一种耐强酸磁性粒子
    51.
    发明授权

    公开(公告)号:CN105118598B

    公开(公告)日:2017-08-01

    申请号:CN201510606816.3

    申请日:2015-09-21

    Applicant: 南京大学

    Abstract: 本发明公开了一种耐酸性磁性粒子,以及在其表面嫁接功能基团,特别是吸附金属离子的功能基团。该耐酸性磁性粒子由磁性核‑氧化硅层‑疏水层‑氧化硅层包覆构成,磁性核为Fe3O4。氧化硅层由烷基氧硅烷水解包覆而成,疏水层由烷基氧硅烷和/或烷基氧烷基硅烷水解包覆而成。在该粒子上通过具有带功能基团的烷氧基硅偶联剂嫁接功能基团。该粒子能显著耐受1~2M酸,一个具体实施例为嫁接了磷酸基团的耐强酸磁性粒子,能在高酸铜电积液中高效除去锑与铋。

    基于RBF神经网络-云模型的城市水灾害风险预测方法

    公开(公告)号:CN103279671A

    公开(公告)日:2013-09-04

    申请号:CN201310218024.X

    申请日:2013-06-03

    Applicant: 南京大学

    Abstract: 本发明公开了基于RBF神经网络-云模型的城市水灾害风险预测方法,按如下步骤进行:(1)确定评价因子、等级和相应等级下的指标范围;(2)确定云模型的期望Ex和熵En;(3)根据评价因子的实测值和各等级的指标范围确定各评价因子的权重。(4)对RBF神经网络进行训练,完成RBF神经网络的建模;将云模型的评价因子的实测数据输入训练后的RBF神经网络进行仿真预测,得到各评价因子的预测值;(5)将各评价因子的预测值代入综合云模型,综合云模型计算每个评价因子预测值隶属于各风险等级的相对确定度,并乘以相应的权重得到综合风险等级分布。本发明提高预测的准确性,直观可靠,可操作性强。

    一种基于WD-RBF的水文时间序列模拟预测方法

    公开(公告)号:CN103268525A

    公开(公告)日:2013-08-28

    申请号:CN201310222565.X

    申请日:2013-06-04

    Applicant: 南京大学

    Abstract: 本发明公开了一种基于WD-RBF的水文时间序列模拟预测方法,根据选定的水文时间序列,通过小波变换得到各个尺度下的小波系数,使用软阈值消噪技术消除序列噪音,并通过小波重构得到消除噪音后的水文时间序列,将消噪后的序列进行改进的RBF网络建模,运用建立好的网络对序列进行模拟预测。本发明方法应用于四组水文时间序列的预测中,并与ARIMA模型和RBF方法作对比,结果显示:RBF能够挖掘水文时间序列中的非线性关系,小波消噪可以对水文时间序列中的噪声成分进行有效识别并剔除,达到还原真实序列的目的。实例验证WD-RBF方法不仅在序列模拟而且在数值预测上都表现出优于ARIMA模型和RBF的性能,具有更高的准确性。

    一种水文频率线型参数估计方法

    公开(公告)号:CN101697172A

    公开(公告)日:2010-04-21

    申请号:CN200910036265.6

    申请日:2009-10-12

    Applicant: 南京大学

    Abstract: 本发明公开了一种水文频率线型参数估计方法,其将模拟退火遗传算法(SAGA)和极大似然法(ML)联合使用,建立了SAGA-ML法:即将似然函数相反数求解极小值的表达式作为目标函数,依据矩法估计参数取值范围作为约束条件,然后应用SAGA进行参数估计。与常规ML法思路有本质不同,SAGA-ML法通过遗传算法进行参数优化。通过蒙特卡罗试验,验证了SAGA-ML法在参数估计和不同频率设计值估计两个方面均具有很好的准确性;同时该方法不受线型类型、参数数目和约束条件的限制;可以避免应用常规ML法时出现似然方程无解等情况;且求解过程简便快捷,使ML法在理论上和实际应用中都成为有效的方法。

    基于Transformer网络的地下水溶质弥散系数及迁移速度预测方法

    公开(公告)号:CN116680570A

    公开(公告)日:2023-09-01

    申请号:CN202310736821.0

    申请日:2023-06-21

    Applicant: 南京大学

    Abstract: 本发明公开了基于Transformer网络的地下水溶质弥散系数及迁移速度预测方法,具体步骤为:首先需要生成三维多孔介质,采用格子玻尔兹曼法(Lattice Boltzmann Method,LBM)模拟多孔介质内流场,粒子追踪法模拟溶质运移过程并得到穿透曲线;通过污染物一维迁移方程解析解与SciPy优化算法反演地下水溶质纵向弥散系数DL与迁移速度u;构建分子扩散系数Dm与平均孔隙流速u′的参数矩阵并加入多孔介质灰度图像,由此与反演参数纵向弥散系数DL、迁移速度u组成输入‑输出样本对数据集;将数据集划分为训练集、验证集与测试集并依次应用于PhyCNN‑Transformer多输出回归模型,实现对反演参数的精确预测。

    基于最大熵和高维Copula的水文变量预测方法

    公开(公告)号:CN115081701A

    公开(公告)日:2022-09-20

    申请号:CN202210659866.8

    申请日:2022-06-10

    Applicant: 南京大学

    Abstract: 本发明公开了一种基于最大熵和高维Copula的水文变量预测方法,包括如下步骤:对所有变量按照时间序列长短及预测时间精度需求划分训练集和测试集,对于所有变量的训练集应用基于矩的最大熵原理进行边际变量的分布推断,进一步筛选基于最优矩最大熵原理的边际变量分布;利用优选的最大熵边际分布建立描述多变量之间依赖关系的C‑vine Copula结构;利用高维条件函数和分位数函数在验证集中生成预测目标。本发明探讨在高维情况下最大熵(POME)和Copula联合应用的适用性,解决了传统的水文概率预测方法在概率密度函数刻画的主观性及高维结构构建的局限性问题,提出一种构建灵活、通用性强的水文概率预测方法。

    基于改进的粗糙集‑集对分析的水质评价方法

    公开(公告)号:CN106845142A

    公开(公告)日:2017-06-13

    申请号:CN201710136671.4

    申请日:2017-03-09

    Applicant: 南京大学

    CPC classification number: G06F2219/10 G16Z99/00

    Abstract: 本发明公开一种基于改进的粗糙集‑集对分析的水质评价方法,首先将集对分析理论的三元联系数推广到六元联系数,分别对应相应等级,并初步计算出各样本的联系度,然后计算出每个评价指标实测指标数值相对于指标等级分级标准的联系度,同时根据改进的粗糙集条件信息熵计算出各个评价指标的重要度和权重,将权重与各个评价指标的联系度结合起来,得到各个评价样本的联系度,最后将各分量进行归一化处理即得到各样本的平均联系度以最大数值代表的等级作为该样本的营养化等级。本发明将改进的粗糙集条件信息熵与集对分析相结合,既可解决权重确定中人为因素的影响,又能消除权重为0的顾虑,同时综合多个指标进行评价,具有合理性和有效性。

Patent Agency Ranking