石墨烯改性TiO2催化臭氧氧化降解p-CBA的研究

采用碳化热解法在TiO₂催化剂表面制备石墨烯层，并对其进行XRD、Raman、NH₃-TPD、BET、pH_zpc等表征。以对氯苯甲酸(p-CBA)为目标物，考察石墨烯改性TiO₂在催化臭氧氧化过程中的效能。结果表明，热解温度、碳源投量、固化剂投量等因素对催化剂的活性有较大影响。负载石墨烯层可显著增加TiO₂催化剂的比表面积，并使其表面酸性增强，因而提高其催化臭氧氧化活性。另外，考察了溶液pH、叔丁醇对改性TiO₂催化臭氧氧化过程的影响。溶液pH为6时，对氯苯甲酸的去除率最低。叔丁醇严重抑制了对氯苯甲酸的降解反应，间接证明了羟基自由基是催化臭氧氧化过程中的主要活性氧化物种。重复使用实验结果表明，改性后的催化剂具有良好的稳定性。     

农药残留膳食暴露评估模型研究进展

农药残留膳食暴露风险评估为化学品风险管理、食品安全与人类健康领域的重点关注问题，有效的定量风险评估模型是开展农药残留膳食暴露评价的基础工具。本文结合国内外农药残留膳食暴露风险评估研究进展，旨在归纳农药残留膳食暴露风险评估模型，包括确定性评估模型、概率性评估模型和累积性评估模型；根据模型演变、适用情形与评估需求，比对分析模型间优缺点，探讨模型不确定度、评估软件、数据库应用等关键因子。同时立足我国农药残留膳食风险评估现状，展望模型相关参数整合的紧迫性与重要性，为完善农药残留膳食暴露风险评估体系建设提供科学参考。     

基于FCM-LSTM的光热发电出力短期预测

对光热电站的出力进行短期预测，可以有效应对太阳能随机性和波动性带来的影响，为电网调度做好准备.该文以青海某光热电站为例，首先使用模糊C均值聚类算法对预处理后的实验数据进行分类，然后通过分析不同聚类类型下出力和气象数据中各因子间的关联程度，充分挖掘出数据间的关系，确定不同类型预测模型的输入变量，进而构建出不同类别下的长短期记忆神经网络预测模型.结果表明，与传统长短期记忆神经网络模型、BP神经网络模型、支持向量机模型和随机森林模型的预测结果相比，基于模糊C均值聚类的长短期记忆神经网络预测模型效果良好，大幅减少了预测误差，验证了该预测模型的有效性.     

基于WRF-Solar模式和SCA订正的短期辐照度预报研究

基于WRF-Solar模式输出的逐时气象因子，针对不同天气类型，结合逐步聚类分析方法（SCA）对逐时辐照度进行模拟和预报。结果显示，结合SCA订正方法大幅减少WRF-Solar的误差，在晴天和晴转多云（多云转晴）天气类型下模拟结果较好。在阴雨天气类型下改进明显，相对误差和均方根误差从64.03%和78.02%降至24.71%和38.02%。结果表明，结合SCA订正方法能够降低WRF-Solar由于天气的随机性及突变性引起的误差，能很好地模拟出逐时辐照度的变化趋势。     

高质量发展背景下的福建省存量空间更新特征与应对策略

改革开放以来，经过40多年的快速发展，我国逐步进入存量发展时代，在高质量发展背景下现有存量空间更新体系亟待转型与重构。通过梳理福建省存量空间更新的4个发展阶段，明确各个阶段的发展特征与主要问题，提出高质量发展背景下存量空间更新“三个一”体系重构策略，即通过内涵提升与外延拓展，重构一个概念体系；通过事权整合与规划转型，重构一个规划体系；通过制度创新与机制重塑，重构一套制度体系，形成新时期推进高质量发展的新动力。