g-C3N4掺杂TiO2/活性炭复合光催化剂的制备及其光催化性能

采用直接热聚合法和溶胶-凝胶法分别制备石墨相氮化碳(g-C3N4)和二氧化钛活性炭复合材料(TiO₂/AC)两种前驱体，再通过两步法制备石墨相氮化碳掺杂二氧化钛活性炭复合光催化剂(g-C₃N₄/TiO₂/AC)。利用扫描电镜(SEM)、透射电镜(TEM)、X射线衍射(XRD)、紫外-可见吸收光谱(UV-Vis)以及瞬态荧光光谱(PL)等方法对g-C₃N₄/TiO₂/AC复合光催化剂进行表征；以亚甲基蓝(MB)作为模拟染料，探究g-C₃N₄/TiO₂/AC复合光催化剂的暗吸附性能、光催化降解性能、循环使用性能和光催化降解反应动力学，并对反应机理进行探讨。结果表明：g-C₃N₄/TiO₂/AC复合光催化剂具有较好的层状结构，且对可见光具有较好的吸收，在加入量为2.0 g/L时，其对MB的暗吸附率和光催化降解率...     

基于改进OS-ELM的电子鼻在线气体浓度检测

电子鼻是一种仿生传感系统，该设备能够同时对多种气体进行识别，因此应用在许多领域当中。气体浓度算法是电子鼻对气体定量分析时的核心部分，为了提高电子鼻浓度检测算法精度，提出一种基于在线序列极限学习机（Online Sequential-Extreme Learning Machine, OS-ELM）的预测模型。该模型通过一维卷积神经网络（One DimensionalConvolutionalNeuralNetwork,1DCNN）提取特征，使用OS-ELM对气体浓度进行预测，并提出了一种改进的粒子群（Particle Swarm Optimization, PSO）算法以克服OS-ELM需人工调整模型参数的问题。由理论分析，改进的算法比传统PSO算法有更强的搜索能力。实验结果表明，所提模型对气体的预测精度上较传统的预测模型具有更高的预测精度和泛化能力。