-
具有图灵式结构并结合电辅助分离技术的碱性改性MXene纳米过滤膜
可持续水净化中纳滤膜性能提升研究,通过Alk-MXene的“新型多功能策略”制备具有图灵-like微结构的纳米纤维膜,结合电辅助分离与表面改性实现高水通量(21.01 L·m⁻²·h⁻¹·bar⁻¹)与优异性离子选择性(NaCl rejection达57.38%),并验证了长期稳定性和抗污染性能。
来源:Journal of Membrane Science
时间:2025-12-28
-
采用多源贝叶斯更新方法对海上风力涡轮机单桩基础的可靠性进行分析
系统级贝叶斯更新方案mBUS通过物理参数(如长期应力范围分布标定参数)表征组件间相关性,无需优化即可实现高效系统级疲劳可靠性评估,单桩案例显示其能显著降低不确定性并优化剩余寿命评估和设计安全系数。
来源:Marine Structures
时间:2025-12-28
-
基于HEMT(高电子迁移率晶体管)的传感器设计与仿真:利用集成方法提升重金属离子检测的选择性
基于AlGaN/GaN HEMT的水中重金属离子检测与机器学习优化研究
来源:Micro and Nanostructures
时间:2025-12-28
-
WRF模型物理参数化方案优化研究:基于熵权TOPSIS方法的伊朗西南部极端降水时空预报评估
本研究针对复杂地形区极端降水预报精度不足的问题,开展了WRF模型多物理参数化方案组合的优化研究。通过构建84种物理方案组合,结合时空统计指标(SSIM、Moran's I、Kappa、RMSE、NSE、R2等)和熵权TOPSIS多准则决策方法,系统评估了不同方案在伊朗西南部山区的预报性能。研究发现New Thompson微物理方案与KF积云参数化、MYJ行星边界层方案的组合(62号)最优,显著提升了降水时空分布预报准确性,为山区洪水预警和气候风险评估提供了方法论创新。
来源:Physics and Chemistry of the Earth, Parts A/B/C
时间:2025-12-28
-
上印度河流域积雪覆盖变化与水文响应的遥感及多方法统计分析
本研究针对气候变化对巴基斯坦脆弱的水-能源-粮食纽带构成的威胁,聚焦严重依赖积雪融水的上印度河流域(UIB)。研究人员利用MOD10A2产品的8日积雪数据(2009-2024年),结合35年气候数据,通过Mann-Kendall趋势检验、Pearson相关、结构方程模型(SEM)和小波相干分析等方法,揭示了吉尔吉特-巴尔蒂斯坦地区积雪覆盖面积(SCA)虽总体稳定(Sen's斜率≈0.035% year−1),但气温上升伴随降水和径流减少(Sen's斜率分别为-13.12 mm year−1和-11.62 mm year−1)的趋势。结果表明,积雪持续减少及径流变化对水电生产、灌溉资源和下游水资源可及性构成威胁,凸显了适应性管理的紧迫性。
来源:Physics and Chemistry of the Earth, Parts A/B/C
时间:2025-12-28
-
通过水热法制备的创新MgCrO₄/rGO复合材料用于超级电容器应用
通过水热法成功制备了MgCrO4/rGO纳米复合材料,在碱性电解质中表现出1415 F/g的高比电容、237.5 W/kg的功率密度和44.3 Wh/kg的能量密度,循环稳定性达3000次后仍保持性能。rGO的引入增强了导电性和离子传输效率,解决了MgCrO4纳米颗粒易团聚的问题。
来源:Polyhedron
时间:2025-12-28
-
利用固定在壳聚糖上的锰卟啉实现光驱动的烯烃氧化:一种基于绿色化学的可持续方法
光催化氧化异丁醛促进活性氧生成,MnTCPP@Chitosan催化剂在可见光下高效稳定氧化烯烃,TOF达1200,经多表征证实其负载效果及活性物种,为绿色化学提供新策略。
来源:Polyhedron
时间:2025-12-28
-
基于多材料复合吸音技术的超音速动力喷涂降噪性能研究
多材料复合吸声装置有效降低超音速雾化降尘技术高频噪声,实验与模拟显示单层腔体最优直径56mm,降噪10.9%~13.4%;多层复合结构降噪21.2%,气凝胶材料性能最佳,同步提升降尘效率超88%并达标85dB以下。
来源:Powder Technology
时间:2025-12-28
-
一种通过分析压延引起的颗粒压痕的接触面积来评估电极界面质量的方法
锂离子电池电极压平工艺对电流收集器箔与涂层界面特性的影响研究。提出自动化模型化方法量化压平诱导的粒子凹痕几何特征,发现接触面积与电气电阻、粘附强度呈强相关性,且电流收集器箔的机械性能显著影响凹痕形成及接触面积发展。
来源:Powder Technology
时间:2025-12-28
-
可解释的机器学习方法在预测基于三元工业废料的地质聚合物灌浆材料的抗压强度方面的应用
工业固废制备的地聚物注浆材料(GGM)配比优化及机器学习模型研究。通过27种配比实验获得575组抗压强度数据,构建随机森林、XGBoost、CNN和BPNN模型并优化超参数,PSO-BPNN模型R²达0.97503。SHAP分析表明固化年龄(53.1%)和水灰比(33.3%)主导强度发展,推导出各参数合理范围。提出可解释机器学习框架指导固废协同优化,为可持续注浆材料开发提供理论支撑。
来源:Powder Technology
时间:2025-12-28