苯并咪唑基多孔聚合物的设计、制备及快速吸附金霉素研究

普通吸附剂对金霉素吸附速率慢、效率低。以苯并咪唑为功能单体，1,4-二氯苄(DCX)和1,4-联苯二氯苄(BCMBP)分别为交联剂，通过一步Friedel-Crafts反应合成了超交联聚合物HCP-DCX和HCP-BCMBP。比较发现，交联剂对聚合物的形貌、组成、孔结构都产生了重要影响，HCP-BCMBP是由纳米颗粒随机堆积连接而成的多级孔结构，其BET比表面积(1 397 m²/g)、孔容(1.488 cm³/g)、含氮质量分数(0.96%)均显著高于HCP-DCX。因此，HCP-BCMBP对金霉素表现出更为优异的吸附性能，在pH=5，金霉素初始质量浓度为500 mg/L,HCP-BCMBP投加质量浓度为1.0 g/L条件下，30 min内HCP-BCMBP对金霉素的吸附量可达413 mg/g，与已报道的其他吸附剂相比有明显的优势。此外，分析了超交联聚合物吸附金霉素的动力学、吸附等温线及吸附机理，证实氢键、π-π作用、静电作用是主要的吸附机制。     

镧系元素(Ce、Pr、Nd、Sm、Eu)掺杂NaTaO3光电性质影响的第一性原理研究

为提高NaTaO₃在可见光区的光谱响应范围，利用第一性原理方法研究了镧系金属(Ce、Pr、Nd、Sm、Eu)掺杂NaTaO₃体系，并对掺杂前后体系的晶体结构、形成能、电子结构以及光学性质进行了计算与分析。结果表明：掺杂体系均发生了晶格畸变，导致体系键布局发生变化，使体系内的正负电荷不再重合，从而在体系内产生了局域电势差，这有效阻碍了体系内部光生电子与空穴的复合，有利于提高NaTaO₃体系的光催化能力。在形成能的计算中发现NaTa_0.875Pr_0.125O₃的形成能最小，表明该体系最容易形成。掺杂体系的禁带宽度均减小，能级变密集。从态密度图中发现掺杂会加强原子轨道在费米能级的杂化程度，可以有效减少电子-空穴对的复合。从光学性质中发现Ce、Pr、Eu的掺入使NaTaO₃发生了红移，其中NaTa_0.875Pr_0.125O₃对可见光的响应范围最广，该体系有望成为新型高效的光催化...     

S和Al掺杂单层g-C3N4电子结构与光学性质的第一性原理研究

g-C₃N₄是一种典型的聚合物半导体材料，在可见光下就能完成对半导体要求较高的光催化反应。采用基于密度泛函理论的第一性原理平面波超软赝势方法研究了单层g-C₃N₄、S单掺g-C₃N₄、Al单掺g-C₃N₄和S-Al共掺g-C₃N₄的形成能、电子结构及光学性质。结果表明：S掺杂空隙I位置、Al掺杂N2位置时，杂质原子最易掺入g-C₃N₄体系。与单层g-C₃N₄相比，掺杂后的体系均发生了晶格畸变以及红移现象，拓展了体系的光吸收范围，可推测出S、Al掺杂能够提高g-C₃N₄体系的光催化性。其中，S-Al共掺杂体系的光催化性是最优的，原因是共掺杂体系的分子轨道有较强的离域性，有利于提高载流子的迁移率，并且共掺杂能使单掺杂引入的深能级变浅，减少杂质能...     

高三尖杉酯碱联合依托泊苷致急性髓系白血病化疗后长期骨髓抑制1例

高三尖杉酯碱（HHT）联合依托泊苷（VP16）化疗方案是治疗急性髓系白血病（AML）患者常用的化疗方案之一,应用过程中患者会出现不同程度骨髓抑制,一般在2～3周后恢复。保定市第一医院血液内科应用HE（HHT＋VP16）方案治疗AML后出现长时间（长达半年）骨髓抑制1例,报告如下。     

中文专利数据可视化分析系统研究与设计

现有的专利分析系统在可视化方面存在诸多不足，针对中文专利的可视化分析工具更是少之又少。结合文本挖掘技术，设计并实现“中文专利数据可视化分析系统”,具有专利态势分析、专利聚类分析、专利引证分析三种分析功能，多角度分析了中文专利数据，并将数据分析结果通过可视化模块直观地呈现出来，为专利信息使用者提供更好服务。     

便携式水质分析实验室在应急监测中的应用

文章对DR2800型便携式水质分析实验室的使用进行了介绍，针对不同分析项目对其准确度和精密度进行考察，并与常规的试验方法进行比较。通过实验证明，便携式水质分析实验室携带方便、方法简单易行、准确性较高、精密性较好，既可适用于突发事件的水质应急监测、野外监测，也可用于实验室内常规分析，尤其是滴定分析其准确度很高，相比常规实验室分析其优势更为明显，为便携式水质分析实验室应用于应急监测提供了指导。     

基于机器学习的遥感影像云检测研究进展

在对地观测领域中云检测是遥感定量化应用的重要环节，同时也是卫星气象应用的关键步骤。近年来，基于机器学习的遥感影像云检测逐渐成为该领域的研究热点，并且取得了一系列研究成果。系统阐述了近10 a来国内外基于机器学习的遥感影像云检测的研究进展，将算法模型分为传统的机器学习模型和深度学习模型两类，并对两类中的具体模型进行详细介绍，对比分析不同模型的优缺点及其适用情况。重点介绍了传统机器学习中的支持向量机（SVM）、随机森林等方法，深度学习中的神经网络模型，包括卷积神经网络（CNN）、改进的U-Net网络等模型。在此基础上，分析了基于机器学习的遥感影像云检测研究中存在的问题，讨论了未来潜在发展方向。