浓乳液模板法制备多孔二氧化碳吸附材料

首先通过浓乳液模板法制备了多孔二氧化硅基体,然后采用物理浸渍法将聚乙烯亚胺引入到二氧化硅基体内,制备出一种氨基功能化的多孔二氧化硅材料。采用红外光谱、扫描电镜以及比表面积测试(BET)对材料的结构与形貌进行了表征,分析了浓乳液分散相体积分数对二氧化硅多孔结构的影响。最后研究了固载聚乙烯亚胺(PEI)的二氧化硅多孔材料的二氧化碳吸附性能。结果表明,随着浓乳液分散相体积分数的增加,聚苯乙烯模板材料的泡孔直径减小,由此制得的多孔二氧化硅的平均孔径减小,负载PEI后此种材料的比表面积、孔隙率和孔径均变小,最终所制备的多孔结构固体二氧化碳吸附材料具有吸附容量大与吸附可再生性好的特点,75℃最大吸附容量为3.28 mmol/g。     

基于改进的SSA-BP神经网络的矿井突水水源识别模型研究

机器学习与寻优算法的结合在矿井突水水源识别上得到广泛应用,但突水水样数据具有随机性且寻优算法易陷入局部最优,提高模型泛化能力和跳出局部最优需进一步研究。针对上述问题,提出了一种改进的麻雀搜索算法(SSA)优化BP神经网络模型,用于对矿井突水水源进行定量辨识。以鲁能煤电股份有限公司阳城煤矿为研究对象,通过常规离子浓度分析、Piper三线图对该煤矿水样的水化学特征进行分析,初步判断矿井水来源于奥灰含水层和三灰含水层,并确定Na⁺+K⁺浓度、Ca²⁺浓度、Mg²⁺浓度、HCO₃^-浓度、SO ₄^2-浓度、Cl^-浓度、矿化度、总硬度、pH值作为突水水源识别指标;建立基于改进SSA-BP神经网络的矿井突水水源识别模型：首先进行SSA参数设置,引入Sine混沌映射使麻雀种群均匀分布,然后通过计算适应度值进行麻雀种群的更新,引入随机游走策略扰动当前最优个体,如果满足终止条件,则获得最优BP神经网络权重和阈值...