磁性Fenton催化剂氧化降解有机污染物的研究进展

磁性催化剂不仅催化活性高,还具有独特的磁响应性,在外加磁场作用下可以实现分离与回收。磁性催化剂可有效解决传统Fe~(2+)催化剂回收困难、易产生二次污染等问题。综述了近年来的相关研究,重点讨论磁性Fenton催化剂的分类和合成方式,并介绍了其在Fenton和类Fenton体系中的催化性能。分析表明,磁性催化剂来源广泛、可再生、合成操作相对简便易行。未来研究应致力于拓展催化剂的pH适用范围、提高催化剂稳定性、开发新型负载材料。     

低温等离子体预处理对油田废水蒸发及蒸馏水品质的影响

为了提高油田稠油废水蒸发回收的蒸馏水的品质并防止蒸发过程中的结垢,利用低温等离子体对稠油废水进行预处理,使之与低温等离子体产生的离子和自由基反应后再送入蒸发器,研究了稠油废水经过等离子体预处理后蒸馏水各项指标的变化和蒸发过程中结垢的分布变化。结果表明:经过等离子体预处理后废水中的二氧化硅含量和硬度下降,更适合蒸发处理;同时蒸馏水中所含盐和油的含量都减少了,品质得以提高。此外蒸浓缩到30～40倍时,经过等离子体处理后废水的浓缩液中固体悬浮物大幅升高;对应地,蒸发器底部结垢大幅降低。对比所获得的蒸馏水各项指标与注气锅炉的给水指标,可以看出蒸馏水所含的油分超标是蒸馏水回收为锅炉给水的最大障碍;而低温等离子体预处理可为解决油田大量稠油废水回收蒸馏水的结垢问题和水质问题提供了一个快捷的新途径。     

TPU/β-榄香烯气道支架3D打印制备及药物释放测试

采用熔融沉积3D打印制备热塑性聚氨酯(TPU)气道支架并装载β-榄香烯,研究支架表面孔洞数量和打印挤出率对β-榄香烯释放行为的影响,探究超高效液相色谱法测试β-榄香烯方法。采用安捷伦C18柱,在流动相为乙腈-0.1%磷酸水溶液(93∶7)条件下测试β-榄香烯的分离度大于1.5,理论塔板数≥19 000。打印挤出率不变时,支架表面孔洞越多,药物释放量越大,0孔洞、4孔洞、8孔洞支架的药物累计释放量分别为25.88%,31.02%和34.41%;但前期容易出现爆释,4孔洞和8孔洞支架持续释放时间≤6 d。支架表面0孔洞时,挤出率越大,药物释放速率越低,80%,100%,125%挤出率支架的药物累计释放量分别为67.76%,38.07%和26.08%。采用超高效液相色谱法可准确测试支架中β-榄香烯的释放速率,通过调整3D打印的挤出率可调控支架的药物释放行为,该研究可为载药支架的产品研发和临床应用提供指导。     

低温等离子体处理稠油废水后的回收效果

通过实验考察了低温等离子体对稠油废水处理后再蒸发对所得蒸馏水品质的作用。结果表明,低温等离子体在降低蒸馏水的油含量、SiO₂含量、电导率和金属离子含量等方面有明显的效果;当低温等离子体放电频率为500 s^-1时,油含量降低幅度达到31.9%。阻垢剂也能降低稠油废水和所得蒸馏水的油含量,但是将低温等离子体和阻垢剂联合使用,会使蒸馏水的油含量和金属离子含量升高,其中油含量的增幅达到50.7%。     

解析现代居室的色彩效应

色彩在居室中合理应用的大力推广,让色彩走进千家万户,用以缓解现代人的高压生活,这在我国当前和谐社会建设中具有非常现实的意义。本文在经过理论探索和实践论证提出了色彩在居室设计中的重要性,具有前沿性和较强的实际应用价值。     

NGN技术及网络应用

首先分析了下一代网络（NGN）的发展动力，介绍了NGN的体系结构，主要业务及信令协议，最后给出了NGN在网络中的应用。     

数据结构课程实验设计之德州扑克模拟器

游戏化学习具有提高学习兴趣、激发学习动机、提升问题求解能力、促进深度学习的优点。以德州扑克模拟器的实验项目设计为例,详细介绍了游戏的牌型表示、随机发牌、牌型判断、大小比较等算法的设计和实现过程,旨在加深对数据结构课程知识的理解与应用,逐步培养学生的算法设计和程序实现技能。     

燃气壁挂炉采暖的应用现状与面临的问题

与传统的集中供暖相比,燃气壁挂炉采暖由于其良好的经济效益和社会效益得到了迅猛发展.利用华白数、一次空气系数和火孔强度等参数,分析了燃气气源由天然气更换为人工煤气后.由于气源性质的改变而需要将壁挂炉的火孔直径扩大.对于气源与壁挂炉产品之间的匹配问题,需要针对更换气源的性质,才能确定壁挂炉与气源的适应性以及与燃气之间的互换性.     

地方台的综艺节日主持及发展

综艺节目能够让大家身心得到放松,正因为它的娱乐性、互动性等特点,使得综艺节目成为了现在电视节目当中不可或缺的重要内容,一名观众喜爱的综艺节目主持人更成为整台节目的重中之重。笔者通过一名有10年县级综艺节目主持、制作经验的广电人的视角,解读地方台综艺节目的制作方向和制作心得。     

基于SSA ELM和自适应差分进化算法的拉曼放大器设计北大核心CSCD

提出了一种将樽海鞘群算法优化极限学习机与自适应差分进化算法相结合的方法,并利用该方法优化多泵浦拉曼光纤放大器的参数配置。采用极限学习机构建泵浦参数和拉曼增益之间的非线性映射,并利用樽海鞘群优化算法对极限学习机参数进行优化获得最佳模型。对比分析了上述模型与BP神经网络和传统的极限学习机模型在评价指标方面的差异,结果表明本文所提出的模型预测性能较好。为了提高增益平坦性,利用自适应差分进化算法优化泵浦参数,得到最佳的参数配置。仿真结果表明,利用该方法设计出的拉曼放大器达到了预期效果,其目标增益与预测增益的最大误差不超过05dB。该方法为今后拉曼光纤放大器的设计提供了一种新的思路方法。