公开(公告)号：CN117963878A

公开(公告)日：2024-05-03

申请号：CN202311815994.8

申请日：2023-12-27

Applicant: 中南林业科技大学

Inventor： 罗勇锋 ,  欧阳杰 ,  罗培源 ,  周靓靓

IPC: C01B32/05 ,  B01J20/20 ,  C02F1/28 ,  C25B11/043 ,  C25B11/065

Abstract: 一种基于溶剂渗透增加木质碳微介孔的方法，其特征在于：包括以下步骤；将木材切成预设尺寸的薄片，进行热改性；将经过步骤1）预碳化的木材薄片浸润在极性溶剂中6‑10小时，并且超声震荡；所述极性溶剂包括丙酮、乙醇、石油醚、乙酸乙酯、甲醇和水；将经过步骤2）处理的薄片在极性溶剂中浸泡8‑20小时；干燥；将干燥后的木材薄片在保护性气氛下煅烧，形成木质碳。在本发明中，利用热改性初步热解细胞壁中的纤维素/半纤维素形成角质层，再通过极性小分子溶剂的相似相溶作用与渗透作用改善热修饰木材细胞壁的孔隙率，最终简单高效的提升了木材衍生碳细胞壁的微孔/介孔体积。

公开(公告)号：CN117332820A

公开(公告)日：2024-01-02

申请号：CN202311456586.8

申请日：2023-11-03

Applicant: 中南林业科技大学

Inventor： 周璀 ,  欧阳子都 ,  罗培源 ,  杨泽发 ,  朱建军

IPC: G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 一种基于特征增强集成学习框架的SRTM DEM校正方法，包括以下步骤：1)通过FEB模块扩展特征数量；2)通过FRB模块增强特征；3)通过深度森林变体算法对SRTM DEM进行校正；增强的特征XB首先压缩成一个一维特征向量，称为XC＝{N×40}，深度森林变体算法基于XC预测高程误差，并通过从原始SRTM DEM中减去预测误差来改进SRTM DEM精度；所述深度森林变体算法为通过自适应提升算法训练深度森林，自适应提升算法中对拟合质量和特征重要性进行自适应加权。本发明所提出的校正方法与五种传统典型的SRTM DEM校正算法相比可以增强SRTM DEM在复杂地形和植被条件下的精度。