基于SVM增量学习的氯甲烷含水量预测控制

由于氯甲烷回收过程具有工艺过程复杂、非线性、时变性等特点,导致氯甲烷含水量难以预测。提出了ISVM软测量建模方法,鉴于新增训练样本中如果存在违反KKT条件的样本,则这些样本中肯定存在新的支持向量,必然会使支持向量集发生变化,原分类支持向量集中的非支持向量也有可能转化为支持向量,进一步提出了改进ISVM氯甲烷含水量预测模型。研究结果表明:通过与普通ISVM预测模型比较,采用改进ISVM预测模型的预测结果具有更佳的预测精度,为氯甲烷含水量的控制提供了更精确的条件。     

氯代甲烷结构和光谱性质的密度泛函理论研究

采用密度泛函理论（DFT）中的B3LYP和BLYP方法，对甲烷及其氯取代化合物的结构（分别采用6－31G（d)和6－311G（2d,p)基组和C－H键与C－Cl键的伸缩振动频率（B3LYP／6－31G（d)基组）进行了计算和集居分析。结果表明，在所有化合物中，C-Cl键在CHCl3分子中最弱。所有计算结果与实验值非常吻合。