为进一步提升钛酸锂材料的性能, 本文在传统静电纺丝技术的基础上, 将纺丝喷头改进成内外嵌套的同轴喷头, 以两种溶液的形式进行同轴共纺, 得到了具有空心结构的钛酸锂纤维丝.将其与传统静电纺丝法制备的实心结构钛酸锂纤维丝进行对比, 结果表明: 空心钛酸锂材料粒度均一、无团聚现象, 材料具有明显的空心结构, 结晶性能良好, 比表面积是实心结构的1.3倍.形貌结构的改善极大地提高了空心钛酸锂材料的电化学性能, 表现为小倍率下二者的放电比容量接近理论比容量, 但在20C倍率下空心结构的钛酸锂材料优于实心钛酸锂, 仍可达到130 mA·h·g-1, 循环200周后容量保持率仍达98%, 具有良好的稳定性; 循环伏安和交流阻抗曲线也表明: 空心结构使得钛酸锂材料的极化程度减少, 电化学反应阻抗降低, 更有利于电化学反应的进行

采用高温固相法成功制备了 Li2x−ySr1−xTi1−yNbyO3(x=3y/4, y=0.25, 0.5, 0.6, 0.7, 0.75, 0.8) 锂离子固体电解质，并通过X 射线衍射（XRD）、扫描电子显微镜（SEM）、交流阻抗图谱、恒电位极化等分别研究了各个组分的晶体结构、微观形貌、离子电导率和电子电导率. XRD 显示当 y≤0.70 时，材料为立方钙钛矿型结构，几乎没有杂质相生成. SEM 表明随着掺杂含量 的增加材料的晶粒尺寸逐渐增大. Li0.35Sr0.475Ti0.3Nb0.7O3 锂离子固体电解质有着高离子电导率，为 3.62×10−5 S·cm−1，其电子电导率为 2.55×10−9 S·cm−1，活化能仅为 0.29 eV. 使用以 Li0.35Sr0.475Ti0.3Nb0.7O3 为隔膜的 LiFePO4/Li 半电池经过 100 圈循环后，放电比容量仍有 93.9 mA·h·g−1，容量保持率为 90.72%

利用旋转圆柱电极，结合电化学方法（电化学交流阻抗、极化曲线）、激光扫描共聚焦显微镜、扫描电子显微镜和紫外-可见分光光度法研究了流动工况下油水分层介质中缓蚀剂在油水两相界面处的作用效果及机理。结果表明，该工况下，100 mg·L?1十七烯基胺乙基咪唑啉季铵盐缓蚀剂对碳钢在油水两相分层介质中的水区具有良好的缓蚀效果，缓蚀效率高达99%，但在油水两相界面区域，由于油相的大量存在，导致缓蚀剂的有效质量分数降为混合前的31%，缓蚀效率仅为83%，缓蚀效果较差，碳钢腐蚀未得到有效抑制，甚至出现了沟槽腐蚀。因此，在油区试样腐蚀轻微，并且缓蚀剂的加入有效抑制了水区X65钢的腐蚀

以Na2MoO4·2H2O、NiSO4·6H2O和MnO2为原料, 采用水热法成功制备了类松果状NiMoO4/MnO2复合材料.通过X射线衍射、扫描电子显微镜、恒电流充放电、循环伏安和交流阻抗对材料进行表征.结果表明, MnO2的最佳质量分数为10%, 所得NiMoO4/MnO2复合材料具有类松果状形貌, 其颗粒直径为200~600 nm, 且表面粗糙、多孔; 在1 A·g-1的电流密度下, MnO2质量分数为0、5%、10%、15%、20%时, 所得复合材料NM0、NM5、NM10、NM15和NM20的放电比电容分别为260、248、650、420和305 F·g-1.在电流密度为10 A·g-1下, 最佳样品NM10复合材料的首次放电比容量为102 F·g-1, 经过100次循环后, 其放电比电容稳定在147 F·g-1.该性能的提高, 主要是由于MnO2的引入弥补了NiMoO4单一材料存在的不足, 从而达到协同增效的作用

水力压裂过程中支撑剂的注入是为了防止地应力将已压裂出的裂缝重新闭合。为了研究复杂裂缝网络中支撑剂的运移分布规律，及支撑剂非均匀分布对开采动态规律的影响，基于作者之前提出的数个数学模型，建立了致密储层压裂注砂开发耦合计算模型。通过计算结果可以得知：裂缝网络中，支撑剂会在裂缝交汇处大量堆积，砂堤高度高于缝网其他部分。次级裂缝中的支撑剂更多的处于悬浮状态，且支撑剂沉降堆积高度相较于主裂缝小25%～50%，相互沟通的次级缝具有更高的支撑剂沉降程度。缝网中支撑剂非均匀分布对模拟计算结果具有较大影响，当储层渗透率为0.05 mD时，忽略支撑剂非均匀分布计算出的产量高出实际值41.7%，因此在进行低渗透率储层模拟时，支撑剂非均匀分布状态不可忽略；当基质渗透率为5 mD时，产量计算差异在5%以内，此时不考虑支撑剂非均匀分布相对合理

植物修复是土壤重金属污染修复的重要手段。为了探明南水北调工程中线水源地土壤污染状况并对其进行修复，本研究以湖北省朝北河和典型钒矿冶炼厂为对象，按季节采集该区域土壤（样本量n = 14）和当地优势陆生植物（样本量n = 113），使用微波消解?电感耦合等离子体质谱(ICP?MS)测定V、Cr、As和Cd重金属含量，根据内梅罗指数法综合评价了土壤污染程度，评估了各种植物对四种重金属的富集能力。结果表明，朝北河采样点中排污口与河水交汇处土壤中重金属Cd含量较高；钒矿冶炼厂原矿堆放区V超标近83倍，Cr、As和Cd重金属超标两倍以上，土壤受到严重污染；其他采样点均受到不同程度的重金属污染。植物重金属富集能力和耐受性评价结果表明，鼠麴草、密叶飞蓬、一年蓬对四种重金属耐受性极强，小蓬草、白茅、少花龙葵、野菊、白车轴草、稗是V、Cr和Cd的超富集植物，蜈蚣草、构树对As的富集能力极强，野艾蒿对Cr和Cd的富集能力较强，丁香蓼和日本毛连菜分别对Cr和V具有较强的耐受性和富集特异性，委陵菜和垂序商陆对Cd具有较强的富集能力和特异性。五种优势植物盆栽实验表明，苎麻在复合金属污染条件下耐受性最强，委陵菜富集能力最强

传统湿法炼锌工艺采用纯铝板作为阴极,但随着锌精矿品位的降低,电解液中杂质离子含量增大,造成阴极腐蚀消耗增加.本文以铝锰合金为研究对象,研究锰作为添加元素,与铝形成良好铝锰合金阴极材料的电化学行为,进一步提高铝阴极的耐蚀性和电催化活性.采用交流阻抗、阴极极化曲线、恒电流极化曲线、塔菲尔曲线等分析方法,探讨不同Mn元素含量对铝锰合金在40℃恒温条件,Zn2+ 65 g·L-1和H2SO4 150 g·L-1溶液中电化学行为的影响.研究结果表明:相比纯铝电极,添加Mn元素的铝锰合金电极的耐蚀性普遍提高,腐蚀电流均减小;随着Mn含量的增加,腐蚀电流逐步降低,腐蚀电位与Mn含量增加无明显变化规律;当Mn质量分数为1.5%时腐蚀电流达最低(1.11 mA·cm-2),腐蚀电位最小(-1.0954 V);零电势下,表观电流密度i0受Mn元素的添加影响显著,i0随Mn含量增加呈现出先增大后减小的趋势,在Mn质量分数1.5%时达到最大值3.7462×10-16 mA·cm-2,远大于纯铝电极4.8027×10-33 mA·cm-2,整体变化幅度明显,电极的电催化活性得到提高;不同电流密度下的析氢过电位和纯铝电极的整体接近,电化学过程均为电化学传质步骤控制.综合考虑电极材料的耐蚀性和电催化活性,含Mn质量分数1.5%的铝锰合金可作为理想的电积锌阴极使用

采用溶胶凝胶法制备石墨烯气凝胶（GA），并研究了前驱液中的pH值与氧化石墨烯（GO）的质量分数对GA材料储能性能的影响。使用X射线粉末衍射（XRD）、X射线光电子能谱（XPS）、氮气吸脱附分析、扫描电子显微镜（SEM）对样品微观结构与形貌进行表征。用循环伏安（CV）、恒流充放电（CP）、电化学交流阻抗（EIS）测试了样品的电化学性能。结果表明，前驱液中的pH值及GO质量分数的不同会影响GA中团簇颗粒的大小和数量，进一步影响GA三维结构。在pH值为6.3、GO 的质量分数为1%时，制得的GA比表面积最大为530 m2?g?1，在1 A?g?1的电流密度下比电容高达364 F?g?1。此外，将该材料制成对称超级电容器具有高的库伦效率，在1 A?g?1下进行CP测试，得到电容器的比电容为98 F?g?1，循环800次后其循环稳定性能为初始比电容值的95.9%

注意力缺陷多动障碍（ADHD）是儿童期最常见的精神疾病之一，在大多数情况下持续到成年期。近年来，基于功能磁共振数据的ADHD分类成为了研究热点。文献中已有的大多数分类算法均假设样本是均衡的，然而事实上，ADHD数据集通常是不平衡的。传统的学习算法会使得分类器倾向于多数类样本，从而导致性能下降。本文研究了基于不平衡神经影像数据的ADHD分类问题，即基于静息状态功能磁共振数据对ADHD进行分类。采用功能连接矩阵作为分类特征，提出了一种基于多目标支持向量机的ADHD数据分类方案。该方案将不均衡数据分类问题建模为具有三个目标的支持向量机模型，其中三个目标分别为最大化分类间隔、最小化正样本误差和最小化负样本误差，进而正负样本经验误差可以被分开处理。然后采用多目标优化的法向量边界交叉法对模型进行求解，并给出一组代表性的分类器供决策者进行选择。该方案在ADHD-200竞赛的五个数据集上进行测试评估，并与传统分类方法进行对比。实验结果表明本文提出的三个目标支持向量机分类方案比传统的分类方法效果好，可以有效的从算法层面解决数据不平衡问题。该方案不仅可用于辅助ADHD诊断，还可用于阿尔茨海默病和自闭症等疾病的辅助诊断

为了提高非平衡数据集的分类精度，提出了一种基于样本空间近邻关系的重采样算法。该方法首先根据数据集中少数类样本的空间近邻关系进行安全级别评估，根据安全级别有指导的采用合成少数类过采样技术（Synthetic minority oversampling technique，SMOTE）进行升采样；然后对多数类样本依据其空间近邻关系计算局部密度，从而对多数类样本密集区域进行降采样处理。通过以上两种手段可以均衡测试数据集，并控制数据规模防止过拟合，实现对两类样本分类的均衡化。采用十折交叉验证的方式产生训练集和测试集，在对训练集重采样之后，以核超限学习机作为分类器进行训练，并在测试集上进行验证。在UCI非平衡数据集和电路故障诊断实测数据上的实验结果表明，所提方法在整体上优于其他重采样算法