-
题名Re-MDP(HEDP)中铼的氧化态测定
- 1
-
-
作者
王文进
罗顺忠
谯健
刘国平
刘业兵
-
机构
中国工程物理研究院核物理与化学研究所
-
出处
《核化学与放射化学》
CAS
CSCD
北大核心
2001年第4期246-251,共6页
-
基金
国家自然科学基金资助项目 (197710 2 7)
中国工程物理研究院自然科学基金资助项目 (980 5 5 9)
-
文摘
用电位滴定法和萃取法研究了Re MDP ,Re HEDP中铼的氧化态。实验结果表明 :Re MDP反应体系中 pH值越低 ,中心离子铼的平均氧化数越小 ;在 pH值为 2 0时用I- 3 滴定 ,低价的Re(Ⅲ ,Ⅳ ) MDP被氧化为Re(Ⅴ ) MDP ;在pH值为 2 5时 ,Re HEDP中铼的氧化态主要为 + 4价 ,在 pH值为 2 0时用I- 3 滴定 ,Re(Ⅳ ) HEDP被氧化为Re(Ⅴ ) HEDP ;在Vc +Sn2 + 的体系中 ,ReO4 - 仅被Sn2 + 还原 ,用I3 - 滴定 ,Vc先于Sn2 +
-
关键词
re-mdp
Re-HEDP
铼
氧化态
测定
骨肿瘤
放射治疗药物
同位素标记物
-
Keywords
Re MDP
Re HEDP
oxidation state
-
分类号
R738.1
[医药卫生—肿瘤]
R730.55
[医药卫生—肿瘤]
-
-
题名支持重规划的战时保障动态调度研究
被引量：2
- 2
-
-
作者
曾斌
樊旭
李厚朴
-
机构
海军工程大学管理工程与装备经济系
海军工程大学电气工程学院
-
出处
《自动化学报》
EI
CAS
CSCD
北大核心
2023年第7期1519-1529,共11页
-
基金
国家优秀青年科学基金(42122025)
湖北省杰出青年科学基金(2019CFA086)资助。
-
文摘
复杂多变的战场环境要求后装保障能够根据战场环境变化,预见性地做出决策.为此,提出基于强化学习的动态调度方法.为准确描述保障调度问题,提出支持抢占调度、重分配及重部署决策的马尔科夫决策过程(Markov decision process,MDP)模型,模型中综合考量了任务排队、保障优先级以及油料约束等诸多问题的影响;随后设计改进策略迭代算法,训练基于神经网络的保障调度模型;训练后的神经网络模型能够近似计算状态价值函数,从而求解出产生最大期望价值的优化调度策略.最后设计一个分布式战场保障仿真实验,通过与常规调度策略的对比,验证了动态调度算法具有良好的自适应性和自主学习能力,能够根据历史数据和当前态势预判后续变化,并重新规划和配置保障资源的调度方案.
-
关键词
战时保障
重规划
马尔科夫决策过程
动态调度
强化学习
-
Keywords
Wartime support
re-planning
Markov decision process(MDP)
dynamic scheduling
reinforcement learning
-
分类号
E91
[军事]
TP18
[自动化与计算机技术—控制理论与控制工程]
-
