导读:本文包含了聚合率论文开题报告文献综述及选题提纲参考文献，主要关键词:离子色谱,水溶磷,聚磷酸铵,聚合率
聚合率论文文献综述
陶绍程,刘旭,杨俊,龙庆兰[1]（2019）在《利用离子色谱快速测定磷酸二铵的水溶磷以及水溶性聚磷酸铵的聚合率》一文中研究指出水溶磷含量是磷酸二铵的重要产品指标。介绍了一种利用离子色谱快速测定磷酸二铵产品中的水溶磷含量的方法。通过与重量法比较,二者的偏差小于2%,证明其精度较高。聚合率是衡量聚磷酸铵产品品质的重要指标,介绍了一种利用离子色谱快速测定水溶性聚磷酸铵的聚合率的方法。(本文来源于《云南化工》期刊2019年09期）
李成志,胡兆平,刘永秀,于南树[2]（2019）在《磷酸尿素法合成聚磷酸铵聚合率影响因素的探讨》一文中研究指出聚磷酸铵是由高温聚合而成,不仅有缓释磷源的作用,而且其独特的—P—O—P—化学键具有螯合金属离子的功能。通过实验讨论聚合温度、聚合时间、原料湿法磷酸品质以及尿素的加入量对聚磷酸铵聚合率的影响。结果表明,一定时间内,聚合率随着温度的升高而增加;一定温度下,聚合率随着聚合时间的延长而增大;聚合率随着尿素加入量的减少而降低;湿法磷酸的品质不仅影响聚合率的大小,而且影响产品的外观。(本文来源于《磷肥与复肥》期刊2019年01期）
高艳菊,亢龙飞,褚贵新[3]（2018）在《不同聚合度和聚合率的聚磷酸磷肥对石灰性土壤磷与微量元素有效性的影响》一文中研究指出【目的】聚合度和聚合率是影响聚合态磷肥肥效的关键指标,本研究旨在明确聚合度和聚合率对聚磷酸盐在土壤中的转化、土壤磷有效性及磷肥肥效的影响。【方法】以灌耕灰漠土为供试土壤,玉米为供试作物进行了盆栽试验。试验共设5个处理:不施磷肥(CK);磷酸二氢铵(MAP);聚合度和聚合率不同的3种聚磷酸铵磷肥平均聚合度3,聚合率40%(APP-3-40%);平均聚合度3,聚合率90%(APP-3-90%);平均聚合度2.7,聚合率90%(APP-2.7-90%)。除对照不施磷肥外,每钵(7kg土)施N 2.4 g、P2O5 1.1 g、K2O 0.7 g。于播种后第10、20、30、40、50、60、70、80、90 d采集土样,测定土壤水溶性磷和Olsen-P。并于第90 d测定土壤全磷,土壤有效态Fe、Mn、Zn含量和磷分级(Guppy法)。分别于播种后第45和90 d取玉米植株样品,测定玉米干物质,含磷量与微量元素Fe、Mn与Zn含量。【结果】与MAP处理相比,不同聚合度与聚合率的聚磷酸磷肥处理均可显着提高土壤有效磷含量。聚合度均为3时,APP-3-90%处理土壤水溶性磷与有效磷比APP-3-40%分别提高了15.7%与7.9%,土壤Resin-P与NaHCO_3-P分别提高了38.0%与22.8%,HCl-P则降低了6.2%。聚合率均为90%时,APP-3-90%处理的土壤有效磷比APP-2.7-90%提高了5.0%,Resin-P与NaHCO_3-P分别提高了75.1%与34.2%,HCl-P降低了12.0%,APP-3-90%的玉米干物质与吸磷量比APP-2.7-90%处理的分别提高了14.3%与4.5%,聚合度相同的APP-3-90%与APP-3-40%处理间差异不显着。聚磷酸磷肥可显着提高土壤微量元素(Fe、Mn、Zn)的有效性。在相同聚合率(90%)下,APP-3-90%处理的土壤有效Fe、Mn和Zn含量比APP-2.7-90%分别提高了5.7%、8.4%与29.9%。在相同聚合度(n=3)下,APP-3-90%处理的土壤有效Fe和Zn含量比APP-3-40%分别提高了3.0%和29.0%。在相同聚合率(90%)下,APP-3-90%处理玉米的Fe和Zn吸收量比APP-2.7-90%分别提高了5.7%和19.5%,不同聚合率处理间差异不显着。【结论】聚磷酸磷肥可显着提高石灰性土壤磷及Fe、Mn和Zn的有效性,减少土壤对磷的固定;聚合度对土壤磷有效性与微量元素的活化作用显着大于聚合率。(本文来源于《植物营养与肥料学报》期刊2018年05期）
苗志伟,赵芸,王学,蔡国伟,丁晓丽[4]（2018）在《聚磷酸铵生产工艺与聚合度及聚合率的测定》一文中研究指出作为一种含磷氮的无机聚合物,聚磷酸铵正在逐渐进入复合肥和液体肥料的生产领域。介绍了聚磷酸铵的生产工艺和利用端基滴定法测定聚磷酸铵聚合度以及离子交换分离法测定聚磷酸铵聚合率的方法。(本文来源于《化肥设计》期刊2018年03期）
何岸,龙军,张金焕,张昊,罗跃逸[5]（2016）在《无线传感网中基于可变聚合率的时隙调度》一文中研究指出针对任意数据聚合率模型下的时隙调度问题,研究了在不同调度周期下进行的各节点时隙分配算法的sink节点汇聚的数据信息量和网络节点能量消耗的变化情况.通过对节点调度时隙分配的优化,使其在满足sink节点汇聚的数据信息量的同时延长网络节点的寿命.仿真结果表明,在大于一跳节点最小调度周期的基础上,适当增大调度周期,并依此进行节点时隙的分配,可以使sink节点汇聚的数据信息量提高,而且网络的寿命也相应提高.(本文来源于《上海交通大学学报》期刊2016年09期）
杨静[6]（2015）在《基于FOA_GNN的醋酸乙烯聚合率预测》一文中研究指出醋酸乙烯(VAC)聚合率是聚乙烯醇生产过程中的一个重要质量指标,但难以在线测量,从而无法实现有效的聚乙烯醇质量控制。本文应用果蝇优化算法(FOA)对灰色神经网络(GNN)的白化参数进行优化,建立了基于FOA_GNN的预测模型,用该模型对VAC聚合率进行预测。仿真结果表明,相对于标准灰色神经网络(GNN)预测模型,果蝇算法优化的灰色神经网络模型具有调整参数少、全局最优以及预测精度高等优点,是一种有效的VAC聚合率预测方法。(本文来源于《第26届中国过程控制会议（CPCC2015）论文集》期刊2015-07-31）
韩志强,王文华,王彬,倪亮亮,钱培[7]（2015）在《血小板膜P2Y12受体基因T744C多态性对外伤性脑梗死(PTCI)患者血小板聚合率及疗效的影响》一文中研究指出目的:外伤性脑梗死(posttraumatic cerebral infarction,PTCI)是颅脑损伤的常见并发症之一,P2Y12受体介导血小板聚集是血栓形成的重要通路,与血小板聚集形成密切相关。本研究探讨外伤性脑梗死发生发展与血小板膜P2Y12受体基因T744C基因多态性的关系。方法:用聚合酶链反应(PCR)和限制性酶切片段长度多态性(RFLP)技术对186例外伤性脑梗死患者P2Y12受体基因T744C多态性进行分析。分别在治疗前和治疗后对所有颅脑外伤患者的伤情GCS评分,并按基因型分组对照分析结果。结果:血小板膜T744C血小板膜T744C基因型基因频率分别为TT基因型59.14%、TC型32.26%、CC型8.60%,T等位基因75.27%、C等位基因24.73%;其中TT基因型对奥扎格雷反应较敏感,GCS评分预后好;而CC型对奥扎格雷反应性低,预后差。结论:T744C基因多态性中CC基因型可能导致外伤性脑梗死临床及预后存在明显的个体差异,与其对抗血小板药物抵抗有关。T744C的C等位基因可能是脑梗死的遗传危险因素,开展相关遗传学风险研究,对于进一步缓解脑梗症状、改善预后具有重要意义。(本文来源于《现代生物医学进展》期刊2015年02期）
刘安安[8]（2014）在《基于最小二乘支持向量机的醋酸乙烯聚合率软测量应用研究》一文中研究指出随着社会的发展，人们环保意识提升和商品全球化竞争加剧，市场对产品的能耗和质量品质要求越来越严格。醋酸乙烯（VAC）聚合率是VAC聚合生产下游化工产品过程当中一个十分重要的参数，其对产品生产过程当中的能耗、安全、经济和质量品质等方面都有显着影响。然而目前我国大部分工厂对VAC聚合率还只是停留在人工离线化验分析检测阶段，还无法实现工业在线快速检测。为此，本文利用软测量技术的原理对VAC聚合率检测进行了研究，根据VAC聚合反应的特点，应用了基于最小二乘支持向量机（LSSVM）为核心的在线VAC聚合率软测量方法。主要工作如下：1.本文系统地阐述了VAC聚合反应过程和机理，分析了影响VAC聚合率的相关要素，通过对软测量技术的思想、主要方法和一般实现步骤的介绍，运用软测量技术来解决在线检测VAC聚合率困难的问题。2.详细介绍了支持向量机的思想及数学基础，通过对支持向量机性能的仿真分析，采用LSSVM建立起了VAC聚合率软测量模型；MATLAB仿真结果表明，LSSVM软测量模型能很好的跟踪VAC聚合率真实值变化，拟合精度较高。3.针对LSSVM在建立模型时能显着影响模型性能的参数难以选择的问题，又由于分析发现传统经验法和常规网格法参数寻优存在搜索效率低等缺陷，本文运用遗传算法智能选取LSSVM最优参数；对基本遗传算法存在易陷入局部解等不足进行改进，最终建立了改进型自适应遗传算法（IAGA）优化LSSVM参数的软测量模型，通过对VAC聚合率仿真测试，表明模型具有很高的预测精度、参数自适应寻优性能和泛化性能。4.针对LSSVM不能满足VAC生产过程在线学习样本以更新模型数据需求的不足，本文对LSSVM进行了改进并提出了在线学习的LSSVM，利用IAGA进行参数寻优后，建立了基于改进型在线学习最小二乘支持向量机（IOLSSVM）软测量模型。仿真结果表明，IOLSSVM不仅能满足在线生产情况下的VAC聚合率软测量需求，而且具备相当高的精度和泛化能力。本文研究的课题对VAC聚合率在线检测的实现提供了新的解决方案，具有重要现实意义。(本文来源于《华东交通大学》期刊2014-06-30）
黄戚辉[9]（2014）在《近红外快速测定VAC聚合率》一文中研究指出本文研究了傅里叶变换红外光谱技术快速测定VAC聚合率的方法。通过样品的近红外光谱与常规分析方法测定的VAC聚合率数据相关联,建立了近红外光谱预测模型,模型的决定系数R2为99.85,交叉验证误差均方根RMSECV为0.604。模型预测值和常规分析方法测定值的偏差基本上小于±1.0%,10次重复测量偏差小于±0.4%,表明方法的检测的准确度及精密度较好。(本文来源于《化工管理》期刊2014年09期）
夏梁志[10]（2012）在《基于醋酸乙烯聚合率在线检测的软测量建模方法研究》一文中研究指出在工业过程控制中,为确保生产装置处于最佳运行工况,提高产品质量和企业的经济效益,就必须对产品质量或与产品质量密切相关的重要过程变量进行实时检测和优化控制。醋酸乙烯聚合率是聚乙烯醇生产过程中的重要质量指标,它对生产过程的经济性、安全性,以及产品的最终用途有着重要影响。然而由于某些技术或经济方面的原因,目前我国大部分工厂还无法实现对醋酸乙烯聚合率的连续在线检测。针对这一情况,本文采用基于结构风险最小化的LSSVM(Least Squares Support Vector Machine,最小二乘支持向量机)对醋酸乙烯聚合率的在线检测进行软测量方法研究。具体的研究工作如下：首先,系统阐述了软测量技术的基本原理和常用的建模方法,并通过深入分析聚乙烯醇工业生产过程和醋酸乙烯聚合反应机理,得出了影响醋酸乙烯聚合率的多种因素,研究了辅助变量的选取。其次,详细给出了支持向量机的基本原理,核函数技术以及LSSVM回归算法的推导过程,并在此基础上建立了基于LSSVM的醋酸乙烯聚合率软测量模型。仿真结果表明,通过与径向基神经网络、标准支持向量机相比较,LSSVM方法建立的醋酸乙烯聚合率软测量模型具有更强的泛化能力,能较好的跟踪样本真实值的变化。但是研究发现,LSSVM参数选择对醋酸乙烯聚合率软测量模型性能影响很大,不合适的模型参数将导致醋酸乙烯聚合率软测量失败。最后,针对传统方法在选择LSSVM模型参数的不足,本文提出采用两种量子群智能优化算法来自动选取LSSVM参数。把LSSVM模型参数选择问题转化为优化问题,分别采用全局搜索能力强的QGA(Quantum Genetic Algorithm,量子遗传算法)和QPSO (Quantum Particle Swarm Optimization,量子粒子群优化)算法来进行寻优,并利用优化算法得到的最佳正则化参数与核函数参数建立了基于QGA-LSSVM和QPSO-LSSVM的醋酸乙烯聚合率软测量模型。仿真结果表明,与传统的交叉验证法,遗传算法以及粒子群算法相比,本文提出的方法所建立的两种模型均具有良好的预测精度和泛化性能,满足醋酸乙烯聚合率工业的控制要求。而QPSO-LSSVM与QGA-LSSVM法相比则具有较快的建模速度和较小的泛化误差,是更适合醋酸乙烯聚合率软测量建模的方法。本文的研究工作为实现醋酸乙烯聚合率的在线检测提供了一种新的有效途径。(本文来源于《兰州交通大学》期刊2012-06-07）
聚合率论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
聚磷酸铵是由高温聚合而成,不仅有缓释磷源的作用,而且其独特的—P—O—P—化学键具有螯合金属离子的功能。通过实验讨论聚合温度、聚合时间、原料湿法磷酸品质以及尿素的加入量对聚磷酸铵聚合率的影响。结果表明,一定时间内,聚合率随着温度的升高而增加;一定温度下,聚合率随着聚合时间的延长而增大;聚合率随着尿素加入量的减少而降低;湿法磷酸的品质不仅影响聚合率的大小,而且影响产品的外观。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
聚合率论文参考文献
[1].陶绍程,刘旭,杨俊,龙庆兰.利用离子色谱快速测定磷酸二铵的水溶磷以及水溶性聚磷酸铵的聚合率[J].云南化工.2019
[2].李成志,胡兆平,刘永秀,于南树.磷酸尿素法合成聚磷酸铵聚合率影响因素的探讨[J].磷肥与复肥.2019
[3].高艳菊,亢龙飞,褚贵新.不同聚合度和聚合率的聚磷酸磷肥对石灰性土壤磷与微量元素有效性的影响[J].植物营养与肥料学报.2018
[4].苗志伟,赵芸,王学,蔡国伟,丁晓丽.聚磷酸铵生产工艺与聚合度及聚合率的测定[J].化肥设计.2018
[5].何岸,龙军,张金焕,张昊,罗跃逸.无线传感网中基于可变聚合率的时隙调度[J].上海交通大学学报.2016
[6].杨静.基于FOA_GNN的醋酸乙烯聚合率预测[C].第26届中国过程控制会议（CPCC2015）论文集.2015
[7].韩志强,王文华,王彬,倪亮亮,钱培.血小板膜P2Y12受体基因T744C多态性对外伤性脑梗死(PTCI)患者血小板聚合率及疗效的影响[J].现代生物医学进展.2015
[8].刘安安.基于最小二乘支持向量机的醋酸乙烯聚合率软测量应用研究[D].华东交通大学.2014
[9].黄戚辉.近红外快速测定VAC聚合率[J].化工管理.2014
[10].夏梁志.基于醋酸乙烯聚合率在线检测的软测量建模方法研究[D].兰州交通大学.2012