肖婷婷
,
刘仁啸
,
陈刚
,
赵宝龙
,
王周为
,
李雪梅
,
李业萍
,
赵海洋
,
张林
膜科学与技术
doi:10.16159/j.cnki.issn1007-8924.2016.04.009
以界面聚合中空纤维正渗透膜为基础,系统介绍复合正渗透膜的支撑层结构和形貌,以及特性参数如膜纯水渗透系数A值、溶质透过系数B值、膜结构参数S值的测定和计算方法.这些方法对平板正渗透膜材料的表征也具有借鉴意义.
关键词:
正渗透
,
中空纤维复合膜
,
反渗透
,
表征方法
肖婷婷
,
蔡强
,
诸寅
,
兰亚琼
,
张永明
环境化学
doi:10.7524/j.issn.0254-6108.2015.03.2014071401
建立了一种中空纤维膜液相微萃取的样品前处理技术，结合液相色谱法测定印染废水中芳香胺，并且优化了萃取溶剂、供体相、接收相、搅拌速度、萃取时间等前处理条件．实验结果表明，以正辛醇为萃取溶剂，0．1 mol·L－1 NaOH为供体相，0．1 mol·L－1 HCl为接收相时，400 r·min－1作为搅拌速度，30 min萃取后的芳香胺富集倍数可达到101—193倍，萃取效率达20．2％—38．6％．结合液相色谱检测芳香胺的线性范围为0．01—0．25 mg·L－1，检出限为1．0—2．0μg·L－1，回收率为95．2％—105．2％．表明该方法可用于检测印染废水中的芳香胺类物质．
关键词:
液相微萃取
,
液相色谱
,
芳香胺
,
印染废水
唐江凌
,
蔡从中
,
肖婷婷
,
皇思洁
材料热处理学报
根据Zr-2合金的晶粒尺寸在不同热工艺参数(变形温度、变形程度、变形速率)下的12组实测数据,应用基于粒子群算法寻找最优参数的支持向量回归方法,建立了合金晶粒尺寸的预测模型.通过与模糊神经网络模型的结果进行比较,结果表明:基于相同的试验样本,支持向量回归预测模型的平均绝对误差和平均绝对百分误差都比模糊神经网络预测模型的小,而复相关系数大.这说明,支持向量回归预测模型预测精度比模糊神经网络模型要高,是简单而精确的建模方法,可用于优化热加工参数.
关键词:
支持向量机
,
模糊神经网络
,
粒子群择优
,
Zr-2合金
,
晶粒尺寸
唐江凌
,
蔡从中
,
皇思洁
,
肖婷婷
航空材料学报
doi:10.3969/j.issn.1005-5053.2012.5.016
为了研究不同时效工艺下Al-Cu-Mg-Ag合金强度性能,根据实测数据集,应用基于粒子群算法(PSO)寻优的支持向量回归(SVR)方法,建立了SVR预测模型.模型以Al-Cu-Mg-Ag合金时效温度与时效时间为输入,合金的抗拉强度、屈服强度为输出.经过与BP神经网络模型进行比较,结果表明:对于相同的训练样本和检验样本,支持向量回归模型比BP神经网络模型具有更高的预测精度.
关键词:
Al-Cu-Mg-Ag合金
,
强度
,
支持向量回归
,
粒子群优化
,
回归分析
温玉锋
,
蔡从中
,
裴军芳
,
朱星键
,
肖婷婷
功能材料
不同配方的玻璃一般具有不同的热膨胀系数.根据R2O-MO-Al2O3-SiO2(R为碱金属元素,M为碱土金属元素)系统玻璃在不同氧化物组成(SiO2,MgO,CaO,SrO,BaO,Na2O和K2O)下的热膨胀系数实测数据集,应用基于粒子群算法(PSO)寻优的支持向量回归(SVR)方法,建立了玻璃的不同配方与其热膨胀系数关系的SVR预测模型,并与基于BPNN神经网络模型的预测结果进行了比较.结果表明:对于相同的训练样本和检验样本,支持向量回归的玻璃的热膨胀系数模型始终比BPNN模型具有更高的预测精度;增加训练样本数有助于提高所建SVR预测模型的泛化能力;基于留一交叉验证法(LOOCV)的SVR预测的均方根误差(RMSE)、平均绝对误差(MAE)和平均绝对百分误差(MAPE)均为最小.本研究表明:SVR是一种预测不同配方玻璃的热膨胀系数的有效方法.
关键词:
玻璃
,
热膨胀系数
,
支持向量机
,
粒子群算法
,
留一交叉验证法
,
回归分析
,
预测
