CN113160901B - 一种提高氯代苯酚合成率的方法及装置 - Google Patents

一种提高氯代苯酚合成率的方法及装置 Download PDF

Info

Publication number
CN113160901B
CN113160901B CN202110315801.7A CN202110315801A CN113160901B CN 113160901 B CN113160901 B CN 113160901B CN 202110315801 A CN202110315801 A CN 202110315801A CN 113160901 B CN113160901 B CN 113160901B
Authority
CN
China
Prior art keywords
information
chlorophenol
synthesis
obtaining
rate
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202110315801.7A
Other languages
English (en)
Other versions
CN113160901A (zh
Inventor
刘光昌
冯礼义
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Liuzhou Dongfeng Rongtai Chemical Co ltd
Original Assignee
Liuzhou Dongfeng Rongtai Chemical Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Liuzhou Dongfeng Rongtai Chemical Co ltd filed Critical Liuzhou Dongfeng Rongtai Chemical Co ltd
Priority to CN202110315801.7A priority Critical patent/CN113160901B/zh
Publication of CN113160901A publication Critical patent/CN113160901A/zh
Application granted granted Critical
Publication of CN113160901B publication Critical patent/CN113160901B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16CCOMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C20/00Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
    • G16C20/20Identification of molecular entities, parts thereof or of chemical compositions

Landscapes

  • Physics & Mathematics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Chemical & Material Sciences (AREA)
  • Crystallography & Structural Chemistry (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computing Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Organic Low-Molecular-Weight Compounds And Preparation Thereof (AREA)

Abstract

本发明公开了一种提高氯代苯酚合成率的方法及装置,其中,所述方法包括:将所述氯代苯酚的产品用途信息、所述氯代苯酚的稳定性信息和所述氯代苯酚的危险等级信息输入氯代苯酚类型评估模型,获得第一氯代苯酚类型信息;根据所述第一氯代苯酚类型信息,获得第一合成方法;根据所述第一合成方法,获得第一合成原料信息;获得第一合成条件信息;根据所述第一合成原料信息和所述第一合成条件信息,对所述氯代苯酚进行合成,获得第一收率信息;如果所述第一收率信息不小于所述预定收率信息,继续对所述氯代苯酚进行合成处理。解决了现有技术存在没有对氯代苯酚进行特定方法合成,进而影响氯代苯酚合成率的技术问题。

Description

一种提高氯代苯酚合成率的方法及装置
技术领域
本发明涉及化学合成领域,尤其涉及一种提高氯代苯酚合成率的方法及装置。
背景技术
氯代苯酚是一种有机物,化学式为C6H5OCl,有邻、间、对氯苯酚三种同分异构体,无色至黄棕色液体,有不愉快的气味。具有微溶于水,溶于乙醇、乙醚、氢氧化钠水溶液的性质,由苯酚钠经氯化、酸化而得。邻氯苯酚是生产对氯苯酚的联产品,用苯酚氯化得到的是邻位和对位的氯代苯酚,经分离可以得到对氯苯酚和邻氯苯酚,可用于合成农药。
但本申请发明人在实现本申请实施例中发明技术方案的过程中,发现上述技术至少存在如下技术问题:
现有技术存在没有对氯代苯酚进行特定方法合成,进而影响氯代苯酚合成率的技术问题。
发明内容
本申请实施例通过提供一种提高氯代苯酚合成率的方法及装置,解决了现有技术存在没有对氯代苯酚进行特定方法合成,进而影响氯代苯酚合成率的技术问题,达到通过多因素有针对性的对氯代苯酚进行特定方法合成,进而提高氯代苯酚合成率的技术效果。
鉴于上述问题,提出了本申请实施例提供一种提高氯代苯酚合成率的方法及装置。
第一方面,本申请实施例提供了一种提高氯代苯酚合成率的方法,所述方法包括:获得氯代苯酚的产品用途信息;获得所述氯代苯酚的稳定性信息;获得所述氯代苯酚的危险等级信息;将所述氯代苯酚的产品用途信息、所述氯代苯酚的稳定性信息和所述氯代苯酚的危险等级信息输入氯代苯酚类型评估模型,获得第一氯代苯酚类型信息;根据所述第一氯代苯酚类型信息,获得第一合成方法;根据所述第一合成方法,获得第一合成原料信息;获得第一合成条件信息,所述第一合成条件信息包括第一合成温度信息和第一合成速率信息;根据所述第一合成原料信息和所述第一合成条件信息,对所述氯代苯酚进行合成,获得第一收率信息;获得预定收率信息;判断所述第一收率信息是否小于所述预定收率信息;如果所述第一收率信息不小于所述预定收率信息,继续对所述氯代苯酚进行合成处理。
另一方面,本申请还提供了一种提高氯代苯酚合成率的装置,所述装置包括:第一获得单元,所述第一获得单元用于获得氯代苯酚的产品用途信息;第二获得单元,所述第二获得单元用于获得所述氯代苯酚的稳定性信息;第三获得单元,所述第三获得单元用于获得所述氯代苯酚的危险等级信息;第四获得单元,所述第四获得单元用于将所述氯代苯酚的产品用途信息、所述氯代苯酚的稳定性信息和所述氯代苯酚的危险等级信息输入氯代苯酚类型评估模型,获得第一氯代苯酚类型信息;第五获得单元,所述第五获得单元用于根据所述第一氯代苯酚类型信息,获得第一合成方法;第六获得单元,所述第六获得单元用于根据所述第一合成方法,获得第一合成原料信息;第七获得单元,所述第七获得单元用于获得第一合成条件信息,所述第一合成条件信息包括第一合成温度信息和第一合成速率信息;第八获得单元,所述第八获得单元用于根据所述第一合成原料信息和所述第一合成条件信息,对所述氯代苯酚进行合成,获得第一收率信息;第九获得单元,所述第九获得单元用于获得预定收率信息;第一判断单元,所述第一判断单元用于判断所述第一收率信息是否小于所述预定收率信息;第一处理单元,所述第一处理单元用于如果所述第一收率信息不小于所述预定收率信息,继续对所述氯代苯酚进行合成处理。
第三方面,本发明提供了一种提高氯代苯酚合成率的装置,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述程序时实现第一方面所述方法的步骤。
本申请实施例中提供的一个或多个技术方案,至少具有如下技术效果或优点:
由于采用了将所述氯代苯酚的产品用途信息、所述氯代苯酚的稳定性信息和所述氯代苯酚的危险等级信息输入氯代苯酚类型评估模型,获得第一氯代苯酚类型信息;根据所述第一氯代苯酚类型信息,获得第一合成方法;根据所述第一合成方法,获得第一合成原料信息;获得第一合成条件信息;根据所述第一合成原料信息和所述第一合成条件信息,对所述氯代苯酚进行合成,获得第一收率信息;如果所述第一收率信息不小于所述预定收率信息,继续对所述氯代苯酚进行合成处理,进而达到通过多因素有针对性的对氯代苯酚进行特定方法合成,进而提高氯代苯酚合成率的技术效果。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例一种提高氯代苯酚合成率的方法的流程示意图;
图2为本申请实施例一种提高氯代苯酚合成率的装置的结构示意图;
图3为本申请实施例示例性电子设备的结构示意图。
附图标记说明:第一获得单元11,第二获得单元12,第三获得单元13,第四获得单元14,第五获得单元15,第六获得单元16,第七获得单元17,第八获得单元18,第九获得单元19,第一判断单元20,第一处理单元21,总线300,接收器301,处理器302,发送器303,存储器304,总线接口305。
具体实施方式
本申请实施例通过提供一种提高氯代苯酚合成率的方法及装置,解决了现有技术存在没有对氯代苯酚进行特定方法合成,进而影响氯代苯酚合成率的技术问题,达到通过多因素有针对性的对氯代苯酚进行特定方法合成,进而提高氯代苯酚合成率的技术效果。下面,将参考附图详细的描述根据本申请的示例实施例。显然,所描述的实施例仅是本申请的一部分实施例,而不是本申请的全部实施例,应理解,本申请不受这里描述的示例实施例的限制。
申请概述
氯代苯酚是一种有机物,化学式为C6H5OCl,有邻、间、对氯苯酚三种同分异构体,无色至黄棕色液体,有不愉快的气味。具有微溶于水,溶于乙醇、乙醚、氢氧化钠水溶液的性质,由苯酚钠经氯化、酸化而得。邻氯苯酚是生产对氯苯酚的联产品,用苯酚氯化得到的是邻位和对位的氯代苯酚,经分离可以得到对氯苯酚和邻氯苯酚,可用于合成农药。但现有技术存在没有对氯代苯酚进行特定方法合成,进而影响氯代苯酚合成率的技术问题。
针对上述技术问题,本申请提供的技术方案总体思路如下:
本申请实施例提供了一种提高氯代苯酚合成率的方法,所述方法包括:获得氯代苯酚的产品用途信息;获得所述氯代苯酚的稳定性信息;获得所述氯代苯酚的危险等级信息;将所述氯代苯酚的产品用途信息、所述氯代苯酚的稳定性信息和所述氯代苯酚的危险等级信息输入氯代苯酚类型评估模型,获得第一氯代苯酚类型信息;根据所述第一氯代苯酚类型信息,获得第一合成方法;根据所述第一合成方法,获得第一合成原料信息;获得第一合成条件信息,所述第一合成条件信息包括第一合成温度信息和第一合成速率信息;根据所述第一合成原料信息和所述第一合成条件信息,对所述氯代苯酚进行合成,获得第一收率信息;获得预定收率信息;判断所述第一收率信息是否小于所述预定收率信息;如果所述第一收率信息不小于所述预定收率信息,继续对所述氯代苯酚进行合成处理。
在介绍了本申请基本原理后,下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
实施例一
如图1所示,本申请实施例提供了一种提高氯代苯酚合成率的方法,其中,所述方法包括:
步骤S100:获得氯代苯酚的产品用途信息;
具体而言,所述氯代苯酚的产品用途信息为所述氯代苯酚的产品具体应用信息,如所述氯代苯酚应用于医药、农药和染料及其它有机合成原料,杀菌剂、防腐剂和杀虫剂,还可用作局部消毒剂等,是重要的工业原料。所述氯代苯酚包含有不同类型的同分异构体,不同类型的氯代苯酚具有不同的合成特点,为后续氯代苯酚类型的选择打下了基础。
步骤S200:获得所述氯代苯酚的稳定性信息;
具体而言,所述氯代苯酚的稳定性信息为所述氯代苯酚的化学稳定性,化学稳定性越高,表示越不易发生化学反应、潮解或挥发等,如对氯苯酚,稳定性较稳定,受热分解,高温易燃。通过对所述氯代苯酚的稳定性要求,选择对应不同的氯代苯酚类型。
步骤S300:获得所述氯代苯酚的危险等级信息;
进一步而言,其中,所述获得所述氯代苯酚的危险等级信息,本申请实施例步骤S300还包括:
步骤S310:获得所述氯代苯酚的毒性等级信息;
步骤S320:获得所述氯代苯酚的氧化可燃性信息;
步骤S330:根据所述氯代苯酚的毒性等级信息和所述氯代苯酚的氧化可燃性信息,获得第一健康危险等级信息;
步骤S340:获得所述氯代苯酚的水溶性信息;
步骤S350:根据所述氯代苯酚的毒性等级信息和所述氯代苯酚的水溶性信息,获得第一环境危险等级信息;
步骤S360:根据所述第一健康危险等级信息和所述第一环境危险等级信息,确定所述氯代苯酚的危险等级信息。
具体而言,所述氯代苯酚的危险等级信息为具有如毒害、腐蚀、爆炸、燃烧、助燃等性质,对人体、设施、环境会产生危害的化学品,并按照危害范围和能力对所述氯代苯酚划分的危险等级。所述氯代苯酚的毒性等级信息为按照急性毒性的分级标准,所划分的化学试剂毒性等级,可分为剧毒,高毒,中毒,低毒,如邻氯苯酚的毒性等级为高毒。所述氯代苯酚的氧化可燃性信息为在空气中经高温氧化燃烧的活性,如间氯苯酚熔点为33-35℃可燃,对氯苯酚熔点为42~43℃可燃,邻氯苯酚熔点为8℃可燃。所述氯代苯酚燃烧分解后会产生有毒腐蚀性烟气,可通过人体吸入、食入、经皮肤吸收,因此根据所述氯代苯酚的毒性等级信息和所述氯代苯酚的氧化可燃性信息,可以确定在一定温度下,所述氯代苯酚燃烧分解后被人体吸入的毒性量,从而确定对人体健康造成的危险等级。所述氯代苯酚的水溶性信息为在20℃条件下,1L水可溶的氯代苯酚含量,如邻氯苯酚的水溶性为28.5 g/L,间氯苯酚的水溶性为27.7 g/L,对氯苯酚的水溶性为27.1 g/L,所述氯代苯酚的水溶性越好,表明在相同条件下融入水中的氯代苯酚量越多,对环境造成的危险污染就越大,根据所述氯代苯酚的毒性等级信息和所述氯代苯酚的水溶性信息,可以确定所述氯代苯酚对环境的危险等级信息。根据所述第一健康危险等级信息和所述第一环境危险等级信息,可以综合确定所述氯代苯酚对人体和自然环境的危险等级信息,达到通过氯代苯酚的多种物质特性,分析确定其在生产使用中会对人体和环境造成的污染和危害,进而通过不同的产品需求选择合适的氯代苯酚类型的技术效果。
步骤S400:将所述氯代苯酚的产品用途信息、所述氯代苯酚的稳定性信息和所述氯代苯酚的危险等级信息输入氯代苯酚类型评估模型,获得第一氯代苯酚类型信息;
进一步而言,其中,所述将所述氯代苯酚的产品用途信息、所述氯代苯酚的稳定性信息和所述氯代苯酚的危险等级信息输入氯代苯酚类型评估模型,获得第一氯代苯酚类型信息,本申请实施例步骤S400还包括:
步骤S410:将所述氯代苯酚的产品用途信息、所述氯代苯酚的稳定性信息和所述氯代苯酚的危险等级信息输入氯代苯酚类型评估模型中,其中,所氯代苯酚类型评估模型通过多组训练数据训练获得,所述多组训练数据中的每一组训练数据均包括:所述氯代苯酚的产品用途信息、所述氯代苯酚的稳定性信息、所述氯代苯酚的危险等级信息和用来标识第一氯代苯酚类型的标识信息;
步骤S420:获得所述氯代苯酚类型评估模型中的第一输出结果,所述第一输出结果包括所述第一氯代苯酚类型信息。
具体而言,所述氯代苯酚类型评估模型为神经网络模型,所述神经网络模型即机器学习中的神经网络模型,神经网络(Neural Networks,NN)是由大量的、简单的处理单元(称为神经元)广泛地互相连接而形成的复杂神经网络装置,它反映了人脑功能的许多基本特征,是一个高度复杂的非线性动力学习装置。神经网络模型是以神经元的数学模型为基础来描述的。人工神经网络(Artificial Neural Networks,ANN),是对人类大脑装置的一阶特性的一种描述。简单地讲,它是一个数学模型。通过大量训练数据的训练,将所述氯代苯酚的产品用途信息、所述氯代苯酚的稳定性信息和所述氯代苯酚的危险等级信息输入神经网络模型,则输出满足所述第一氯代苯酚类型信息。
更进一步而言,所述训练的过程实质为监督学习的过程,每一组监督数据均包括所述氯代苯酚的产品用途信息、所述氯代苯酚的稳定性信息、所述氯代苯酚的危险等级信息和用来标识第一氯代苯酚类型的标识信息,将所述氯代苯酚的产品用途信息、所述氯代苯酚的稳定性信息和所述氯代苯酚的危险等级信息输入到神经网络模型中,根据用来标识第一氯代苯酚类型的标识信息,所述神经网络模型进行不断的自我修正、调整,直至获得的第一输出结果与所述标识信息一致,则结束本组数据监督学习,进行下一组数据监督学习;当所述神经网络模型的输出信息达到预定的准确率/达到收敛状态时,则监督学习过程结束。通过对所述神经网络模型的监督学习,进而使得所述神经网络模型处理所述输入信息更加准确,进而使得输出的氯代苯酚类型信息更加合理、准确,进而达到通过多因素确定选择不同的氯代苯酚类型,进而有针对性的确定其合成方法的技术效果。
步骤S500:根据所述第一氯代苯酚类型信息,获得第一合成方法;
步骤S600:根据所述第一合成方法,获得第一合成原料信息;
具体而言,不同的氯代苯酚类型具有不同的化学物理特性,根据不同的物质特性确定合适的合成方法,如对氯苯酚合成方法可使用苯酚直接氯化法、对二氯苯水解法和氯化铜氯化制备法等。根据所述合成方法的不同,确定其合成的原料信息,合成原料信息包括合成原料类型和用量,如氯化铜氯化制备法的合成原料有氯化铜、浓盐酸、苯酚和水,根据对氯苯酚的制备量确定合成原料的使用量。
步骤S700:获得第一合成条件信息,所述第一合成条件信息包括第一合成温度信息和第一合成速率信息;
具体而言,所述第一合成条件信息包括第一合成温度信息和第一合成速率信息,所述第一合成温度信息为使用合成原料进行反应制备时的合成环境温度,根据所述氯代苯酚的特性确定合成温度,合适的合成温度可以促进合成反应的发生。所述第一合成速率信息为使用合成原料进行反应制备氯代苯酚生成物时的反应生成速率,表示化学反应进行的快慢,所述合成速率会对化学反应时间产生影响,进而影响氯代苯酚的收率,所述合成速率越快,生产制备氯代苯酚的效率越高。
步骤S800:根据所述第一合成原料信息和所述第一合成条件信息,对所述氯代苯酚进行合成,获得第一收率信息;
具体而言,所述第一收率信息为在化学反应或相关的化学工业生产中,进入反应器的原料与生成目的产物所消耗的原料之间的数量比值关系,收率越高,说明进入反应器的原料中,消耗在生产目的产物上的数量越多,即收率=生成目的产物的原料量/原料进料量×100%。同样的一个化学反应在不同条件下会有不同的收率,根据所述第一合成原料信息和所述第一合成条件信息,对所述氯代苯酚进行合成,获得在此条件下的相应氯代苯酚收率。
步骤S900:获得预定收率信息;
步骤S1000:判断所述第一收率信息是否小于所述预定收率信息;
步骤S1100:如果所述第一收率信息不小于所述预定收率信息,继续对所述氯代苯酚进行合成处理。
具体而言,所述预定收率信息为预先设定的氯代苯酚收率,按照实际情况进行理论上的设定,如可设定预定收率信息为75%,表示所述氯代苯酚有较好的收率。判断在相应合成条件下获得的所述第一收率信息是否小于所述预定收率信息,如果所述第一收率信息不小于所述预定收率信息,即获得的氯代苯酚收率大于或等于所述预定收率,达到预定合成效果,提高了氯代苯酚合成率,则继续按照相应合成条件对所述氯代苯酚进行合成处理。
进一步而言,本申请实施例还包括:
步骤S1210:获得所述氯代苯酚的物理特性信息;
步骤S1220:根据所述氯代苯酚的物理特性信息,获得第一合成温度信息;
步骤S1230:获得第一反应物浓度信息;
步骤S1240:将所述第一合成温度信息作为横坐标,所述第一反应物浓度信息作为纵坐标,构建合成速率直角坐标系;
步骤S1250:按照预定合成速率参数对所述合成速率坐标系进行区域划分;
步骤S1260:根据区域划分后的所述合成速率坐标系,获得第一合成速率差值信息;
步骤S1270:根据所述第一速率差值信息,对所述第一合成速率信息进行速率调整。
具体而言,所述氯代苯酚的物理特性信息为不需要发生化学变化就表现出来的性质,如状态、颜色、气味、密度、硬度、沸点、溶解性等,根据所述氯代苯酚的物理特性信息,确定适合所述氯代苯酚生成的合成温度信息。所述第一反应物浓度信息为参与化学反应生成所述氯代苯酚的生成原料浓度信息,即单位体积内生成物物质的量信息。以所述第一合成温度信息作为横坐标,所述第一反应物浓度信息作为纵坐标,构建直角坐标系,表明所述氯代苯酚合成速率的快慢,按照预定合成速率参数对所述合成速率坐标系进行区域划分,所述预定合成速率参数受第一位置和第一角度控制,根据第一合成温度信息和所述第一反应物浓度信息可对所述预定合成速率参数的第一位置和第一角度进行调整,所述预定合成速率参数可根据生产情况自行设定。在所述预定合成速率参数之上的划分区域表明合成速率达到要求标准,在所述预定合成速率参数之下的划分区域表明合成速率未达到速率要求标准,根据区域划分后的所述合成速率坐标系,可获得所述合成速率与预定合成速率参数的速率差值信息,并根据所述第一速率差值信息,对所述第一合成速率信息进行速率调整。达到使得合成速率的划分更加准确,进而可以更加高效准确的调整合成速率,提高氯代苯酚合成率的技术效果。
进一步而言,其中,所述对所述第一合成速率信息进行速率调整,本申请实施例步骤S1270还包括:
步骤S1271:获得第一合成反应类型;
步骤S1272:根据所述第一合成反应类型和所述第一合成原料信息,获得第一热量变化系数;
步骤S1273:根据所述第一热量变化系数构建热量变化函数∆Q=k∆t;
步骤S1274:获得第一反应温度信息;
步骤S1275:获得第一调整热量信息;
步骤S1276:将所述第一反应温度信息和所述第一调整热量信息输入热量变化函数,获得第一调整参数;
步骤S1277:根据所述第一调整参数,对所述第一合成温度信息进行调整,获得第二合成速率信息。
具体而言,所述第一合成反应类型为合成氯代苯酚的化学类型,如该化学反应是吸热反应还是放热反应,根据所述第一合成反应类型和所述第一合成原料信息,获得第一热量变化系数k,即所述合成原料进行化学反应制备氯代苯酚时,每升高1℃或降低1℃所需要吸收或放出的热量,根据所述第一热量变化系数构建热量变化函数∆Q=k∆t。所述第一反应温度信息为合成反应的现有温度,所述第一调整热量信息为合成反应需要调整的热量,如合成反应为吸热反应,增加热量可以使该化学反应吸收更多的热量,从而使合成反应向生成氯代苯酚的方向进行,提高合成速率。将所述第一反应温度信息和所述第一调整热量信息输入热量变化函数,获得温度调整参数,并根据所述第一调整参数,对所述第一合成温度信息进行调整,根据调整后的所述合成温度得到所述第二合成速率信息,达到根据合成反应的类型和温度对合成速率进行调整,进而可以更加高效准确的调整合成速率的技术效果。
进一步而言,本申请实施例步骤还包括:
步骤S1281:获得第二反应物浓度信息;
步骤S1282:获得第一生成物浓度信息;
步骤S1283:根据所述第二反应物浓度信息和所述第一生成物浓度信息,获得第一浓度比值信息;
步骤S1284:根据所述第一浓度比值信息,获得第一平衡系数;
步骤S1285:获得预定平衡阈值;
步骤S1286:判断所述第一平衡系数是否大于所述预定平衡阈值;
步骤S1287:如果所述第一平衡系数大于所述预定平衡阈值,确定所述第一合成温度信息。
具体而言,所述第二反应物浓度信息为合成反应制备生成氯代苯酚一段时间后反应物的现有浓度,所述第一生成物浓度信息为制备合成包括氯代苯酚的生成物现有浓度,所述第一浓度比值信息为所述第一生成物浓度信息和所述第二反应物浓度信息的比值。所述第一平衡系数为各生成物浓度与各反应物浓度的比值,所述平衡系数越大,说明生成物的平衡浓度较大,反应物的平衡浓度相对较小,即表明反应进行得越彻底,因此所述平衡系数的大小可以表示反应进行的程度。所述预定平衡阈值为预先设定的平衡系数大小,如一般可设定为10-5,当所述平衡系数大于10-5时,表明合成反应进行的较完全。判断所述第一平衡系数是否大于所述预定平衡阈值,所述平衡系数只与温度有关,如果所述第一平衡系数大于所述预定平衡阈值,表明合成反应达到标准,进行的较彻底,确定此时的所述第一合成温度信息。达到通过计算平衡系数确定合成反应的进行程度,使得反应的合成温度更加科学准确,进而提高氯代苯酚合成率的技术效果。
进一步而言,其中,所述获得第二合成速率信息之后,本申请实施例步骤S1277还包括:
步骤S12771:如果所述第二合成速率信息小于所述预定合成速率参数,获得第二速率差值信息;
步骤S12772:获得第一催化剂信息;
步骤S12773:根据所述第一催化剂信息,获得第一活化效能系数;
步骤S12774:根据所述第二速率差值信息和所述第一活化效能系数,获得第二调整参数;
步骤S12775:根据所述第二调整参数,对所述第二合成速率信息进行调整。
具体而言,如果所述第二合成速率信息小于所述预定合成速率参数,根据区域划分后的所述合成速率坐标系,可获得所述第二合成速率与预定合成速率参数的速率差值信息,所述第一催化剂信息为在化学反应里能改变反应物化学反应速率而不改变化学平衡,且本身的质量和化学性质在化学反应前后都没有发生改变的物质。活化能越大的化学反应,反应速率越小,催化剂的催化作用可以使反应的活化能降低,根据所述第一催化剂信息,可以获得所述催化剂的活化效能系数,所述活化效能系数为催化剂降低反应活化能的效用能力,活化效能系数越大,催化剂的催化作用越强。根据所述第二速率差值信息和所述第一活化效能系数,获得速率调整参数,并根据所述调整参数,对所述第二合成速率信息进行调整,得到符合要求的合成速率,达到通过催化剂降低反应活化能,进而提高合成速率的技术效果。
综上所述,本申请实施例所提供的一种提高氯代苯酚合成率的方法及装置具有如下技术效果:
1、由于采用了将所述氯代苯酚的产品用途信息、所述氯代苯酚的稳定性信息和所述氯代苯酚的危险等级信息输入氯代苯酚类型评估模型,获得第一氯代苯酚类型信息;根据所述第一氯代苯酚类型信息,获得第一合成方法;根据所述第一合成方法,获得第一合成原料信息;获得第一合成条件信息;根据所述第一合成原料信息和所述第一合成条件信息,对所述氯代苯酚进行合成,获得第一收率信息;如果所述第一收率信息不小于所述预定收率信息,继续对所述氯代苯酚进行合成处理,进而达到通过多因素有针对性的对氯代苯酚进行特定方法合成,进而提高氯代苯酚合成率的技术效果。
2、由于采用了将所述氯代苯酚的产品用途信息、所述氯代苯酚的稳定性信息和所述氯代苯酚的危险等级信息输入神经网络模型的方式,进而使得输出的氯代苯酚类型信息更加合理、准确,进而达到通过多因素确定选择不同的氯代苯酚类型,进而有针对性的确定其合成方法的技术效果。
3、由于采用了通过计算平衡系数确定合成反应的进行程度,使合成速率的划分更加准确,通过催化剂降低反应活化能,达到可以更加高效准确的调整合成速率,使得反应的合成温度更加科学准确,进而提高氯代苯酚合成率的技术效果。
实施例二
基于与前述实施例中一种提高氯代苯酚合成率的方法同样发明构思,本发明还提供了一种提高氯代苯酚合成率的装置,如图2所示,所述装置包括:
第一获得单元11,所述第一获得单元11用于获得氯代苯酚的产品用途信息;
第二获得单元12,所述第二获得单元12用于获得所述氯代苯酚的稳定性信息;
第三获得单元13,所述第三获得单元13用于获得所述氯代苯酚的危险等级信息;
第四获得单元14,所述第四获得单元14用于将所述氯代苯酚的产品用途信息、所述氯代苯酚的稳定性信息和所述氯代苯酚的危险等级信息输入氯代苯酚类型评估模型,获得第一氯代苯酚类型信息;
第五获得单元15,所述第五获得单元15用于根据所述第一氯代苯酚类型信息,获得第一合成方法;
第六获得单元16,所述第六获得单元16用于根据所述第一合成方法,获得第一合成原料信息;
第七获得单元17,所述第七获得单元17用于获得第一合成条件信息,所述第一合成条件信息包括第一合成温度信息和第一合成速率信息;
第八获得单元18,所述第八获得单元18用于根据所述第一合成原料信息和所述第一合成条件信息,对所述氯代苯酚进行合成,获得第一收率信息;
第九获得单元19,所述第九获得单元19用于获得预定收率信息;
第一判断单元20,所述第一判断单元20用于判断所述第一收率信息是否小于所述预定收率信息;
第一处理单元21,所述第一处理单元21用于如果所述第一收率信息不小于所述预定收率信息,继续对所述氯代苯酚进行合成处理。
进一步的,所述装置还包括:
第十获得单元,所述第十获得单元用于获得所述氯代苯酚的毒性等级信息;
第十一获得单元,所述第十一获得单元用于获得所述氯代苯酚的氧化可燃性信息;
第十二获得单元,所述第十二获得单元用于根据所述氯代苯酚的毒性等级信息和所述氯代苯酚的氧化可燃性信息,获得第一健康危险等级信息;
第十三获得单元,所述第十三获得单元用于获得所述氯代苯酚的水溶性信息;
第十四获得单元,所述第十四获得单元用于根据所述氯代苯酚的毒性等级信息和所述氯代苯酚的水溶性信息,获得第一环境危险等级信息;
第一确定单元,所述第一确定单元用于根据所述第一健康危险等级信息和所述第一环境危险等级信息,确定所述氯代苯酚的危险等级信息。
进一步的,所述装置还包括:
第十五获得单元,所述第十五获得单元用于获得所述氯代苯酚的物理特性信息;
第十六获得单元,所述第十六获得单元用于根据所述氯代苯酚的物理特性信息,获得第一合成温度信息;
第十七获得单元,所述第十七获得单元用于获得第一反应物浓度信息;
第一构建单元,所述第一构建单元用于将所述第一合成温度信息作为横坐标,所述第一反应物浓度信息作为纵坐标,构建合成速率直角坐标系;
第一划分单元,所述第一划分单元用于按照预定合成速率参数对所述合成速率坐标系进行区域划分;
第十八获得单元,所述第十八获得单元用于根据区域划分后的所述合成速率坐标系,获得第一合成速率差值信息;
第一调整单元,所述第一调整单元用于根据所述第一速率差值信息,对所述第一合成速率信息进行速率调整。
进一步的,所述装置还包括:
第十九获得单元,所述第十九获得单元用于获得第一合成反应类型;
第二十获得单元,所述第二十获得单元用于根据所述第一合成反应类型和所述第一合成原料信息,获得第一热量变化系数;
第二构建单元,所述第二构建单元用于根据所述第一热量变化系数构建热量变化函数∆Q=k∆t;
第二十一获得单元,所述第二十一获得单元用于获得第一反应温度信息;
第二十二获得单元,所述第二十二获得单元用于获得第一调整热量信息;
第二十三获得单元,所述第二十三获得单元用于将所述第一反应温度信息和所述第一调整热量信息输入热量变化函数,获得第一调整参数;
第二十四获得单元,所述第二十四获得单元用于根据所述第一调整参数,对所述第一合成温度信息进行调整,获得第二合成速率信息。
进一步的,所述装置还包括:
第二十五获得单元,所述第二十五获得单元用于获得第二反应物浓度信息;
第二十六获得单元,所述第二十六获得单元用于获得第一生成物浓度信息;
第二十七获得单元,所述第二十五获得单元用于根据所述第二反应物浓度信息和所述第一生成物浓度信息,获得第一浓度比值信息;
第二十八获得单元,所述第二十六获得单元用于根据所述第一浓度比值信息,获得第一平衡系数;
第二十九获得单元,所述第二十九获得单元用于获得预定平衡阈值;
第二判断单元,所述第二判断单元用于判断所述第一平衡系数是否大于所述预定平衡阈值;
第二确定单元,所述第二确定单元用于如果所述第一平衡系数大于所述预定平衡阈值,确定所述第一合成温度信息。
进一步的,所述装置还包括:
第三十获得单元,所述第三十获得单元用于如果所述第二合成速率信息小于所述预定合成速率参数,获得第二速率差值信息;
第三十一获得单元,所述第三十一获得单元用于获得第一催化剂信息;
第三十二获得单元,所述第三十二获得单元用于根据所述第一催化剂信息,获得第一活化效能系数;
第三十三获得单元,所述第三十三获得单元用于根据所述第二速率差值信息和所述第一活化效能系数,获得第二调整参数;
第二调整单元,所述第二调整单元用于根据所述第二调整参数,对所述第二合成速率信息进行调整。
进一步的,所述装置还包括:
第一输入单元,所述第一输入单元用于将所述氯代苯酚的产品用途信息、所述氯代苯酚的稳定性信息和所述氯代苯酚的危险等级信息输入氯代苯酚类型评估模型中,其中,所氯代苯酚类型评估模型通过多组训练数据训练获得,所述多组训练数据中的每一组训练数据均包括:所述氯代苯酚的产品用途信息、所述氯代苯酚的稳定性信息、所述氯代苯酚的危险等级信息和用来标识第一氯代苯酚类型的标识信息;
第三十四获得单元,所述第三十四获得单元用于获得所述氯代苯酚类型评估模型中的第一输出结果,所述第一输出结果包括所述第一氯代苯酚类型信息。
前述图1实施例一中的一种提高氯代苯酚合成率的方法的各种变化方式和具体实例同样适用于本实施例的一种提高氯代苯酚合成率的装置,通过前述对一种提高氯代苯酚合成率的方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种提高氯代苯酚合成率的装置的实施方法,所以为了说明书的简洁,在此不再详述。
示例性电子设备
下面参考图3来描述本申请实施例的电子设备。
图3图示了根据本申请实施例的电子设备的结构示意图。
基于与前述实施例中一种提高氯代苯酚合成率的方法的发明构思,本发明还提供一种提高氯代苯酚合成率的装置,其上存储有计算机程序,该程序被处理器执行时实现前文所述一种提高氯代苯酚合成率的方法的任一方法的步骤。
其中,在图3中,总线架构(用总线300来代表),总线300可以包括任意数量的互联的总线和桥,总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存储器的各种电路链接在一起。总线300还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口305在总线300和接收器301和发送器303之间提供接口。接收器301和发送器303可以是同一个元件,即收发机,提供用于在传输介质上与各种其他装置通信的单元。
处理器302负责管理总线300和通常的处理,而存储器304可以被用于存储处理器302在执行操作时所使用的数据。
本发明实施例提供的一种提高氯代苯酚合成率的方法,所述方法包括:获得氯代苯酚的产品用途信息;获得所述氯代苯酚的稳定性信息;获得所述氯代苯酚的危险等级信息;将所述氯代苯酚的产品用途信息、所述氯代苯酚的稳定性信息和所述氯代苯酚的危险等级信息输入氯代苯酚类型评估模型,获得第一氯代苯酚类型信息;根据所述第一氯代苯酚类型信息,获得第一合成方法;根据所述第一合成方法,获得第一合成原料信息;获得第一合成条件信息,所述第一合成条件信息包括第一合成温度信息和第一合成速率信息;根据所述第一合成原料信息和所述第一合成条件信息,对所述氯代苯酚进行合成,获得第一收率信息;获得预定收率信息;判断所述第一收率信息是否小于所述预定收率信息;如果所述第一收率信息不小于所述预定收率信息,继续对所述氯代苯酚进行合成处理。解决了现有技术存在没有对氯代苯酚进行特定方法合成,进而影响氯代苯酚合成率的技术问题,达到通过多因素有针对性的对氯代苯酚进行特定方法合成,进而提高氯代苯酚合成率的技术效果。
本领域内的技术人员应明白,本发明的实施例可提供为方法、装置、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(装置)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。

Claims (9)

1.一种提高氯代苯酚合成率的方法,其中,所述方法应用于一种提高氯代苯酚合成率的装置,所述方法包括:
获得氯代苯酚的产品用途信息;
获得所述氯代苯酚的稳定性信息;
获得所述氯代苯酚的危险等级信息;
将所述氯代苯酚的产品用途信息、所述氯代苯酚的稳定性信息和所述氯代苯酚的危险等级信息输入氯代苯酚类型评估模型,获得第一氯代苯酚类型信息;
根据所述第一氯代苯酚类型信息,获得第一合成方法;
根据所述第一合成方法,获得第一合成原料信息;
获得第一合成条件信息,所述第一合成条件信息包括第一合成温度信息和第一合成速率信息;
根据所述第一合成原料信息和所述第一合成条件信息,对所述氯代苯酚进行合成,获得第一收率信息;
获得预定收率信息;
判断所述第一收率信息是否小于所述预定收率信息;
如果所述第一收率信息不小于所述预定收率信息,继续对所述氯代苯酚进行合成处理。
2.如权利要求1所述的方法,其中,所述获得所述氯代苯酚的危险等级信息,包括:
获得所述氯代苯酚的毒性等级信息;
获得所述氯代苯酚的氧化可燃性信息;
根据所述氯代苯酚的毒性等级信息和所述氯代苯酚的氧化可燃性信息,获得第一健康危险等级信息;
获得所述氯代苯酚的水溶性信息;
根据所述氯代苯酚的毒性等级信息和所述氯代苯酚的水溶性信息,获得第一环境危险等级信息;
根据所述第一健康危险等级信息和所述第一环境危险等级信息,确定所述氯代苯酚的危险等级信息。
3.如权利要求1所述的方法,其中,所述方法包括:
获得所述氯代苯酚的物理特性信息;
根据所述氯代苯酚的物理特性信息,获得第一合成温度信息;
获得第一反应物浓度信息;
将所述第一合成温度信息作为横坐标,所述第一反应物浓度信息作为纵坐标,构建合成速率直角坐标系;
按照预定合成速率参数对所述合成速率直角坐标系进行区域划分;
根据区域划分后的所述合成速率直角坐标系,获得第一合成速率差值信息;
根据所述第一合成速率差值信息,对所述第一合成速率信息进行速率调整。
4.如权利要求3所述的方法,其中,所述对所述第一合成速率信息进行速率调整,包括:
获得第一合成反应类型;
根据所述第一合成反应类型和所述第一合成原料信息,获得第一热量变化系数;
根据所述第一热量变化系数构建热量变化函数∆Q=k∆t,其中Q为热量,k为热量变化系数,t为温度;
获得第一反应温度信息;
获得第一调整热量信息;
将所述第一反应温度信息和所述第一调整热量信息输入热量变化函数,获得第一调整参数,其中所述第一反应温度信息为合成反应的现有温度,所述第一调整热量信息为合成反应需要调整的热量,将所述第一反应温度信息和所述第一调整热量信息输入热量变化函数,获得温度调整参数,该温度调整参数即为第一调整参数;
根据所述第一调整参数,对所述第一合成温度信息进行调整,获得第二合成速率信息。
5.如权利要求4所述的方法,其中,所述方法包括:
获得第二反应物浓度信息;
获得第一生成物浓度信息;
根据所述第二反应物浓度信息和所述第一生成物浓度信息,获得第一浓度比值信息;
根据所述第一浓度比值信息,获得第一平衡系数;
获得预定平衡阈值;
判断所述第一平衡系数是否大于所述预定平衡阈值,其中所述平衡系数只与温度有关;
如果所述第一平衡系数大于所述预定平衡阈值,表明合成反应达到标准,进行的较彻底,确定此时的所述第一合成温度信息。
6.如权利要求4所述的方法,其中,所述获得第二合成速率信息之后,所述方法包括:
如果所述第二合成速率信息小于所述预定合成速率参数,根据区域划分后的所述合成速率直角坐标系,可获得第二合成速率与预定合成速率参数的速率差值信息,即第二合成速率差值信息;
获得第一催化剂信息;
根据所述第一催化剂信息,获得第一活化效能系数;
根据所述第二合成速率差值信息和所述第一活化效能系数,获得第二调整参数;
根据所述第二调整参数,对所述第二合成速率信息进行调整。
7.如权利要求1所述的方法,其中,所述将所述氯代苯酚的产品用途信息、所述氯代苯酚的稳定性信息和所述氯代苯酚的危险等级信息输入氯代苯酚类型评估模型,获得第一氯代苯酚类型信息,包括:
将所述氯代苯酚的产品用途信息、所述氯代苯酚的稳定性信息和所述氯代苯酚的危险等级信息输入氯代苯酚类型评估模型中,其中,所氯代苯酚类型评估模型通过多组训练数据训练获得,所述多组训练数据中的每一组训练数据均包括:所述氯代苯酚的产品用途信息、所述氯代苯酚的稳定性信息、所述氯代苯酚的危险等级信息和用来标识第一氯代苯酚类型的标识信息;
获得所述氯代苯酚类型评估模型中的第一输出结果,所述第一输出结果包括所述第一氯代苯酚类型信息。
8.一种提高氯代苯酚合成率的装置,其中,所述装置包括:
第一获得单元,所述第一获得单元用于获得氯代苯酚的产品用途信息;
第二获得单元,所述第二获得单元用于获得所述氯代苯酚的稳定性信息;
第三获得单元,所述第三获得单元用于获得所述氯代苯酚的危险等级信息;
第四获得单元,所述第四获得单元用于将所述氯代苯酚的产品用途信息、所述氯代苯酚的稳定性信息和所述氯代苯酚的危险等级信息输入氯代苯酚类型评估模型,获得第一氯代苯酚类型信息;
第五获得单元,所述第五获得单元用于根据所述第一氯代苯酚类型信息,获得第一合成方法;
第六获得单元,所述第六获得单元用于根据所述第一合成方法,获得第一合成原料信息;
第七获得单元,所述第七获得单元用于获得第一合成条件信息,所述第一合成条件信息包括第一合成温度信息和第一合成速率信息;
第八获得单元,所述第八获得单元用于根据所述第一合成原料信息和所述第一合成条件信息,对所述氯代苯酚进行合成,获得第一收率信息;
第九获得单元,所述第九获得单元用于获得预定收率信息;
第一判断单元,所述第一判断单元用于判断所述第一收率信息是否小于所述预定收率信息;
第一处理单元,所述第一处理单元用于如果所述第一收率信息不小于所述预定收率信息,继续对所述氯代苯酚进行合成处理。
9.一种提高氯代苯酚合成率的装置,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述程序时实现权利要求1-7任一项所述方法的步骤。
CN202110315801.7A 2021-03-24 2021-03-24 一种提高氯代苯酚合成率的方法及装置 Active CN113160901B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110315801.7A CN113160901B (zh) 2021-03-24 2021-03-24 一种提高氯代苯酚合成率的方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110315801.7A CN113160901B (zh) 2021-03-24 2021-03-24 一种提高氯代苯酚合成率的方法及装置

Publications (2)

Publication Number Publication Date
CN113160901A CN113160901A (zh) 2021-07-23
CN113160901B true CN113160901B (zh) 2023-01-03

Family

ID=76884843

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110315801.7A Active CN113160901B (zh) 2021-03-24 2021-03-24 一种提高氯代苯酚合成率的方法及装置

Country Status (1)

Country Link
CN (1) CN113160901B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US2947790A (en) * 1958-01-14 1960-08-02 Reichhold Chemicals Inc Process for production of chlorinated phenols with recovery of hydrochloric acid
CN1454097A (zh) * 2000-09-08 2003-11-05 格莱风治疗公司 聚合物修饰的合成的蛋白质类
CN105777499A (zh) * 2016-01-08 2016-07-20 连云港致诚化工有限公司 一种氯代苯酚的制备工艺
CN107488108A (zh) * 2016-06-13 2017-12-19 上海泰禾国际贸易有限公司 一种氯代苯氧乙酸或氯代苯酚的合成方法
CN109180438A (zh) * 2018-10-17 2019-01-11 连云港恒贸化工有限公司 一种在微通道连续流反应器中合成氯代苯酚类化合物的方法
CN109603727A (zh) * 2018-10-23 2019-04-12 宁波大学 一种合成对氯苯酚的可自动控温反应釜

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7446235B2 (en) * 2006-03-24 2008-11-04 The Regents Of The University Of Michigan Method for reducing microcontaminants during synthesis of pentachlorophenol
EP3201164B1 (en) * 2014-10-02 2020-11-25 Monsanto Technology LLC Processes for preparing 2,5-dichlorophenol

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US2947790A (en) * 1958-01-14 1960-08-02 Reichhold Chemicals Inc Process for production of chlorinated phenols with recovery of hydrochloric acid
CN1454097A (zh) * 2000-09-08 2003-11-05 格莱风治疗公司 聚合物修饰的合成的蛋白质类
CN105777499A (zh) * 2016-01-08 2016-07-20 连云港致诚化工有限公司 一种氯代苯酚的制备工艺
CN107488108A (zh) * 2016-06-13 2017-12-19 上海泰禾国际贸易有限公司 一种氯代苯氧乙酸或氯代苯酚的合成方法
CN109180438A (zh) * 2018-10-17 2019-01-11 连云港恒贸化工有限公司 一种在微通道连续流反应器中合成氯代苯酚类化合物的方法
CN109603727A (zh) * 2018-10-23 2019-04-12 宁波大学 一种合成对氯苯酚的可自动控温反应釜

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
"光化学法降解水中氯代苯酚的研究进展";许宜铭等;《上海环境科学》;20000731;313-316 *

Also Published As

Publication number Publication date
CN113160901A (zh) 2021-07-23

Similar Documents

Publication Publication Date Title
Li et al. Gene expression value prediction based on XGBoost algorithm
Mir et al. A robust hybrid approach based on particle swarm optimization and genetic algorithm to minimize the total machine load on unrelated parallel machines
CN105676814B (zh) 基于sfla‑svm的数字化水岛在线加药控制方法
Galván et al. The use of neural networks for fitting complex kinetic data
Temur et al. The kinetics of dissolution of colemanite in H3PO4 solutions
Akdemir et al. Locally epistatic genomic relationship matrices for genomic association and prediction
Mohammadi et al. Intelligent machine learning: tailor-making macromolecules
Guo et al. Low dimensional mid-term chaotic time series prediction by delay parameterized method
Masoumi et al. Multivariate optimization in the biosynthesis of a triethanolamine (TEA)-based esterquat cationic surfactant using an artificial neural network
CN113160901B (zh) 一种提高氯代苯酚合成率的方法及装置
Sabir et al. An advanced computing scheme for the numerical investigations of an infection-based fractional-order nonlinear prey-predator system
Islam et al. Mineralization of farm manures and slurries for successive release of carbon and nitrogen in incubated soils varying in moisture status under controlled laboratory conditions
CN101587113A (zh) 基于正链rna-ga的连续搅拌反应釜反应物浓度软测量方法及仪表
Michalski et al. Functional validation of cas9/guideRNA constructs for site-directed mutagenesis of triticale ABA8′ OH1 loci
Rożnowski et al. Effect of esterification conditions on the physicochemical properties of phosphorylated potato starch
Murugan et al. Genome-wide in silico identification, structural analysis, promoter analysis, and expression profiling of PHT gene family in sugarcane root under salinity stress
Piccoli et al. Can long-term experiments predict real field N and P balance and system sustainability? Results from maize, winter wheat, and soybean trials using mineral and organic fertilisers
Oke et al. Techno-economic analysis and neuro-fuzzy production rate prediction of sorghum (Sorghum bicolor) leaf shealth colourant extract production
Wegner Modularity versus emergence: how to cope with complexity in whole-plant physiology?
Y. Al-Jawad et al. Assessment of water resources management strategy under different evolutionary optimization techniques
Montesinos-López et al. Multi-trait genome prediction of new environments with partial least squares
Konur et al. Agent-based high-performance simulation of biological systems on the GPU
Saldívar-Guerra et al. Mathematical modeling of the production of elastomers by emulsion polymerization in trains of continuous reactors
Li et al. Genomic prediction across structured hybrid populations and environments in maize
Khoshneviszadeh et al. Exploring quantitative structure–activity relationship (QSAR) models for some biologically active catechol structures using PC-LS-SVM and PC-ANFIS

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant