定当期是否购房。通过比较现有消费者购房决策方法与新的消费者购房决策方法达到满意解的概率,发现采用新方法可以显著提高在一次购房决策中实现满意解。最后,为改善消费者购房决策提出三条政策建议:政府利用公共资源向消费者提供经济适用房和廉租房;推进户籍改革,松绑商品房与户籍、医疗、教育和社会保险之间的关系;加强公共交通和基础设施建设。 相似文献
8.
本文采用均匀沉淀法合成了纳米Bi2O3粉体材料,应用TEM、XRD、XPS对其形貌和结构进行了表征。通过实验研究确定纳米Bi2O3粉体最佳工艺条件:Bi3+溶液的浓度为0.125 mol.L-1;DBS作为添加剂,其最佳浓度为0.023 mol.L-1;最佳焙烧温度750℃。 相似文献
9.
10.
基于脑电图(Electroencephalography,EEG)信号的运动想象(Motor Imagery,MI)意图识别是脑机接口(BrainComputer Interface,BCI)研究中的重要问题.然而,EEG信号存在严重的个体性差异,不同被试之间的EEG信号特征空间分布差异很大,不同被试之间的分类模型不能通用.针对这一问题,提出一种基于欧式空间的加权逻辑回归迁移学习方法,算法首先将不同被试的EEG数据进行欧几里得空间对齐,使各信号更加相似,减少差异性,然后计算特定被试共空间模式(Common Spatial Pattern,CSP)获得不同的特征值,并计算这些特征值的KL(Kullback-Leibler)散度,进而利用KL散度调整迁移学习的加权逻辑回归算法,得到分类模型.实验结果表明:对于BCI竞赛IV中的数据集2a,提出的方法可以极大地提升BCI的学习性能,算法分类准确率比基线算法(线性判别分析)高出15%.在数据样本增多的情况下,被试的分类准确性也得到了明显的提升,和同类算法相比,分类准确率提升4%,说明提出的算法能进一步提高BCI的学习性能,改善分类模型的通用性问... 相似文献