基于IDL模拟地震图纸分析

IDL是一种数据分析和图像化应用程序及编程语言，本文利用IDL实现了模拟地震图纸矢量波形的提取，该方法实现简单，提取准确，具有较高的鲁棒性。     

ECCVD法制备单壁碳纳米管

采用催化化学气相沉积法,以乙醇作为碳源,二茂铁为催化剂前驱体,高纯度的N2和3%H2/Ar为载气,在反应温度850℃下,制备出了高质量的单壁碳纳米管。采用该方法制备单壁碳纳米管,具有反应温度相对较低以及碳源(液态乙醇)丰富、廉价的优点。分别采用SEM,TEM和喇曼光谱等手段对制备出的样品进行了微观结构表征,并对表征结果进行分析计算。结果表明单壁碳纳米管集结成束状,直径约为1.2nm,其直径分布范围较窄,缺陷较少,产量相对丰富。     

用FeCl3作催化剂先体制备碳纳米结构

以不同浓度的FeCl3溶液作为催化剂先体,利用乙醇催化燃烧法,在铜片上生长出了碳纳米管和碳纳米纤维.讨论了不同浓度的FeCl3催化剂先体对生长碳纳米材料产物和形貌的影响.利用扫描电镜,透射电镜和喇曼光谱对样品的形貌和结构进行了表征.实验结果表明,随着催化剂先体浓度增大,碳纳米材料产量增大,直径呈现增大趋势,其直径范围也逐渐变大.当催化剂先体浓度为0.01 mol/L时,可以制备出直径较小的碳纳米管;当催化剂先体浓度为0.1 mol/L时,可以制备出直径分布均匀的碳纳米管与碳纳米纤维的混合物;当催化剂先体浓度为1 mol/L时,可以制备出直径分布不均匀的碳纳米纤维.     

一种在去重备份系统中数据完整性校验算法

在数据备份系统中,使用重复数据删除技术在消除重复数据提高系统存储的空间效率时,将必然会有多个逻辑映像共享去重后的数据实例,如果某个数据实例丢失或者数据被更改,将导致所有引用该实例的逻辑映像均发生错误,因此提出了一种在去重备份系统中数据完整性验证算法.如果当前备份的文件在数据服务器端已经存在数据实例,添加引用之前先对被引用的数据实例进行分块循环顺序校验,判断数据实例的完整性.实验结果证明,这种添加验证码的去重合成备份算法不仅不影响备份速度,而且对备份系统中被引用的数据实例的完整性提供了一种验证的算法.这种数据完整性校验算法提高了去重备份系统的可靠性.     

采用丙酮催化燃烧法制备多壁碳纳米管

为了探索一种简单而有效的制备多壁碳纳米管的方法,以丙酮为碳源,硝酸镍为催化剂先体,通过催化燃烧工艺在铜薄片基底上制备了多壁碳纳米管.采用扫描电子显微镜、透射电子显微镜、拉曼光谱仪对样品进行表征.结果表明,采用丙酮催化燃烧工艺合成出了多壁碳纳米管.通过拉曼光谱分析,估算了样品中的缺陷含量.该实验方法较之其它方法具有实验装置简单、易于操作、实验成本低、制备周期短等特点.     

碳纳米管制备及其生长机制研究

采用乙醇催化燃烧法,以钴盐作为催化剂先体、薄铜片作为基底制备碳纳米管。分别以氯化钴、硝酸钴和硫酸钴作为催化剂先体,研究了不同催化剂先体对碳纳米管生长的影响;利用扫描电镜,透射电镜对碳纳米材料的形貌和结构进行了表征,研究了不同钴盐的催化剂先体对碳纳米管形态与结构的影响,讨论了碳纳米管的生长机制。实验发现,其他制备条件相同,当催化剂先体为氯化钴时,碳纳米管与大量絮状杂质缠绕在一起;当催化剂先体为硝酸钴时,碳纳米管容易形成弯曲、不规则的波浪形结构;而当催化剂先体为硫酸钴时,实验所得的碳纳米材料几乎全为取向规则、直径均一的碳纳米纤维,只观察到少量碳纳米管。     

用FeCl_3作催化剂先体制备碳纳米结构

以不同浓度的FeCl3溶液作为催化剂先体,利用乙醇催化燃烧法,在铜片上生长出了碳纳米管和碳纳米纤维。讨论了不同浓度的FeCl3催化剂先体对生长碳纳米材料产物和形貌的影响。利用扫描电镜,透射电镜和喇曼光谱对样品的形貌和结构进行了表征。实验结果表明,随着催化剂先体浓度增大,碳纳米材料产量增大,直径呈现增大趋势,其直径范围也逐渐变大。当催化剂先体浓度为0.01mol/L时,可以制备出直径较小的碳纳米管;当催化剂先体浓度为0.1mol/L时,可以制备出直径分布均匀的碳纳米管与碳纳米纤维的混合物;当催化剂先体浓度为1mol/L时,可以制备出直径分布不均匀的碳纳米纤维。     

乙醇化学气相沉积法制备多壁碳纳米管

介绍了采用浮动催化剂法,利用乙醇化学气相沉积法制备多壁碳纳米管。采用二茂铁作为催化剂先体,乙醇作为碳源,利用石英基底收集产物。催化剂先体二茂铁的蒸汽在载气的作用下被带到高温区(800℃),二茂铁在高温区分解形成铁纳米催化剂颗粒,这些催化剂颗粒催化生长出多壁碳纳米管。利用扫描电子显微镜、(高分辨)透射电子显微镜对制备的多壁碳纳米管都进行了表征。实验结果表明,制备的多壁碳纳米管均匀性好,石墨化程度较高。     

基于短距空间光谱并行双向RNN的高光谱农业图像分类

提出一种新的短距空间并行双向RNN算法(shorten spatial-spectral parallel bidirectional RNN,St-SS-pBRNN)用于高光谱农业图像分类,通过组合多个卷积层实现了频谱和空间特征的同时利用,提升了图像的分类效果. 采用并行门控循环单元(gate recurrent unit,GRU)和双向RNN的组合架构,缩短了RNN的序列长度,大幅减少了模型的计算量. 在农业高光谱图像分类对比实验中,算法性能稳定,准确率比经典的短距空间并行GRU算法(shorten spatial-spectral parallel GRU,St-SS-pGRU)最优效果提升大于2%,相关模型有望在国内大范围的农业用地分类中得以推广应用.