β-环糊精修饰Ni/SFCC强化C9石油树脂催化加氢性能

以废弃的流化催化裂化催化剂（简称SFCC）为载体、β-环糊精为金属络合剂、硝酸镍为镍源，采用湿法浸渍法制备β-环糊精修饰的Ni/SFCC催化剂（简称Ni/SFCC-CD催化剂），考察其对C9石油树脂的催化加氢性能。通过BET比表面积测试、H2程序升温还原、X射线光电子能谱等手段对催化剂的物相结构进行表征，研究β-环糊精的作用机理及其对催化剂加氢性能的影响。研究结果表明：在反应温度为260 ℃、反应压力为7 MPa、反应时间为2.0 h的最优条件下，采用Ni/SFCC-CD催化C9石油树脂加氢，可制得溴值为1.45 gBr/（100 g）、色号（加纳德）小于1的水白色氢化C9石油树脂，催化剂循环使用4次后仍保持良好活性；β-环糊精的作用机理是：β-环糊精与硝酸镍产生络合作用，抑制硝酸镍的分解、控制NiO的结晶过程和增强活性组分Ni与载体之间的相互作用力，从而提高了Ni/SFCC-CD的催化活性和稳定性。     

Top-down技术评估钢中氧的测量不确定度

基于2014年实验室日常分析钢中氧的质控数据,应用top-down技术的控制图法和稳健统计-迭代法评估了惰气熔融-红外吸收法测定钢中氧的测量不确定度。对于含氧量为52μg/g的钢铁,两种方法得到的标准不确定度均为2.8μg/g,和认定值3μg/g具有较好的一致性。     

磺酸型离子液体催化合成脂肪族1,2-二醇

以磺酸型离子液体1-(3-丙烷磺酸)吡啶磷酸氢盐[PyPS]H_2PO_4为催化剂催化甲酸-双氧水氧化端烯烃合成相应的1,2-二醇,采用~1H NMR对产物的结构进行了表征。以1-己烯合成1,2-己二醇为模型反应,得到了反应的优化条件,即:n(1-己烯)∶n(H_2O_2)∶n(甲酸)=1∶1.1∶2,催化剂[PyPS]H_2PO_4 2.5 mol%,反应温度50℃,反应6 h。在此条件下,1,2-己二醇、1,2-戊二醇、1,2-辛二醇、1,2-环己二醇以及苯乙二醇收率分别为78.2%,74.7%,68.8%,76.2%和74.0%。[PyPS]H_2PO_4容易回收,在循环使用中催化活性未见明显降低。     

建-桥合建高架车站性能化设计方法及算例

针对以建筑为主体的建-桥合建高架车站,提出相应的结构性能化设计标准,并通过算例验证了该类高架车站的具体结构性能化设计方法,即车站整体按照建抗规计算,相关构件按照铁抗规及桥抗规复核;这一设计方法综合了建抗规、铁抗规和桥抗规的相关要求,并最大程度满足了上述规范的规定。此外,通过对比计算,比较按照新老规范设计的横向双柱建-桥合建高架车站之间的安全储备差异,得到按照建抗规进行结构性能化设计的车站结果偏于安全的结论。     

N,N-二乙酸酯基芳香胺系列染料中间体的合成

以间乙酰氨基苯胺、3-氨基-4-甲氧基乙酰苯胺为原料,氯乙酸甲酯和氯乙酸乙酯为烷基化试剂,研究了催化剂种类、缚酸剂种类、反应时间和加料方式对反应的影响,并对合成的四个N,N-二乙酸酯基芳香胺系列染料中间体进行了结构表征。结果表明:Na Br和Na_2CO_3分别是催化该类反应合适的催化剂和缚酸剂。当芳香胺:氯乙酸酯:碳酸钠为1:4:1. 1(mol),在回流反应2h后加入10%的催化剂溴化钠和0. 5%抗氧化剂(m),再进行分水回流反应2h,得纯度99%(HPLC)、收率98%以上的N,N-二乙酸酯基芳香胺系列染料中间体。经紫外光谱、红外光谱、核磁共振氢谱和质谱分析,所合成的四个N,N-二乙酸酯基芳香胺系列染料中间体为目标产物。     

浅谈彰武地区雾霾产生因素及其治理措施

彰武地区的雾-霾天气已成为常见的环境污染问题,而且有迅猛增长之势。空气质量的下降,不仅影响着人们的身体健康和出行,而且对社会发展有着不可估量的负面影响。通过对本地区雾-霾天气造成的污染问题,浅析其产生的因素和季节特点,以及应采取的治理措施。     

四川盆地高石梯-磨溪地区下二叠统气源示踪

以天然气、烃源岩及储层沥青的地球化学特征为主要依据,通过天然气-天然气、储层沥青-烃源岩、天然气-烃源岩3个方面对比,深入探讨四川盆地高石梯-磨溪地区下二叠统天然气来源。研究表明,四川盆地高石梯-磨溪地区下二叠统天然气主要来源于筇竹寺组泥岩。其5项证据分别为:下二叠统天然气乙烷碳同位素小于-30.5‰,甲、乙烷碳同位素倒转是由高演化程度烃源岩所致;多数下二叠统天然气与龙王庙组天然气特征最为相似;GS18,NC1井下二叠统天然气特征与寒武系相似,说明上下层气源一致;高石梯-磨溪地区下二叠统储层沥青地球化学特征与筇竹寺组泥岩最为相似;筇竹寺组泥岩主要为下二叠统供气,这一认识符合干酪根油气生成理论和同位素分馏规律。     

因素空间理论下基点分类算法研究

目前，基于因素空间理论的背景基提取算法计算过程复杂，初始化必须依赖各因素极值，基点数量提取冗余等原因，未能在应用中取得很好效果。为此，结合内点判别法和知识可继承、可扩展的思想，提出一种计算简单、初始化独立、基点数量小的改进的背景基提取算法。然后，利用改进的背景基提取算法构造出一种全新的数据分类算法-基点分类算法，基点分类算法以提取每一类样本的背景基为预测模型，再通过新定义的λ-背景基，优化预测模型。数值实验表明:基点分类算法原理简单、构造难度小、分类模型泛化能力强，预测能力准确率高，同时严格的模型限定区域又能为识别新类别提供新方法。