Liquid precipitation and microstructure of Mg6Al2(OH)15NO3CO3·4H2O whiskers

High-quality LDH-NO_3-CO_3 whiskers were synthesized via a liquid precipitation method using Mg(NO_3)_2·6H_2O and Al(NO_3)_3·9H_2O as raw materials and Na_2CO_3-NaHCO_3 buffer solutions as precipitant. The whiskers were characterized by X-ray diffraction, transmission electron microscope, and Brunauer-Emmett-Teller N_2 surface area measurement. The influence of buffer solution concentration on the characteristics of the sample was investigated. The results show that the buffer solution concentration has significant impact on whiskers with intercalated structure. Overall, LDH-NO_3-CO_3 whiskers with well-defined geometry, distinct intercalated structure, high quality, and good dispersion capability can be obtained under the following conditions: buffer solution volumetric ratio of 60%, reaction temperature of 55°C, and reaction time of 269 h.

H_2TiO_3制取钛酸钡粉末的研究

探讨了以H2 TiO3 为原料 ,采用沉淀法制取钛酸钡粉末的方法。研究了物料配比、沉淀剂用量、反应温度、反应时间、煅烧温度、煅烧时间对产品质量的影响。

3种修正的机器学习算法在逐3h降水量预报中的比较应用

为了订正数值预报产品,完善预报模型本地化应用,提高石林地区降水预报准确率,采用石林地区2016—2018年3 h累计降水量观测资料和欧洲细网格数值预报场资料,基于概率神经网络(PNN)、支持向量机(SVM)和Logistics判别的3种机器学习算法对石林地区的逐3 h时间间隔降水量的8个等级进行回归建模。利用遗传算法修正PNN网络的平滑因子和SVM模型的核函数中的Gamma值及惩罚系数,选择最优模型参数并建模;尝试线性回归后再多次使用Logistics判别的技术获得8个降水量级的预报值来构建预报模型,修正AUC阈值获取方式,提高预报模型TS评分。通过3种机器学习模型2018年汛期降水预报的业务检验表明,PNN和SVM模型优于扩展的Logistics判别模型,3种模型中Logistics判别模型的TS评分接近30%,PNN和SVM模型TS评分在45%左右,特别是对中雨以上的较强降水预报,3种模型TS评分达到28%。

近32年长沙市短时强降水的气候变化研究

利用长沙市近32 a的1 h、3 h雨量资料,分析了长沙短时强降水年发生次数、月际分布、时段分布、极值分布等气候特征及1 h、3 h雨量极值趋势分析、突变检验。结果表明,长沙市1 h、3 h短时强降水年发生次数的多年平均值为4.4、3.7次,雨强平均为29.2 mm/h、14.8 mm/h。长沙发生1 h短时强降水高峰期为6-8月,3 h短时强降水高峰期为6-7月。1 h短时强降水容易发生在15-17时及20时等时段,3 h短时强降水容易发生在04-08时及01时等时段。1 h、3 h短时强降水年雨量极值大多出现在主汛期。年1 h雨量极值发生在7月最多,6、8月次之;年3h雨量极值发生在6月最多,7月次之。长沙市1 h、3 h短时强降水年雨量极值整体呈弱增加趋势,其长期趋势变化存在明显年代际变化特征和阶段性特征,无突变现象。

西藏高原测站降水与TRMM估测降水一致性评估

利用124个测站2011—2012年6—8月逐小时降水资料,分辨率为0.25°×0.25°的TRMM估测降水和DEM高程数据,采用相关系数、相对误差和准确性指标,分析了西藏高原TRMM估测降水整体表现能力及海拔高度对降水估测影响。结果表明:TRMM估测降水在西藏高原整体趋势较一致,降水量级偏大,次数偏多;平均无降水准确率远高于平均有降水准确率,漏测率低而空测率高,降水量大的测站TRMM估测能力相对强。西藏高原上大部分测站处于相对低洼(河谷)地带,海拔高度差较小的区域TRMM估测降水与测站降水误差小,较大的区域误差则大。

以α型氢氧化物前驱体制备LiNi_(0.8)Co_(0.15)Al_(0.05)O_2及其电化学性能

本文采用球形Al/Co部分取代α型Ni(OH)2为前驱体成功制备了锂离子电池正极材料LiNi0.8Co0.15Al0.05O2。首先采用氢氧化钠与碳酸钠为沉淀剂合成出Al/Co部分取代α型Ni(OH)2,然后将之与LiOH·H2O混合,最后在氧气气氛中不同温度下热处理8h,即可得到球形LiNi0.8Co0.15Al0.05O2材料。X射线衍射结果表明,LiNi0.8Co0.15Al0.05O2材料为α-NaFeO2相。扫描电镜结果表明,材料颗粒形貌为球形。热重分析结果表明合成LiNi0.8Co0.15Al0.05O2的主反应温度在700～750℃之间。振实密度测试结果表明,750℃下制备的LiNi0.8Co0.15Al0.05O2材料可达2.2g·cm-3。恒流充放电结果表明,该材料在0.5mA·cm-2电流密度下,在3.0～4.3V间的首次充电容量可达210.3mAh·g-1,首次放电容量为179.7mAh·g-1,充放电效率为85.4%。与采用以β-Ni0.85Co0.15(OH)2为前驱体合成的LiNi0.85Co0.15O2和Al掺杂的LiNi0.8Co0.15Al0.05O2相比,尽管其首次放电容量与放电效率都有所降低,但循环性能有所提高,50周期后容量仍为初始容量的89.5%。研究表明,以球形Al/Co部分取代α型Ni(OH)2作为前驱体为球形氧化镍钴铝锂材料的制备提供了一条新的途径。